MétaCan
Menu
Retour à la cohorte
Enregistrement W4200161621 · doi:10.1177/13548565211056123

Situating the videogame maker’s agency through craft

2021· article· en· W4200161621 sur OpenAlexfundno aff
Brendan Keogh

Notice bibliographique

RevueConvergence The International Journal of Research into New Media Technologies · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDigital Games and Media
Établissements canadiensnon disponible
Organismes subventionnairesAustralian Research CouncilMcMaster University
Mots-clésCraftAgency (philosophy)Embodied cognitionNegotiationSociologyMeaning (existential)Production (economics)AestheticsComputer scienceEpistemologyVisual artsSocial scienceEconomicsArtArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

It is now widely accepted that videogames are a cultural form, and that they generate cultural meaning through the possibilities and constraints through which they shape players’ experiences and choices. However, the cultural processes through which videogames are themselves produced remain understudied and too-straightforwardly imagined. The videogame maker does not simply conceive of a videogame idea and then execute it. Instead, the videogame is produced through processes of negotiation and iteration between videogame maker, software and hardware environments and the broader expectations of the field. In this sense, videogame production can be fruitfully understood through the lens of craft. I argue that in order to politicise agency in digital play, as is this special issue’s goal, videogame research must also consider the agency of the videogame maker, and the iterative, embodied, and social processes through which videogames are produced. This article draws from interviews with videogame makers and existing research on craft production to provide a preliminary consideration of how the agency of the videogame maker as a cultural producer can be accounted for.

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)0,004
score de la tête « metaresearch » (Gemma)0,007
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 enseignants0,013
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,001
Études des sciences et des technologies0,0070,023
Communication savante0,0130,007
Science ouverte0,0010,006
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,134
Tête enseignante GPT0,435
Écart entre enseignants0,301 · 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

Citations18
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueConvergence The International Journal of Research into New Media TechnologiesMême sujetDigital Games and MediaTravaux en français237 207