Learning Poker in Different Communities of Practice: A Qualitative Analysis of Poker Players’ Learning Processes and the Norms in Different Learning Communities
Notice bibliographique
Résumé
Several studies have focused on some of the skill elements needed to become a successful poker player, but few have described the poker players’ learning processes. No studies have used a learning theory to analyse poker players’ variety of learning methods or analysed whether the competitive and deceptive nature of the poker game have an impact on the players’ learning outcome. This article examines 15 poker players’ learning processes and how the players enter different learning communities of practice, arguing that different communities have different norms. In a friendly community of practice, the players were generous in helping each other and revealed secrets so that the group could grow together. In the competitive community of practice, the players were more cautious, and misleading information was common. Online poker, as well as new technology, has made several new artefacts (learning tools) available for poker players, and their main contribution is to reveal information that was previously unavailable. Because poker is a game of information, it greatly affects the players’ learning potential. RésuméPlusieurs études ont mis l’accent sur certaines compétences nécessaires pour devenir un joueur de poker performant, mais peu ont décrit les processus d’apprentissage suivis par les joueurs de poker. Aucune étude n’a utilisé de théorie de l’apprentissage pour analyser la diversité des méthodes d’apprentissage des joueurs de poker ni pour déterminer si la nature compétitive et illusoire du jeu de poker a une incidence sur les résultats d’apprentissage des joueurs. Cet article examine les processus d’apprentissage de 15 joueurs de poker et leur entrée dans différentes communautés de pratiques d’apprentissage. On y explique que différentes communautés possèdent différentes normes. Dans une communauté de pratique conviviale, les joueurs s’entraident et révèlent des secrets afin que le groupe puisse grandir ensemble. Dans une communauté de pratique compétitive, les joueurs sont sur leur garde, et les informations trompeuses sont monnaie courante. Le poker en ligne ainsi que les nouvelles technologies ont mis plusieurs nouveaux outils d’apprentissage à la disposition des joueurs de poker. Leur principale contribution est de révéler des informations qui, auparavant, n’étaient pas disponibles. Étant donné que le poker est un jeu d’information, le potentiel d’apprentissage des joueurs en est grandement affecté.
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 | 0,013 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,007 | 0,013 |
| Communication savante | 0,006 | 0,008 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,003 |
| 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 ».