Catégorisation des pratiques de jeux <i>free‑to-play</i> par une analyse des classes latentes
Notice bibliographique
Résumé
Le développement d’Internet et des technologies numériques a conduit à l’expansion du jeu en ligne et de son modèle dominant : les jeux gratuits (free-to-play, F2P). Une large majorité de personnes jouent à ces jeux de manière récréative, mais la pratique de ces jeux peut avoir des effets néfastes pour certains individus vulnérables ou leurs proches. Cette étude fait l’hypothèse que la population des joueurs free-to-play n’est pas un groupe homogène et vise à identifier, à travers une analyse de classes latentes, des sous-groupes de joueurs en fonction de leurs habitudes de jeu et à comparer le risque de problèmes générés par le jeu dans les différents sous-groupes. Un échantillon de 5 062 personnes, représentatif des internautes français âgés de 18 à 65 ans, a été recruté. Les participants ont répondu à une enquête en ligne autoadministrée, comportant une série de questions sur leurs caractéristiques sociodémographiques, leurs habitudes de jeu et les problèmes liés à ces pratiques (IGDS9-SF). L’analyse suggère l’existence de quatre classes de joueurs de jeux F2P : des joueurs avec une pratique peu intensive (classe I, 44,5 % de l’échantillon) ; des joueurs qui jouent peu intensivement, mais avec une plus grande probabilité de pratiquer des jeux d’argent (classe II, 6,5 %) ; des joueurs avec des pratiques de jeu plus intensives (classe III, 33,8 %) et des joueurs intensifs également plus enclins à dépenser de l’argent au cours du jeu et à pratiquer des jeux d’argent (classe IV, 15,2 %). Les résultats indiquent que ces classes ont des profils sociodémographiques différents et que la prévalence de problèmes liés au jeu est plus élevée pour les classes II et III par rapport à la classe I, et pour la classe IV par rapport à toutes les autres classes. La dépense d’argent au cours du jeu associée à une pratique concomitante de jeux d’argent serait un marqueur fort d’une pratique problématique de jeu free-to-play.
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 | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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.
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 ».