Le e-sport, un nouveau « sport » numérique universitaire?
Bibliographic record
Abstract
Alors que la pratique du e-sport est de plus en plus répandue et que l’on en vient même à parler de la présence de ce sport aux Jeux olympiques de 2024 à Paris, il peut être important de s’intéresser à cette nouvelle tendance vidéoludique et à sa reconnaissance sociale et professionnelle à l’université. Ce document, en plus de présenter une revue de la « jeune » littérature sur le e-sport, dévoile les conclusions d’une recherche menée sur la pratique du e-sport auprès de 522 étudiants universitaires considérés comme des « e-athlètes » de cette discipline. Quatre objectifs ont guidé cette recherche : 1) déterminer les méthodes et conditions d’entraînement des e-athlètes; 2) décrire les habitudes des e-athlètes en matière d’exercices physiques; 3) définir la pratique des e-sports telle que vécue par les e-athlètes; et 4) mieux comprendre la potentielle reconnaissance de cette activité en tant que sport. Cette recherche examine par la même occasion les relations du e-sport avec le milieu universitaire. Elle est particulièrement originale dans la mesure où elle s’inscrit dans un domaine en plein essor et incontestablement tourné vers l’avenir.
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 | 0.003 | 0.013 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.004 | 0.004 |
| Scholarly communication | 0.009 | 0.009 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.025 | 0.003 |
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".