“THE CREATURE ITSELF IS NASTY, BUT NOTHING REALLY COMPARES TO THE BUILDING OF DREAD BEFORE YOU EVER GET TO IT”: ONLINE PLAYER AND DEVELOPER COMMENTARY ON FEMALE MONSTROSITY IN VIDEO GAMES
Notice bibliographique
Résumé
Gender representation in video games has long been a fraught topic of discussion within online gaming communities. In game scholarship, analysis of the usually harmful tropes and trends of female representation has resulted in countless studies demonstrating that video games are often a regressive medium in terms of representation, privileging heterosexual white male subjectivities and erasing, marginalizing, or even vilifying anyone outside of that specific demographic. These conversations and scholarly studies tend to focus on the representation of human women, especially as victimized damsels-in-distress. Considerably less work has been done to analyse the portrayal of villainous and monstrous nonhuman women in games, even though countless science fiction, fantasy, and horror games feature these kinds of characters. Many of these games utilize harmful tropes and design practices related to female villainy and monstrosity, thereby reinforcing misogynistic ideologies. With the understanding that gender representations in games can have deep cultural ramifications, especially as they intersect with representations of race, sexuality, queerness, body size, disability, mental illness, and age, this paper examines online player and developer discourse regarding female-coded monsters from a selection of commercially successful “AAA” video games. The intent of this project is to contribute to ongoing scholarship on monstrosity in games by looking at how developers explain and justify their design processes in online interviews and forum posts and how players/fans articulate their attitudes towards and reception of these monstrous creatures.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».