Designing a Co-located Collaborative Cross-device Game for Ad Hoc Social Settings
Notice bibliographique
Résumé
Collaborative games, played across multiple co-located mobile devices are gaining popularity because of their location flexibility, low hardware requirements, players’ close proximity, and their promise of generating excitement and collaborative social experience. Even though the integration of spatial device rearrangement (i.e., physically picking up a device and positioning it in another location) in cross-device applications in other domains has demonstrated higher potential for collaboration, this form of interaction remains relatively unexplored in ad hoc cross-device gaming applications. That is because these interactions typically require additional hardware support, which can hinder the ad hoc nature of the cross-device social games. In this paper, we present the iterative user-centred design process of creating an ad hoc co-located cross-device maze exploration game named Snap-To-Eat that supports both on-screen cross-device interactions (e.g., moving elements across devices) and spatial device rearrangement interactions without requiring any additional hardware. We refined the game design by conducting two rounds of workshops, the first with a low-fidelity paper prototype and the second with a high-fidelity digital prototype, with 36 undergraduate and graduate students in total. Findings from both workshops demonstrated that integrating spatial device rearrangement interactions in an ad hoc co-located cross-device game created opportunities for collaboration and engagement among the players, which elevated their overall social experience. These findings also suggested new design opportunities and future research directions for ad hoc collocated cross-device games, e.g., introducing new interactions, as well as exploring the game mechanics in a 3D space to elevate the gaming experience.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».