Alustariippumattoman mobiilipelin kehitys : Vancouver 2010 - Official Mobile Game
Bibliographic record
Abstract
Insinöörityössä tarkoituksena oli toimia tärkeänä osana alustariippumattoman Vancouver 2010 -mobiilipelin kehityksessä peliohjelmoijana. Tämän lisäksi tutkittiin alustasta riippumattoman pelin tai minkä tahansa graafisen sovelluksen ohjelmalliseen toteutukseen liittyviä haasteita. Tarkasteltiin kuinka alustojen eri resoluutiot vaikuttavat graafisen käyttöympäristön ja pelimaailman piirrossa tai kuinka laitteiden vaihteleva suorituskyky tulee huomioida pelin mekaniikoissa ja fysikaalisissa simuloinneissa, jotta peli toimisi mahdollisimman tasavertaisesti laitteella kuin laitteella. \n\nPeliä kehitettiin Mr. Goodliving -nimisessä yrityksessä ja kehityksen ydintiimiin kuului yhdeksän henkilöä. Työssä hyödynnettiin joitakin yrityksen valmiita teknologioita, joista tärkeimpänä osana alustariippumaton pelimoottori EMERGE. Pelimoottori mahdollisti pelikoodin kääntämisen useille eri alustoille ja abstrahoi peliltä kaikki matalantason alustariippuvaisuudet. \n\nLaaja alustariippumattomuus toi tiettyjä rajoitteita pelin ohjelmointiin, kuten esimerkiksi olio-ohjelmoinnista, osoittimista ja staattisista taulukoista oli luovuttava. Peli valmistui täysin ajallaan, se sisälsi viisi eri talviurheilulajia sekä tuki loppujen lopuksi hieman yli tuhatta eri alustaa. Pelistä saatiin erittäin skaalautuva, sillä pienimmillään pelipaketin koko oli 64 kilotavua ja suurimmillaan 20 megatavua. \n\nVaikka skaalautuvuus toi mukanaan useita kompromisseja eikä pelissä voitu hyödyntää viimeisintä teknologiaa, niin juuri erinomaisen skaalautuvuutensa vuoksi peli saatiin toimimaan yli tuhannella eri alustalla. Skaalautuvuudesta oli myös hyötyä itse pelin kehityksessä, sillä peliin voitiin tehdä tarpeen vaatiessa muutoksia hyvin pienellä vaivalla.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.005 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.041 | 0.010 |
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".