Tracing Research Through Design with Ponte: bridging game development repositories and qualitative research tools
Notice bibliographique
Résumé
As game design research is an emerging area of games research, game design researchers are still establishing consensus around baseline methodological practices that enable us to stop talking past each other and start putting our research efforts into genuine conversation. Stemming from our work on game design research methodology, we are proposing an interstitial design research step between design process data collection and design data analysis: corpus assemblage. In this paper, we overview the Method for Design Materialisation (MDM) and its workflows, then zoom in on what existing research approaches (and their supporting instruments) leave unaddressed in the context of game design research. We then introduce Ponte, a design-oriented research tool that bridges the material, technical, and methodological space that exists between design process-oriented data collection and design process-oriented data analysis. Ponte makes visible metadata, a commonly invisible layer of process-related information consistently being tracked by our digital work environments. Through the exploration and organisation of design metadata, Ponte invites design researchers to intentionally and explicitly undertake corpus assemblage as a crucial stage of data engagement that magnifies our abilities to make sense of design materials, processes, and practices.
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 | 0,133 | 0,277 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,016 | 0,011 |
| Études des sciences et des technologies | 0,005 | 0,017 |
| Communication savante | 0,021 | 0,025 |
| Science ouverte | 0,006 | 0,034 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,003 |
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 ».