MétaCan
Menu
Retour à la cohorte
Enregistrement W2236145148 · doi:10.4000/entrelacs.1872

Le fait divers criminel au prisme du web 2.0 : Le Grand Incendie, La Cité des mortes et Alma

2016· article· fr· W2236145148 sur OpenAlexaff
Fanny Mahy

Notice bibliographique

RevueEntrelacs · 2016
Typearticle
Languefr
DomaineComputer Science
ThématiqueCultural Insights and Digital Impacts
Établissements canadiensFrancophone University Association
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPhilosophyArt

Résumé

récupéré en direct d'OpenAlex

Parce que les renouvellements formels liés à l’émergence des webdocs sont propices, selon nous, à un enrichissement de notre perception et de notre compréhension du fait divers criminel, et par extension, de la souffrance et de la violence à l’œuvre dans notre société, cet article se veut une exploration — à travers quelques paradigmes de l’historienne Arlette Farge quant à l’écriture de l’histoire et de l’événement — de trois webdocs criminels, Alma de Miquel Dewever-Plana et Isabelle Fougère, Le Grand Incendie de Samuel Bollendorf et Olivia Colo et La Cité des mortes de Marc Fernandez et Jean-Christophe Rampal. Nous postulons ici que le webdoc, principalement caractérisé par son processus d’interactivité, favorise une narrativité multiple, indisciplinée, équivoque et à portée universelle, à rebours des stéréotypes narratifs, de l’ordonné, de l’unicité et de l’exotisme singulier. Autrement dit, le webdoc ne raconte pas une histoire mais la multiplicité fondatrice de celle-ci, tant du point de vue sémantique que formel.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,806
Score d'incertitude au seuil0,866

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,004
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,118
Tête enseignante GPT0,265
Écart entre enseignants0,147 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEntrelacsMême sujetCultural Insights and Digital ImpactsTravaux en français237 207