MétaCan
Menu
Retour à la cohorte
Enregistrement W4324138453 · doi:10.29173/cgs160

The GameBling Game Jam

2023· article· en· W4324138453 sur OpenAlexaffvenue
Pauline Hoebanx, Idun Isdrake, Sylvia Kairouz, Bart Simon, Martin French

Notice bibliographique

RevueCritical Gambling Studies · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueBiomedical and Engineering Education
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésGame designGame art designMetagamingIntersection (aeronautics)Computer scienceGame studiesProcess (computing)Video game developmentFrame (networking)PerceptionScreening gameNon-cooperative gameGame DeveloperSociologySimultaneous gameGame theoryHuman–computer interactionPsychologyArtificial intelligenceEngineeringMathematical economicsMathematics

Résumé

récupéré en direct d'OpenAlex

Gambling scholars may be unfamiliar with the research methods used by their colleagues in game studies. Yet, as gambling becomes gamified, and gaming becomes gamblified, the intersection between our two fields continues to grow. The GameBling game jam, which took place in 2022 at Concordia University, proposed to explore this growing intersection by applying a game making and game studies method—the game jam (see, for instance, Kultima 2015; Meriläinen et al., 2020; Ruberg & Shaw, 2017)—to a gambling object—the slot machine. This post argues that game jams can be used in gambling studies to learn more about public perceptions of slot machines, to reverse-engineer black-boxed gambling algorithms, or even to help new research interests emerge through the process of game creation. We ultimately propose that the practice of creating games from scratch in a limited time frame, or "game jamming," is an innovative research method that can help uncover new ways to think about and question social science concepts.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,318
Score d'incertitude au seuil0,345

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
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 ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,071
Tête enseignante GPT0,366
Écart entre enseignants0,295 · 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.

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

Citations1
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCritical Gambling StudiesMême sujetBiomedical and Engineering EducationTravaux en français237 207