The design of movie-based theme park attractions : exploring environmental storytelling to create immersive dark ride experiences
Notice bibliographique
Résumé
My research dives into the world of theme parks, more specifically into their theming and the immersion it creates for attractions. Disney’s and Universal’s parks, which are found all over the world, are two of the most well-known movie-based theme park resorts. They both respectively make billions of dollars of revenue annually (Statista.com, 2019). Yet the theme park industry isn’t as studied as the video game or the movie industries. There is little theory on how to create these parks, especially the narrative environment in which guests are immersed (Lukas, 2016). I thus wondered: how can the concepts of environmental storytelling help design movie-based theme park attractions? I focused on the environmental storytelling (Jenkins, 2007; Carson, 2000) of theme park attractions, which means how the environment conveys the story. I took this concept from videogame-level design and used it on a theme park dark ride. I studied the four dimensions of this concept, namely: Evocative Spaces, Enacted Stories, Embedded Narratives and Emergent Narratives. Using research-creation, I explored those concepts by designing an attraction that is based on the movie 300 (Snyder, 2006). In a reflective way, I expose my practice as a theme park designer and how I use environmental storytelling. For this I used Photoshop to digitally draw and paint my designs. I also used Maya to 3D model the environments and No Limits 2 to create the roller coaster. The artistic output of my research is a concept art of the attraction. The academic output is having an understanding of the process of creating immersive attractions through environmental storytelling. My results show that the evocative space dimension is the most pertinent for designing an attraction. Moreover, the four dimensions used for video games are not sufficient for theme parks, and another one is needed: kinetic storytelling. Cette recherche s’intéresse au monde des parcs à thème, plus particulièrement leur façon de représenter leur thème et l’immersion créée pour les attractions. Les parcs de Disney et Universal, que l’on trouve dans le monde entier, sont deux des parcs à thèmes les plus connus. Ils génèrent tous deux des milliards de dollars de revenus par an (Statista.com, 2019). Pourtant, l’industrie des parcs à thème n’est pas autant étudiée que celle du jeu vidéo ou celle du cinéma. Il y a peu de théories sur la façon de créer ces parcs, en particulier l’environnement narratif dans lequel les clients sont immergés (Lukas, 2016). Cette recherche se demande alors comment fonctionne l’immersion narrative dans les parcs à thème. Comment le concept de narration environnementale peut-il aider à concevoir des attractions de parc à thème basées sur des films ? Je me concentre sur la narration environnementale (Jenkins, 2007 ; Carson, 2000), c’est-à-dire la façon dont l’environnement transmet l’histoire. Ce concept vient des études du jeu (conception de niveau de jeu vidéo), et est utilisé pour analyser la création d’un dark ride : des montagnes russes dont certaines parties se déroulent en intérieur. J’ai étudié les quatre dimensions de ce concept : les espaces évocateurs, les histoires spatiales, les récits imbriqués et les récits émergents. En utilisant une approche de recherche-création, j’explore ces concepts par la création d’une attraction basée sur le film 300 (Snyder, 2006). D’une manière réflexive, j’expose ma pratique en tant que concepteur de parc à thème et la façon dont j’utilise la narration environnementale. J’ai utilisé Photoshop pour dessiner numériquement, Maya pour modéliser les environnements et No Limits 2 pour créer mes montagnes russes. La production artistique de ma recherche est un concept art de l’attraction. La production académique est un ensemble de connaissances sur le processus de création d’attractions immersives grâce à la narration environnementale. Mes résultats montrent que la dimension évocatrice de l’environnement est la plus pertinente pour la conception d’une attraction de ce type. Par ailleurs, les quatre dimensions utilisées pour les jeux vidéo ne sont pas suffisantes pour les parcs à thèmes, et une autre est nécessaire : la narration cinétique.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».