Bibliographic record
Abstract
Si les video game studies se sont et se développent largement en anglais, on peut affirmer sans chauvinisme qu’ils ont souffert de ne pas pouvoir lire Jacques Henriot. Certes, parce qu’elles ont été traduites dans la langue de Shakespeare dès 1961, ce sont les réflexions de Roger Caillois dans Les jeux et les hommes (1958) qui ont été le plus considérées durant l’émergence des études du jeu vidéo. Mais par le fait même, et de toute évidence à la suite des travaux de Huizinga, ce sont davantage la définition et les formes du jeu qui ont d’abord interpellé les chercheurs. Bien que Caillois se soit aussi intéressé à l’attitude psychologique du joueur face au jeu (et qu’inversement l’auteur de Le Jeu [1969] et Sous couleur de jouer : la métaphore ludique [1989] ait également proposé une définition), Henriot a quant à lui réellement réfléchi à la conduite nécessaire au jeu et exigée par le jouer. En lisant les travaux du fondateur des sciences du jeu tout an proposant un survol des recherches en video games studies, cet article souhaite montrer comment, sans parler de jeu vidéo, Henriot avait déjà l’“attitude” pour en étudier les tenants et aboutissants.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.006 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.007 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".