MétaCan
Menu
← Retour à la cohorte
Enregistrement W4396809056 · doi:10.55177/tc359562

Heuristics for Equitable Technical Communication in Remote & Hybrid Game Development

2024· article· en· W4396809056 sur OpenAlexaff
Rich Shivener, Elizabeth Caravella, Renee Renee Gittins

Notice bibliographique

RevueTechnical Communication · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDigital Games and Media
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésHeuristicsComputer scienceTechnical communicationEngineering

Résumé

récupéré en direct d'OpenAlex

Purpose: This article seeks to provide a set of heuristics for technical communication, addressing the newfound challenges to game developers as a result of the seemingly permanent shift to hybrid and remote work in this industry. In particular, this piece offers developers tangible ways in which they can facilitate productive and equitable means of technical communications that account for the unique needs of this kind of work that now takes place in almost exclusively remote and hybrid working situations. Method: This piece relies on both survey and interview data collected from nearly 300 members of the Independent Game Developers Association (IGDA) and at various games-based conferences (e.g., the Game Developers Conference) over a period of two years through a partnership grant between York University and the IGDA. Results: The results noted two key findings: First, the majority of game developers do not want to or intend to ever return to a fully physical office setting. Second, the results indicate that the shift to remote work more often negatively impacted female and non-binary developers, most likely due to the additional caregiving responsibilities traditionally emplaced on these groups. Conclusion: Technical communication is a central part of the game development process and has become even more pivotal as developers continue to operate under remote and hybrid working conditions. As such, the heuristics developed from this data focus on addressing the needs of these groups so that the remote and hybrid workplaces can operate as equitably as possible in this new industry model.

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)0,019
score de la tête « metaresearch » (Gemma)0,061
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,098

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,061
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,002
Études des sciences et des technologies0,0030,006
Communication savante0,0060,005
Science ouverte0,0020,008
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,062
Tête enseignante GPT0,372
Écart entre enseignants0,310 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTechnical Communication→Même sujetDigital Games and Media→Travaux en français237 207→