Developing Strategic and Mathematical Thinking via Game Play: Programming to Investigate a Risky Strategy for Quarto
Notice bibliographique
Résumé
The Maths Arcade is an extracurricular club for undergraduate students to play and analyse strategy board games, aimed at building a mathematical community of staff and students as well as improving strategic and mathematical thinking. This educational initiative, used at several universities in the U.K., will be described. Quarto is an impartial game played at the Maths Arcade, in that there is one set of common pieces used by both players, and one where stalemates are a common outcome. While some students play without apparent direction until a winning opportunity appears, others adopt a more risky strategy of building the board towards a winning position, which could allow either player to win. Whether building towards a win is a sensible strategy, when the other player could equally well benefit, is a topic of debate at the Maths Arcade. Intending to suggest a possible student project, this article will describe a method to represent Quarto as an array of binary numbers, making the game suitable for programming in Python. Then, one strategy is programmed to play at random unless a winning move becomes available, while another is programmed to work towards a winning position. These are calibrated by playing against a completely random strategy and against themselves, then they are played against each other. The more risky strategy is found to win over the more naive player in around two thirds of one million games. Some limitations and possible areas of development are discussed.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| 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 ».