MétaCan
Menu
← Retour à la cohorte
Enregistrement W3035807395 · doi:10.24908/iqurcp.14048

Dungeons & Dragons & Drama

2020· article· en· W3035807395 sur OpenAlexvenueno aff
Darby Huk

Notice bibliographique

RevueInquiry Queen s Undergraduate Research Conference Proceedings · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDigital Games and Media
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDramaAdventureMAGIC (telescope)PsychologySocial psychologyLiteratureArtComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Players sit around a table. A group of adventurers pause in their pursuit of escape. Stunned, they stare at the die that just rolled poorly, resulting in the loss of a dear friend, his throat ripped out because they could not save him. The players mourn the death of a fictional character who only ever existed within the game. Dungeons & Dragons (D&D) is a popular role-playing game illustrating the interconnectedness of drama, performance, and games. My presentation will examine this relationship, identifying factors from gameplay that suggest how performance fosters success in D&D for both actual players and fictional characters. Research into dramatic theory and game theory reveals how interdisciplinary concepts such as the “magic circle”, the “lusory attitude”, and uncertainty can apply to elements of D&D (Salen and Zimmerman, Suits, Costikyan). Data collected from in-person observation of D&D sessions, coding participants’ behaviour, and watching for instances of performance (e.g. voice change, pronoun switches, or mimetic gesture), has been combined with theoretical research to determine elements that better facilitate success in the game/campaign. These elements range from emotional situations that provoke players, to forms of invitations encouraging participation (Isbister, White). I have discovered that while in theatre performance acts as a vehicle for story, in D&D the story acts as a vehicle for performance. The in-game performance often facilitates fun between players, as well as leading them to success in the game, so a campaign that maximizes theatricality will not only result in more fun, but also more success. Works Cited Costikyan, Greg. Uncertainty in Games. MIT Press, 2013. Isbister, Katherine. How Games Move Us: Emotion by Design. MIT Press, 2016. Salen, Katie, and Eric Zimmerman. Rules of Play: Game Design Fundamentals. The MIT Press, 2004. Suits, Bernard Herbert. The Grasshopper: Games, Life, and Utopia. Broadview Press, 2014. White, Gareth. Audience Participation in Theatre: Aesthetics of the Invitation. Springer, 2013.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,087
Score d'incertitude au seuil0,291

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0030,001
Communication savante0,0030,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0870,013

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 Opus0,216
Tête enseignante GPT0,418
Écart entre enseignants0,202 · 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'étudeQualitatif
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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInquiry Queen s Undergraduate Research Conference Proceedings→Même sujetDigital Games and Media→Travaux en français237 207→