L’écriture collaborative comme principe d’une identité de groupe
Bibliographic record
Abstract
Aux antipodes de l’opinion commune, qui considère le jeu vidéo comme un concurrent de la littérature traditionnelle, certains MMORPG tendent à créer des vocations d’écrivains, en encourageant l’expression littéraire de fictions au sein de leurs communautés. Ces jeux deviennent ainsi l’occasion et le lieu d’émergence de pratiques d’écriture collaboratives dont l’une des fonctions essentielles est d’assurer la cohésion du groupe, en lui fournissant des récits fondateurs, des mythes étiologiques, des normes et des valeurs. Cette culture littéraire participative apparaît ainsi comme un des lieux d’élaboration de croyances et de pratiques qui définissent les communautés virtuelles ; elle contribue à souder voire à fonder des identités collectives, en créant un sentiment d’appartenance pour les joueurs au sein de ces communautés fondées sur l’imaginaire. Ce sont ces pratiques scripturaires fictionnelles, envisagées dans leur dimension identitaire, que nous nous proposons d’étudier. Nous nous appuierons sur le MMORPG Elite Dangerous pour tenter de définir, à partir de cette étude, la notion d’ effet de communauté , entendue comme production d’un sentiment réel d’appartenance reposant sur une pure fiction partagée.
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 | 0.005 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.012 | 0.018 |
| Scholarly communication | 0.012 | 0.009 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.018 | 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".