Appuyez sur « C » pour « Caméra » : une histoire discursive de la caméra vidéoludique
Bibliographic record
Abstract
L’emploi du terme « caméra » s’est généralisé dans les discours portant sur le jeu vidéo dès les années 1990. Aujourd’hui encore, cette notion est fréquemment utilisée par les joueurs, les designers ou encore les journalistes pour qualifier les déplacements du point de vue dans les jeux vidéo. Malgré son statut central dans le domaine des jeux vidéo, l’histoire de cette notion n’a jamais fait l’objet d’une étude détaillée. Son usage dans le contexte des game studies repose sur une connaissance partagée du terme, sur un savoir encyclopédique supposé qui est rarement interrogé par les chercheurs et les chercheuses. Cet article propose de retracer l’émergence, la naturalisation et la généralisation de la notion de « caméra » dans le contexte du jeu vidéo, à partir de l’étude d’un large corpus de magazines spécialisés et de notices d’emploi. L’auteur recompose les variations conceptuelles du terme en reconstituant, par l’analyse qualitative, les différents cadrages sémantiques de cette notion — dès son émergence dans le contexte des jeux vidéo dans la seconde moitié des années 1980 —, tout en prêtant une attention particulière à son contexte d’utilisation et aux relations multiples qui lient les différents agents du champ culturel du jeu vidéo qui en ont fait usage (joueurs, créateurs, critiques, éditeurs, etc.).
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 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.005 | 0.004 |
| Science and technology studies | 0.004 | 0.014 |
| Scholarly communication | 0.008 | 0.008 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.004 | 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".