MétaCan
Menu
Retour à la cohorte
Enregistrement W4206795927 · doi:10.3389/fcomm.2021.786465

Developing a Choice-Based Digital Fiction for Body Image Bibliotherapy

2022· article· en· W4206795927 sur OpenAlexafffund
Christine Wilks, Astrid Ensslin, Carla Rice, Sarah Riley, Megan Perram, K. Alysse Bailey, Lauren Munro, Hannah Fowlie

Notice bibliographique

RevueFrontiers in Communication · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGender, Feminism, and Media
Établissements canadiensUniversity of AlbertaUniversity of Guelph
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésNarrativeAffordanceBinary oppositionTransformative learningBibliotherapyAestheticsAgency (philosophy)PsychologyVisual artsArtLiteratureEpistemologyCognitive psychologyPsychotherapistDevelopmental psychologyPhilosophy

Résumé

récupéré en direct d'OpenAlex

Body dissatisfaction is so common in the western world that it has become the norm, especially among women and girls. Writing New Body Worlds is a transdisciplinary research-creation project that aims to address these issues by developing an interactive digital fiction for body image bibliotherapy. It is created with the critical co-design participation of a group of young women and non-binary individuals (aged 18–25) from diverse backgrounds, who are representative of its intended audience. This article discusses how our participant research influenced the creative development of the digital fiction, its characters and its novel ludonarrative or story-game design. It theorizes how the specific affordances of a choice-based interactive narrative, that situates the reader-player in the mind of the fictional protagonist, may lead to enhanced empathic identification and agency and, therefore, a more profoundly immersive and potentially transformative experience. This process of “diegetic enactment” is where we postulate the therapeutic value lies: an ontological oscillation between the reader-player’s mind and the fictional mind, which may induce the reader-player to reflect upon, and perhaps subtly alter, their own body image.

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)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,056

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,004
Communication savante0,0040,002
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0170,002

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 Opus0,042
Tête enseignante GPT0,338
Écart entre enseignants0,296 · 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'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

Citations4
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in CommunicationMême sujetGender, Feminism, and MediaTravaux en français237 207