‘The biggest legal battle in UK casino history’: Processes and politics of ‘cheating’ in sociotechnical networks
Notice bibliographique
Résumé
Previous literature on cheating has focused on defining the concept, assigning responsibility to individual players, collaborative social processes or technical faults in a game's rules. By contrast, this paper applies an actor-network perspective to understanding 'cheating' in games, and explores how the concept is rhetorically effective in sociotechnical controversies. The article identifies human and nonhuman actors whose interests and properties were translated in a case study of 'edge sorting' - identifying minor but crucial differences in tessellated patterns on the backs of playing cards, and using these to estimate their values. In the ensuing legal controversy, the defending actors - casinos - retranslated the interests of actors to position edge sorting as cheating. This allowed the casinos to emerge victorious in a legal battle over almost twenty million dollars. Analyzing this dispute shows that cheating is both sociotechnically complex as an act and an extremely powerful rhetorical tool for actors seeking to prevent changes to previously-established networks. Science and Technology Studies (STS) offers a rich toolkit for examining cheating, but in addition the cheating discourse may be valuable to STS, enlarging our repertoire of actor strategies relevant to sociotechnical disputes.
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 | 0,010 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,027 | 0,051 |
| Communication savante | 0,020 | 0,017 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,007 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».