MétaCan
Menu
Retour à la cohorte
Enregistrement W2919540475 · doi:10.22215/etd/2018-12727

Exploration of Narrative Structure in Games for Story Creation

2018· dissertation· en· W2919540475 sur OpenAlexaff
Bethany Dunfield

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineComputer Science
ThématiqueArtificial Intelligence in Games
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésNarrativePlot (graphics)StorytellingEvent (particle physics)LimitingNarrative structureVideo gameCharacter (mathematics)Computer scienceNarrative inquiryLiteratureMultimediaArtEngineeringMathematicsStatistics

Résumé

récupéré en direct d'OpenAlex

While video games have become a popular medium for storytelling, as a more subjective form of game content, evaluation of written or generated narratives remains difficult.We propose a model for game narrative (the combination of story and its discourse) that can be used to both help write game stories, and evaluate existing ones.This model is based on scholarly models of narrative, alongside narrative structuralism, which can give information about each narrative event and its' position within the overall sequence of events making up the story.We also show from the literature that strong stories feature an external goal or quest which can only be achieved by a character resolving their own internal struggles.To create our model, we performed a study of existing video game stories, using the aggregate critical score as our metric for quality.Stories were broken down into their component events, and data was logged about each event's importance, whether it sourced internally from a character or externally, and whether the event corresponded to a component of narrative macrostructures such as "The Hero's Journey".Results from our analysis show a strong relationship between the ratio of internal "character-driven" events versus external "plot-driven" events and a story's quality.We were also able to make recommendations about overall story event structure, such as limiting strings of external, or "plot-driven", events.I would also like to thank Dr. Ali Arya, who stepped in to fill Anthony's shoes.Coming into a project in its late stages, and having no knowledge of what we had done before is a difficult situation.However, Ali worked hard to make sure the adjustment went as smoothly as possible.My thanks extend to the entire administration and faculty of the School of Information Technology, who went above and beyond to make the transition for us students as easy as they could, despite dealing with the loss of a valued colleague and friend.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0050,005
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,041
Tête enseignante GPT0,344
Écart entre enseignants0,303 · 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 source (Gemma direct ou Codex distillé), 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

Citations2
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetArtificial Intelligence in GamesTravaux en français237 207