Immersion, digital fiction, and the switchboard metaphor
Notice bibliographique
Résumé
This paper re-evaluates existing theories of immersion and related concepts in the medium-specific context of digital-born fiction. In the context of our AHRC-funded “Reading Digital Fiction” project (2014-17) (Ref: AH/K004174/1), we carried out an empirical reader response study of One to One Development Trust’s immersive three-dimensional (3D) digital fiction installation, WALLPAPER (2015). Working with reading groups in the Sheffield area (UK), we used methods of discourse analysis to examine readers’ verbal responses to experiencing the installation, paying particular attention to how participants described experiences pertaining to different types of immersion explicitly and implicitly. We explain our findings by proposing the idea of a switchboard metaphor for immersive experiences, comprising layers and dynamic elements of convergence and divergence. Resulting from our analysis, we describe immersion as a complex, hybrid, and dynamic phenomenon. We flag the need for a more discriminating treatment of specific types of immersion in medium-specific contexts, including a distinction between literary and narrative immersion, and collaborative and social immersion (Thon 2008). We argue that literary immersion is needed as a separate immersive category because it differs from narrative immersion, and is far more linked to the activity of cognitive word processing. Similarly, we introduce collaborative immersion as an additional immersive category to reflect attention shifts towards site-specific, human interactions. Finally, our data shows the importance of site-, situation-, and person-specific constraints influencing reader-players’ ongoing ability to establish and retain immersion in the storyworld.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».