Bibliographic record
Abstract
En partant du cas des Game Studies ou études vidéoludiques, cette thèse explore les socialisations, les relations et les rapports sociaux entre chercheur‧ses et professionnel‧les du JV. Elle a été menée dans 3 pays différents : en France, en Suisse romande et dans les provinces du Québec et de l’Ontario au Canada. Elle a été menée à partir d’entrevues, d’observations (d’événements scientifiques, de game jams et de playtests) et d’une ethnographie réalisée pendant 3 ans dans une association scientifique. Elle questionne sur les manières qu’ont les chercheur‧ses et les professionnel‧les de socialiser et de nouer des liens. Comment ces personnes du monde scientifique et du monde industriel racontent-elles leurs relations ? En quoi la participation à des activités sociales joue-t-elle un rôle dans les rencontres et l’établissement de liens ? Qu’apporte l’analyse des rapports sociaux de genre dans les activités étudiées ? Cette recherche montre que les socialisations et les liens personnels et professionnels qui se créent entre chercheur‧ses et professionnel‧les participent au développement des Game Studies et bâtissent des ponts entre recherche et industrie vidéoludique. Les récits des enquêté‧es et les activités sociales observées révèlent ainsi les dynamiques sociales entre individus de ces deux mondes sociaux, montrant la porosité permanente entre ces derniers. De plus, les rapports sociaux de genre mis en évidence dans cette enquête montrent l’existence de mécanismes sociaux spécifiques, liés à l’objet JV et à l’existence de valeurs virilistes dépassant le simple environnement ludique. Cette analyse contribue enfin, plus largement, à une réflexion sur le fonctionnement interne des mondes scientifique et industriel.
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 | 0.009 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.005 | 0.004 |
| Scholarly communication | 0.008 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 0.000 |
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".