Notice bibliographique
Résumé
This is a short introduction to a series of blog posts, below, written by participants in the second edition of the GameBling Game Jam. GameBling 2.0On the 11th and 12th of February 2023, Concordia University hosted the second edition of the GameBling Game Jam, one year after the successful first edition (Hoebanx et al., 2023).A game jam is an event during which individuals or teams attempt to create a game from scratch in a limited amount of time.A detailed explanation of game jams and a summary of the first edition can be found in Hoebanx et al. (2023).In Hoebanx et al. (2023), we argued that game jams can be used as an innovative research method "that can help uncover new ways to think about and question social science concepts."We put that idea to the test again in the second edition, with an added twist: we held a writing workshop after the event to which all jam participants were invited.Of the 16 original participants, 9 participated in the writing workshop.The primary goal was to encourage jam participants to reflect on and write about their experiences as game designers, aiming to gain insights into their thinking and design processes-something that last year's blog post was not able to achieve (Hoebanx et al., 2023).The blog posts in this series are the result of this writing workshop.While the theme of the first edition was slot machines, the second edition's theme was more abstract: (Un)Lucky.
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 | 0,011 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,006 | 0,002 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 0,011 |
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 ».