MétaCan
Menu
Retour à la cohorte
Enregistrement W4986600 · doi:10.1057/9780230304116_12

Hong Kong’s New Creative Industries: The Example of the Video Games Sector

2010· book-chapter· en· W4986600 sur OpenAlexaboutno aff
Feichin Tschang

Notice bibliographique

RevuePalgrave Macmillan UK eBooks · 2010
Typebook-chapter
Langueen
DomaineSocial Sciences
ThématiqueHong Kong and Taiwan Politics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPaceAnimationCreative industriesCompetition (biology)EntertainmentBusinessAnimeQuarter (Canadian coin)Video gameMarketingAdvertisingEngineeringMultimediaPolitical scienceComputer scienceGeography

Résumé

récupéré en direct d'OpenAlex

Hong Kong has considerable creative and entrepreneurial resources, and the opportunity to build a vibrant set of creative industries, including in the new sectors such as video games, animation, and computer graphics. However, as it stands, some of these industries, especially that of the games industry, are fledgling in nature. Strong supporting institutions already exist, but it is essential to discover how industry can be better supported with existing and new resources — financial and otherwise. The opportunities are immense, but so is the competition. The new entertainment media sectors are growing at a faster pace than most economic sectors in many countries. At the same time, the expected global markets for new creative industries (especially games and animation) are considered to be huge.1 India’s NASSCOM estimated the global market for animation to be approaching US$50 billion, while one consultancy, DFC Intelligence, reported that the total global games market (including PC, online, and console) would rise from US$33 billion in 2007 to US$57 billion by 2009.2 At the same time, investments in virtual worlds, including associated technologies and social networking sites, in the US alone have been in the few hundred million dollars range per quarter over 2007.3

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,819
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,002
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,044
Tête enseignante GPT0,267
Écart entre enseignants0,223 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePalgrave Macmillan UK eBooksMême sujetHong Kong and Taiwan PoliticsTravaux en français237 207