MétaCan
Menu
Retour à la cohorte
Enregistrement W2275258438

Aussie women game developers

2014· article· en· W2275258438 sur OpenAlexaboutno aff
Debbie M. Taylor, Yusuf Pisan

Notice bibliographique

RevueOPUS - Open Publications of UTS Scholars (University of Technology Sydney) · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGender and Technology in Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésVideo game developmentGame designAttritionGame DeveloperStudioPsychologyEngineeringComputer scienceMultimediaMedicine
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Women are underrepresented in the digital games industry all over the world. In Australia, womens level of contribution to game development is much lower than the USA, Canada, and UK. Reviewing literature from the areas of computer science, information technology, and digital games, this study focuses on the impact of social, structural and cultural aspects, and how these factors might influence women choosing a career in the Australian digital games industry. Using a mixed-method, Grounded Theory approach, a large-scale census of Australian digital game studios was conducted, and followed up by semi-structured interviews of a small group of women game developers. Findings reveal that the number of women game developers in Australia has recently increased, and although work culture stereotypes and poor workplace conditions persist overseas, Australian women are not experiencing these issues. However, getting interested in digital game development is still a major obstacle in convincing young women to enroll in game development degrees at university. Once enrolled though, attrition is a problem that has been attributed to teaching styles, lack of confidence and how male peers treat female students in their first year. Those women, who eventually graduate and pursue a career in digital games, more often share the influence of strong parents, male siblings, and enjoyed playing games from a young age.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,751
Score d'incertitude au seuil0,616

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0030,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,022
Tête enseignante GPT0,286
Écart entre enseignants0,264 · 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 tête enseignante, 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

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOPUS - Open Publications of UTS Scholars (University of Technology Sydney)Même sujetGender and Technology in EducationTravaux en français237 207