MétaCan
Menu
Retour à la cohorte
Enregistrement W2517133738 · doi:10.1386/jfs.4.2.209_1

Recut and re-tuned: Fan-produced parody trailers

2016· article· en· W2517133738 sur OpenAlexaff
James Deaville

Notice bibliographique

RevueThe Journal of Fandom Studies · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueRadio, Podcasts, and Digital Media
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésTrailerFandomNarrativeMusicalArtSound (geography)Sound designVisual artsPsychologyComputer scienceLiteratureAcoustics

Résumé

récupéré en direct d'OpenAlex

Abstract The term ‘recut’ designates a trailer that a fan has created by editing footage from a film or trailer to new sound (voice-over, sound effects and underscore). The resulting re-imagined audio-visual text typically presents a genre-shifted narrative that intertextually relates to the source material. The ‘re-tuning’ by fan-editors involves imposing a new soundtrack (usually music and/or narration) over reordered and edited images, like the adapted family-friendly ‘Shining’ (2005) from the horror film The Shining (Kubrick, 1980) or the horror trailer refashioning of ‘Mrs. Doubtfire – Recut’ (2009). The literature about ‘vidding’ and recutting provides a foundation for considering how fans provoke new meanings when they add or re-order voice-overs, sound effects and music in recut trailers. The fan-editor must creatively engage with genre-based cinematic trailer practices and traditions of musical signification in re-imagining the source text. Thus sound effects and electronically distorted music predominate in re-tuned horror trailers, like ‘Mrs. Doubtfire – Recut’ or ‘Scary Mary Poppins’ (2006), while light-hearted melodies and instrumentation prevail when adapting source material to create a recut comedy trailer (‘The Wicker Man’ 2006). Thus the recut and re-tuned trailer represents a transformative nexus of sight and sound within fandom.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,496
Score d'incertitude au seuil0,336

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,003
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 savante0,0000,000
Science ouverte0,0000,000
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 Opus0,102
Tête enseignante GPT0,373
Écart entre enseignants0,271 · 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'étudeQualitatif
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

Citations2
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Fandom StudiesMême sujetRadio, Podcasts, and Digital MediaTravaux en français237 207