Kembellec Gérald

Les interactions des publics contributeurs sont analysées du point de vue de la motivation : curieusement elle n'est pas forcément scientifique, mais peut être liée - outre l'aspect ludique - à la connaissance des territoires par exemple

Lisa spécifie que les commentaires en #marginalia des planches documentées sont traités avec des outils de TAL, sans toutefois que les résultats soient exploités (comment?).

Intéressant : le projet est guidé par une "utopie scientifique" de meilleure instrumentation constante du processus de documentation du corpus. Cela pose la question du moment de la finalisation du projet, avec les commentaires et/ou les corrections possibles.

le terme de collaboratoire utilisé pour qualifier le dispositif, s’appuie sur 1 démarche sociale: https://lab.recolnat.org/ . @Lisa_Chupin définit la collection numérique comme document secondaire en rapport à la planche numérisée, aussi comme primaire: corpus scientifique augmenté

le terrain va être un "dispositif" ou une "infrastructure" de documentation participative des collections avec des acteurs de types divers, avec des connaissances tout aussi diverses.

approche documentaire pour la médiation d'un herbier, comment le réaliser et comment l'augmenter (... par des dispositif sociaux)? Qu'est ce qu'un document (en dehors de l'antilope de S.Briet;) )?

Grand moment, @Lisa_Chupin soutient sa thèse de doctorat SIC sur les enjeux communicationnel liés aux dispositifs de médiation documentaire scientifiques augmentés. @Dicen_eRecolnat

Mais qu'est ce qu'on fait au Master #MeDAS mégadonnées et analyse sociale ? https://cadres.apec.fr/Emploi/Marche-Emploi/Fiches-Apec/Fiches-metiers/Metiers-Par-Categories/Informatique/consultant-informatique-decisionnelle---big-data …

C'est l'heure des questions, quelle est la taille nécessaire d'un support de stockage pour faire tourner un jeu de données ? Pourquoi y a-t-il peu d'information sur le code ? Tentative d'#EspionnageIndustriel ;)

quelle est l'impact de la difficulté et de la variation de la difficulté dans le temps sur la rétention du joueur : on peut quantifier les résultats.

ça a été testé sur des variables comme l'usage d'une arme ou d'uneautre dans un jeu "shoot them up", lesquelles permettent le plus de conserver dans le temps le joueur au sein de la partie.

Thomas a prévu une lib R pour réexploiter son modèle, comme il y a de grands jeux de données à traiter #BigData, la lib propose de "streamer" le chargement des données

... et essayer de comprendre les causes de sortie de jeu. Le problème est que sur un "bon" jeu en ligne, on a 10 millions de joueurs sur 10 heures : il faut donc optimiser l'algo de parcours https://fr.wikipedia.org/wiki/Algorithme_du_gradient_stochastique ….

On peut s'interroger sur le parcours du joueur sur son playtime total, le comparer au groupe.

Il semble que les données récoltées ressemblent plus à un "tenseur" https://fr.wikipedia.org/wiki/Tenseur  qu'à une "matrice"

Quand on joue en réseau, les logs d'usage sont possiblement remontés. Il s'agit de données "longitudinales" (dans le temps), qu'en faire ?

Soutenance de thèse de Thibault Allart "Apprentissage statistique sur des données longitudinales de grande taille et application aux jeux vidéos. Thèse Cifre chez @Ubisoft