The Social Accomplishment of Seeing Together in Networked Team Play
Notice bibliographique
Résumé
Background This article focuses on communication in team-based esports, particularly in the ways that callouts enable players in team-based First-Person Shooters (FPS) to collaboratively link their own perception and awareness of in-game actions to that of their teammates. Callouts are short, community-based utterances that players use to communicate vital details of fast-paced action in competitive games. Aim We provide an empirically-based theorization of why callouts appear to be especially important in team-based FPS games, which, because of the limited fields of vision and split-second decision-making, require players to communicate what is happening to the others in the team as they navigate the game environment. Methods To describe this distributed perception, we borrow from studies on active military settings that term this seeing together as interperceptivity and employ ethnomethodology in our analysis of the minute details of players’ actions in the screen recordings as they extended their team’s collective perception and awareness of in-game activities and events. Results Through this paper, we contribute to the ongoing research on understanding communication and collaboration in team-based games. The callout sequences (and aligning actions) are orienting towards sharing individual perceptions for the (co)construction of an interperceptivity of in-game activities. Hence, callouts form a precondition for coordinated play. Conclusion The introduction of this concept to game studies can help in making sense of a key capability in networked team-based games; that is, how players collectively construct a situational awareness that encompasses teammates’ perception. Also, because of the essential role of callouts and interperceptivity in highly-skilled networked play, we point to some of the cultural contexts in which this practice is accomplished.
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 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,025 |
| Communication savante | 0,010 | 0,006 |
| Science ouverte | 0,001 | 0,013 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».