MétaCan
Menu
Retour à la cohorte
Enregistrement W2154012505 · doi:10.7557/23.5972

Language Games/Game Languages: Examining Game Design Epistemologies Through a ‘Wittgensteinian’ Lens

2008· article· en· W2154012505 sur OpenAlexaff
Nis Bojin

Notice bibliographique

RevueEludamos Journal for Computer Game Culture · 2008
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDigital Games and Media
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésLanguage-gameArticulation (sociology)GrammarEpistemologySet (abstract data type)SociologyLinguisticsGame designPhilosophyComputer scienceArtificial intelligenceLawPolitical science

Résumé

récupéré en direct d'OpenAlex

Recent theorizing around games and notions of play has drawn from a pool of mid-20th century scholars including such notables as Johann Huizinga, Gregory Bateson, Roger Caillois and Ludwig Wittgenstein. Through his articulation of the concept of language as a type of game, Wittgenstein has been both adopted and critiqued for purposes of circumscribing what are now commonly held as the necessary constituents of games including their systemic nature and the acquiescence of their participants to an agreed-upon rule structure: a set of rules which Wittgenstein likens to the ‘grammar’ of language (Salen and Zimmerman, 2001;Suits, 1978; Juul, 2005; Wittgenstein, 1953; Finch, 2001; Brenner, 1999). Although thus far Wittgenstein has served as a pillar of 20th and 21st century game theory canon, this paper adopts Wittgenstein’s notion of language-games not for purposes of examining games, but for purposes of examining the design of games. The pursuit of this paper is to utilize Wittgenstein’s lens of the language-game to investigate what it is that informs and consequently shapes and reinforces game design epistemologies in an attempt to encourage a reflexivity about the design practices behind the games we create.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,058

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,012
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0070,004
Études des sciences et des technologies0,0050,062
Communication savante0,0170,027
Science ouverte0,0030,005
Intégrité de la recherche0,0040,006
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,098
Tête enseignante GPT0,339
Écart entre enseignants0,241 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEludamos Journal for Computer Game CultureMême sujetDigital Games and MediaTravaux en français237 207