Trading Frames: Interface Operations and Social Exchanges in Video Games
Notice bibliographique
Résumé
This dissertation examines trade affordances across three different video games and one novel: The Realm Online (1995), World of Warcraft (2004), Counter-Strike: Global Offensive (2012), and Neal Stephenson's Reamde (2011).By trade affordances, I refer to those interfaces which facilitate the transition of digital items from one player to another.While the study of online economies has an established history, the broader social impact of trade affordances remains largely unexplored despite their ubiquity.I align these aforementioned video games with an increasing automation of trade practices within contemporary multi-user online games, as well as the growing relationship between online and offline economies.In order to demonstrate these connections, I provide a summary of early trade practices collected through blogs, playthroughs, developer notes, patches, and other ethnographic sources such as interviews and forum posts.After describing these trade practices, I survey key economic, ethical, political, and social theories relevant to the act of trading and consuming in online spaces.My critique is influenced by autonomist Marxist theory regarding the automation of work and the cycles of struggle central the relationship between labour and capital.This positions my dissertation in relation to other game studies scholars who have assessed the relationship between play and labour in video games, such as Nick Dyer-Witherford, Alexander Galloway, and McKenzie Wark.I contend that trade in online games is an increasingly capitalized act reflective of conditions of capital outside the games.In order to demonstrate this phenomenon, I provide close-readings of the previously mentioned video games and novel, as well as two single-player games that directly critique the relationship between trade, capital, and play.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,008 | 0,007 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».