Pokémorials: Placing Norms in Augmented Reality
Notice bibliographique
Résumé
Augmented reality is an emerging technology that overlays digital images onto depictions of the real-world using a hand-held device. Augmented properties, where these real and virtual spaces intersect, raise interesting norms conflicts. While norms literature has emphasized the importance of communities, the significance of place has not been as strongly emphasized as a factor. To illustrate the place-based nature of norms, this paper examines norms conflicts between real property and technology communities that occurred when Pokemon Go, a gaming application that uses augmented reality, was played at memorial sites. We discuss Pokemon Go as an example of augmented reality and detail how the technology creates augmented properties. The paper analyses in detail the norms conflicts that arose when Pokemon Go players visited memorial sites, such as cemeteries, war museums, and monuments, which attracted media attention and public condemnation. Notably, the strident criticisms against playing the game at places of remembrance could not be explained in terms of real property depletion, trespassing, or overcrowding. Instead, we argue that the conflicts may be explained based on the place-based nature of norms, the still emerging norms around the use of augmented reality technology, and the uncertainty around the norms for new places of augmented property. Significantly, although augmented reality as a technology is spatially precise, it is not sensitive to place and does not incorporate place-based norms in its architecture. Building on these insights, we recommend using “zoning” mechanisms from property law and technology to mediate these place-based norms conflicts that may continue to occur as the use of augmented reality affects real property.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».