Deception in video games: examining varieties of griefing
Notice bibliographique
Résumé
Purpose Though not new to online gamers, griefing – an act of play intended to cause grief to game players – is fairly understudied in LIS scholarship. The purpose of this paper is to expand the inventory of griefing varieties, consider their deceptive elements and examine attitudes towards the phenomenon. Design/methodology/approach The authors collected and content analysed 80 (non‐elicited) posts from the Something Awful forum thread and compared them to the results of ten (elicited) e‐mail interviews. Findings As a complex phenomenon, griefing has multiple interpretations and opposing attitudes. The thread results show that griefers, as perpetrators, have predominantly positive or neutral attitudes towards the act. About 15 per cent of the examined griefers reportedly resort to deceptive techniques. More extravagant griefs that require verbal interactions in player‐versus‐player (PvP) online games involve deception and often fall into two categories: scamming or greed play (prioritising personal benefits). The authors found self‐reported instances of deception by scheming, luring, entrapment, pretence and verbal concealment in griefing acts. The interview respondents, as predominantly victims of griefs, do not think of griefing (or may not be aware of it) as an act of deception and primarily associate it with harassment (inciting emotional reactions) or power imposition (exerting superiority). Casual griefing – refusing to comply with the rules for mere entertainment – stands out as another griefing variety. Originality/value With the growth of popularity of video gaming, libraries are largely unaware of griefing and should be prepared to address it in video game use policies for online gaming units or tournaments. Online gaming affords a unique opportunity to examine deception in computer‐mediated human‐to‐human communication. The complexity of the phenomenon and associated opposing views are offered here to be weighted by the LIS scholars and professionals.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».