MétaCan
Menu
Retour à la cohorte
Enregistrement W3203671873 · doi:10.1145/3474651

PACMHCI V5, CHI PLAY, September 2021 Editorial

2021· article· en· W3203671873 sur OpenAlexaff
Kathrin Gerling, Elisa D. Mekler, Regan L. Mandryk

Notice bibliographique

RevueProceedings of the ACM on Human-Computer Interaction · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueEducational Games and Gamification
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésProcess (computing)Library sciencePublic relationsComputer scienceMedical educationPolitical scienceOperations researchMedicineEngineering

Résumé

récupéré en direct d'OpenAlex

Since its inaugural edition in 2014, the ACM SIGCHI Annual Symposium on Computer-Human Interaction in Play (CHI PLAY) has grown to become the premier ACM SIGCHI venue for playercomputer interaction, bringing together researchers and professionals across all areas of play, games, and human-computer interaction. This year, CHI PLAY has moved its publications to a journal-based model, and we are pleased to present the first issue of the Proceedings of the ACM on Human-Computer Interaction that contains full paper contributions from the CHI PLAY community. This issue has 64 papers that were accepted in the 2021 cycle of the CHI PLAY conference. Over two rounds, a total of 250 papers were submitted for review and our acceptance rate is 25.6%. Thework published in this volume represents the contributions from the 2021 program committee, including external reviewers, associate chairs, and editors. Together, we have engaged in a revised reviewing process that saw several major changes. First, we moved to a revise and resubmit process to address existing inequities in submission and review, improve the quality of the review process, and increase the reach of our community's research. Second, we made major changes to our review form to improve the review process, while also easing the burden of review, along with explicitlywelcoming different contribution types and managing the complexities of interdisciplinary evaluation. We would like to acknowledge the efforts that our community has made in adapting to this new process, ensuring rigorous review during a global pandemic, and working together with the submitting authors to achieve high-quality scholarship. In this issue, the majority of contributions are empirical in nature, with fifteen papers classified by the authors as using qualitative methods, fifteen using quantitative methods, and nine using mixed methods. We also publish seven papers presenting design artefacts and three presenting technical artefacts. Finally, we include four papers employing meta-research methods, two papers that present new methodological approaches, and nine papers that contribute to the development and validation of theory.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,140
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,048
Tête enseignante GPT0,369
Écart entre enseignants0,320 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the ACM on Human-Computer InteractionMême sujetEducational Games and GamificationTravaux en français237 207