Blockchain, Cryptos and NFTs in the gaming industry: A tale of two worlds
Notice bibliographique
Résumé
The gaming industry is at a crossroads with Web 3.0. The ever-growing gaming industry is at a tipping point of mass blockchain adoption. Based on public and secondary data analysis, we show that the gaming industry is shifting toward Web 3.0, which could significantly affect its practices and business models. Aligned with this change, big gaming companies have launched new technologies associated with Web 3.0, such as NFTs and cryptocurrencies. The sector’s reaction could indicate the society’s response to including cryptocurrencies and NFTs in an increasing number of industries. Reluctant North American players. North American players have been unwilling to include cryptocurrencies and NFTs in their games. They felt this integration was threatening the “gaming” logic of the industry and creating some ecological issues. Welcoming Asian and Latin American players. In sharp contrast, Asian and Latin American countries such as China and the Philippines have seen a more significant intake from gamers, who perceived cryptocurrencies and NFTs as an opportunity to generate more revenues. A tale of two worlds. Our study argues that consumers associated cryptocurrencies and NFTs with a financial logic, and would prefer not to use those technologies if their primary goal was to play. This prevented the mass adoption of those technologies in North America, where most gamers associated gaming with something other than revenue generating (i.e., playing, escaping in a virtual world). Instead, Asia-Pacific gamers saw the opportunities in these technologies to generate additional revenues and create new markets. This led to a strong divide between both parts of the world regarding Web 3.0. The report outlines some implications for the future of the industry and the rest of society.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,011 |
| Communication savante | 0,010 | 0,018 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 source (Gemma direct ou Codex distillé), 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 ».