Bibliographic record
Abstract
Cet article se fonde sur l’intuition que l’on peut appréhender les pratiques vidéoludiques contemporaines, particulièrement pour les jeux de rôle en lignes massivement multi-joueurs, à partir de ce rapprochement que pose Hamayon entre, jeu, logique de chasse, anticipation et gestion de l’aléatoire. Après un état des lieux des logiques de la chasse dans l’univers de World of Warcraft sont décrites les stratégies cynégétiques des joueurs. Sur cette base est clarifiée la dialectique proie-prédation qui charpente les relations entre joueurs et non-humains informatiques dans ce monde numérique. Échappe à ces relations habituelles la figure du prédateur absolu, impossible à abattre seul, et qui fait que le chasseur peut se retrouver chassé. Les techniques d’anticipation collective, notamment en guilde, deviennent une des nouvelles ressources de survie, indispensables surtout pour gérer la part aléatoire de ce type de confrontation. C’est à ces stratégies de chasse particulières et à ces techniques de prévision que s’intéresse le dernier volet de cette analyse, y compris la gestion du butin aléatoire issu de la victoire collective contre de tels monstres digitaux.
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 | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.010 |
| Scholarly communication | 0.007 | 0.008 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.018 | 0.004 |
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".