Harnessing the potential of simulation and speculative games for transdisciplinary collaboration:lessons from experience
Notice bibliographique
Résumé
Addressing societal challenges requires taking a systems perspective, and establishing a shared understanding and mutual learning. This includes not only learning and gaining a systemic understanding about a system’s complexity, but also of the perspectives and values involved in challenges to be addressed. In this study, ‘speculative games’, games that focus on hypothetical scenarios or experiencing the consequences of technological, social, or environmental changes, are proposed as extensions of simulation games as tools to explore perspectives and values. By reflecting on experiences of the design and use of three games, we provide preliminary insights into the benefits of both simulation and speculative games. We discuss how the speculative games, in contrast to the simulation game, use deliberately open-ended objectives and ambiguous in-game objects and materials to contribute to issue formation. We further discuss how, as a result, the speculative games establishes mutual learning through collective sense-making of the games’ ambiguous materials and reflecting on how these relate to real-world issues. In the simulation game, learning both about the system’s complexity and the perspectives of other players originates from experimenting, discussing and reflecting on actions taken in the game. Our experiences suggest that simulation and speculative games can be complementary tools in addressing societal challenges. As these type of games are not mutually exclusive, future research can focus on exploring the use of speculative elements in simulation games that aim to facilitate transdisciplinary collaborations and addressing societal challenges.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 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 ».