Notice bibliographique
Résumé
Les jeux modernes pour ordinateurs ont tendance `a apporter les structures narratives complexes, en affirmant un jeu `a la fois entendu et int´eressant. Les structures narratives sont importantes non seulement dans le jeu d'aventure et le jeu de rˆole, mais aussi dans le jeu de tir `a la premi`ere personne et le jeu de strat´egie. Malgr´e tout, beaucoup de structures narratives poss`edent des d´efauts qui r´eduisent la qualit´e des jeux, ainsi c'est important de d´evelopper la technique de analyse ou de v´erification. Malheureusement, des tentatives de v´erification formelle sont limit´ees, et dans la pratique effectu´ee avant tout par l'inspection manuelle et l'essai du jeu. Notre recherche est bas´ee sur une structure applicative nomm´ee Programmable Narrative Flow Graph (PNFG) (Plan de Flux Narratif Programmable) qui offre un langage de haut niveau `a repr´esenter des structures narratives. En tant que premier pas vers la v´erification plue profonde, notre approche est `a appliquer l'analyse formelle de haut niveau sur les structures narratives afin de trouver leurs winning paths (chemins de la victoire). Nous prolongeons la structure applicative PNFG par l'´elaboration d'un module d'analyse de flux de donn´ees g´en´eriques, mais aussi mettons en oeuvre plusieurs analyseurs `a recueillir des donn´ees de haut niveau sur les comportements narratifs. Pour am´eliorer la performance de notre approche, nous avons ´egalement conc¸u plusieurs optimisations qui r´eduisent la taille de l'espace de recherche. Non toutes les diff´erentes optimisations sont efficaces sur les structures narratives, mais notre strat´egie finale et totalement optimis´ee$
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 | 0,002 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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 ».