Playful Lenses: Using Twine to Facilitate Open Social Scholarship through Game-based Inquiry, Research, and Scholarly Communication
Notice bibliographique
Résumé
In academic contexts, digital games are often studied as texts or are used as pedagogical tools to teach basic concepts in early education situations. Less usefully, their systems and economies are often co-opted and decontextualized in short-sighted attempts to “gamify” various aspects of learning or training. However, given that games are highly controlled, conditional, choice-and-consequence-based, problem-solving environments in which players are expected to interact with simulated settings and elements after agreeing to take on particular roles and subject positions, there are promising potential uses of these experiences in academic contexts that have not been fully considered. Motivated by the imperative to explore alternative modes and methods of scholarly research and communication, and guided by the values of open social scholarship practices, this paper reconsiders games not as things to study, but as instruments to study with. Given that games can function as simulations, models, arguments and creative collaboratories, game-based inquiry can be used as a potential method of post-secondary and post-graduate humanities research and scholarly communication. While these ideas have been explored in a preliminary way in relation to a number of different academic disciplines (Donchin 1995; Boot 2015; Mitgutsch and Weise 2011; Westecott 2011) this paper is meant to catalyse a humanities-calibrated consideration of the pragmatics and potentials of game-based research, games as instances of critical making and scholarly communication, and more complex forms of game-based learning than those currently practiced. A number of examples that make use of the open source Twine platform will be featured.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,004 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».