Mapping the literature on augmented reality-based gaming: a text mining approach
Notice bibliographique
Résumé
Purpose This study aims to focus on carrying out a quantitative analysis of publications related to augmented reality (AR)-based gaming. AR combines the real world with the digital world and is a large basis of data in an ICT-based digital society. Therefore, there is a need for a comprehensive bibliometric review of research papers on AR-based gaming to identify the potential for the advancement of knowledge in this field. Design/methodology/approach In the experimental part, reference data from Scopus was extracted according to a search string formulated with great care. The retrieved data were then analyzed through open-source, sophisticated bibliometric tools, VOSviewer, along with Biblioshiny-R. Findings After running the analysis, it turns out that the years with the biggest number of publications were in 2010 and 2012. The focus areas of study include mixed reality, surveys and helmet-mounted displays. The USA was the most connected country in the research collaboration network; it has strong links with other nations including the UK, Canada and Greece, which cluster around it in the map. This trend of monetarily increasing number of papers depicts the growing interest and sustainable productivity in this research domain. Originality/value The purpose of this paper is to present a novel perspective on AR-based gaming, which has not been so far examined by bibliometric analysis. The results provide important information for researchers and stakeholders. In addition to filling a void in the literature, this study is an important reference for those researchers who are interested in exploring evolution and trends in AR-based gaming research.
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 | 0,006 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,108 | 0,086 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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 ».