MétaCan
Menu
Back to cohort
Record W2766226543 · doi:10.71781/23018

Le développement de collections de jeux vidéo dans les bibliothèques universitaires en Amérique du Nord : étude exploratoire

2016· dissertation· fr· W2766226543 on OpenAlexaboutno aff
Stéphanie Cadieux

Bibliographic record

VenueOpen MIND · 2016
Typedissertation
Languagefr
FieldSocial Sciences
TopicDigital Games and Media
Canadian institutionsnot available
Fundersnot available
KeywordsHumanitiesArt

Abstract

fetched live from OpenAlex

L’importance culturelle et sociale des jeux vidéo n’est plus à démontrer : ces documents font désormais partie du quotidien d’un bon nombre de Nord-Américains et l’industrie du jeu vidéo était l’industrie du loisir la plus rentable en 2014. La popularité de ce médium a suscité l’intérêt de la communauté universitaire et plusieurs disciplines étudient maintenant les jeux vidéo, notamment la psychologie, la sociologie et les sciences de l’information. De plus, certaines universités ont créé des départements d’études vidéoludiques, qui sont uniquement consacrés à l’étude de ce type de document. Cet intérêt scientifique peut mener à la création de collections de jeux vidéo dans les bibliothèques universitaires. Toutefois, la littérature scientifique ne s’est pas intéressée à l’insertion des jeux vidéo dans les bibliothèques universitaires, la littérature disponible étant uniquement professionnelle. Cette recherche vise à contribuer de manière scientifique à une question qui a été traitée uniquement de manière professionnelle, afin d’apporter un regard objectif sur cette réalité que les bibliothèques universitaires pourront être appelées à vivre. Pour ce faire, nous avons procédé à une étude de cas multiples, en menant des entrevues semi dirigées avec des bibliothécaires, des employés de la bibliothèque, des enseignants et des étudiants de deux milieux, un canadien et un américain. Cette approche qualitative a été choisie pour répondre à quatre questions de recherche : [1] Quels sont les facteurs influençant le développement des collections de jeux vidéo?, [2] Comment les différentes étapes du développement de collections sont-elles appliquées lors du développement d’une collection de jeux vidéo?, [3] De quelles manières la collection est-elle utilisée par les usagers de la bibliothèque? et [4] Les jeux vidéo doivent-ils être traités différemment des autres types de documents? Si oui, de quelle manière? Les résultats montrent que les principaux facteurs influençant le développement de collections de jeux vidéo sont de nature organisationnelle et budgétaire, mais qu’une attention particulière doit être portée aux facteurs technologiques lors du développement de collections rétrospectif. Le développement d’une collection de jeux vidéo diffère du développement de collections de documents dits traditionnels, car les bibliothécaires procèdent à de la micro sélection et les critères de sélection importants concernent, en plus des demandes des usagers, le matériel pour accéder à l’information contenue dans le jeu. De plus, les commis et les autres employés travaillant au comptoir de prêt peuvent devoir nettoyer et réparer les objets qui ne fonctionnent plus. Les utilisateurs potentiels de ces collections, c’est-à-dire les enseignants et les étudiants qui utilisent les jeux vidéo dans leurs activités de recherche et d’enseignement, n’utilisent pas les ressources des bibliothèques, notamment à cause d’un manque de promotion et de l’impossibilité d’emprunter les documents pour les consulter à la maison. Finalement, outre les activités de développement de collections qui diffèrent des documents traditionnels, l’impact des jeux vidéo sur les employés des bibliothèques est minime, notamment car ces ressources sont isolées dans les bibliothèques et que les employés ne sont pas appelés à travailler avec d’autres types de documents.

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 imitation

Not 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.

metaresearch head score (Codex)0.007
metaresearch head score (Gemma)0.021
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesScholarly communication
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Qualitative · Consensus signal: Qualitative
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.994
Threshold uncertainty score0.323

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0070.021
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0010.000
Bibliometrics0.0110.017
Science and technology studies0.0060.003
Scholarly communication0.0060.004
Open science0.0010.004
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0090.001

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.

Opus teacher head0.037
GPT teacher head0.312
Teacher spread0.275 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

Study designQualitative
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2016
Admission routes1
Has abstractyes

Explore more

Same venueOpen MINDSame topicDigital Games and MediaFrench-language works237,207