Developing a Ludonarrative Engine for a Historical Site Using Locative AR and Music: Psychogeography for Battle of the Boyne
Notice bibliographique
Résumé
Abstract Mobile digital media technologies, such as smartphones, have great potential for in situ storytelling in cultural heritage sites. By geo-locating narrative content across a site, it can be experienced simultaneously with the physical site, creating a situated narrative of historical relevance. However, looking at and interacting with mobile devices tend to capture the user’s attention and all too easily distract from the site. For this reason, it is important to strike a balance between immersion (into the digital content) and presence (in the physical site). In this paper, we describe an approach to locative storytelling for cultural heritage, which is based on the exclusive use of sound and music for all ludonarrative aspects of the experience and based on the concept of psychogeography, i.e., how places make us feel. Our case study is the Battle of the Boyne in Ireland, the site of the eponymous battle that took place on 1 July 1690 (O. S.) between the forces of the deposed King James II and those of King William III. The battle is considered one of the most significant events in Irish and English history and is part of a wider struggle for power across 17th century Europe. We present our narrative design, sound and music design, game design, which together are captured in our ludonarrative engine in which a combination of historical narrative, music narrative and spatial audio navigation are closely intertwined with game mechanics, creating an immersive experience for cultural, educational and intergenerational engagement.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».