MétaCan
Menu
Retour à la cohorte
Enregistrement W3044112419 · doi:10.5210/spir.v2018i0.10513

NOT SUFFERING FOOLS GLADLY: CRAFTING PROSOCIAL COMMUNITY IN ONLINE MULTIPLAYER MINECRAFT

2020· article· en· W3044112419 sur OpenAlexaff
Kenzie Ann Burniston Woodbridge

Notice bibliographique

RevueAoIR Selected Papers of Internet Research · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDigital Games and Media
Établissements canadiensRoyal Roads University
Organismes subventionnairesnon disponible
Mots-clésProsocial behaviorModerationAggressionSocial psychologyPsychologyInternet privacyCivilityComputer sciencePolitical sciencePolitics

Résumé

récupéré en direct d'OpenAlex

Over 700 million people worldwide are socializing and spending time, sometimes significant amounts, in online multiplayer games, and these social spaces can be important sites of community. Unfortunately, levels of civility, aggression, and mutual helping can vary significantly between game spaces. Given their ubiquity and importance in so many people’s lives, it is critical to understand how a prosocial community can be created and maintained over time in these spaces for those who want them. This research uses virtual ethnography and interpretive phenomenological analysis to examine how moderation and community development strategies, game design elements, and player behaviours are experienced and can be influenced by players in prosocially-oriented online multiplayer Minecraft servers. It is clear that it is the prosocial orientation of players and the commitment, social skill, and integrity of server moderators that is most key to creating and maintaining a prosocial gaming environment and that although game design can support prosociality, game design factors appear to be much less important overall. Attracting the right players—and refusing entry to the wrong ones—is the most important concern.

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)0,003
score de la tête « metaresearch » (Gemma)0,006
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0080,010
Communication savante0,0050,005
Science ouverte0,0010,006
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,114
Tête enseignante GPT0,392
Écart entre enseignants0,278 · 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 revueAoIR Selected Papers of Internet ResearchMême sujetDigital Games and MediaTravaux en français237 207