Exploration des enjeux de design lors de la conception d’une expérience de jeu dite «asymétrique»
Bibliographic record
Abstract
Ce mémoire présente les résultats d’expérimentations effectuées sur le design de jeu asymétrique, développé à partir d’études de cas et dont la création est axée uniquement sur le multijoueur. À la suite de l’observation d’une divergence d’opinion d’auteur dans le domaine de la création de jeu quant à la définition du terme asymétrique, j’ai choisi d’étudier ce type de design de jeu afin de proposer des pistes de réflexion sur l’asymétrie. Notre approche consiste à étudier des jeux dits « asymétriques » et reconnus comme tels par l’industrie du jeu vidéo, afin d’en analyser les principales caractéristiques. Par la suite, nous allons proposer notre propre expérience de jeu asymétrique. Cette conception permettra d’explorer, par la pratique, les intérêts et enjeux de l’asymétrie au sein du design de jeu. Ces caractéristiques seront regroupées avec celles obtenues lors des études de cas afin de déterminer les points de flexion possibles sur lesquels repose la création de jeu asymétrique.
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 | 0.010 | 0.016 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.006 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.008 | 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".