MétaCan
Menu
Retour à la cohorte
Enregistrement W2760694503 · doi:10.1353/book76826

Funny How?: Sketch Comedy and the Art of Humor

2020· book· en· W2760694503 sur OpenAlexaboutno aff
Alex Clayton

Notice bibliographique

RevueState University of New York Press eBooks · 2020
Typebook
Langueen
DomaineSocial Sciences
ThématiqueMedia, Gender, and Advertising
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSketchComedyArtVisual artsComputer scienceAlgorithm

Résumé

récupéré en direct d'OpenAlex

What makes something funny? This book shows how humor can be analyzed without killing the joke. Alex Clayton argues that the brevity of a sketch or skit and its typical rejection of narrative development make it comedy-concentrate, providing a rich field for exploring how humor works. Focusing on a dozen or so skits and scenes, Clayton shows precisely how sketch comedy appeals to the funny bone and engages our philosophical imagination. He suggests that since humor is about persuading an audience to laugh, it can be understood as a form of rhetoric. Through vivid, highly readable analyses of individual sketches, Clayton illustrates that Aristotle’s three forms of appeal: logos, the appeal to reason; ethos, the appeal to communality; and pathos, the appeal to emotion, can form the basis for illuminating the inner workings of comedy. Drawing on both popular and lesser-known examples from the United States, United Kingdom, and elsewhere—Monty Python’s Flying Circus, Key and Peele, Saturday Night Live, Airplane!, and Smack the Pony—Clayton reveals the techniques and resonances of humor. “This book tackles head on the assumption that to examine comedy is to destroy it. Clayton isn’t out to make the reader laugh all over again at these sketches and extended comic riffs. His point is that comedy, like any other kind of artistic performance, should be amenable to aesthetic redescription by an attentive critic. I know of no other book that contends with the assumptions and claims of comedy theories in the way this one does. There is nothing else like it out there.” — Brenda Austin-Smith, coeditor of The Gendered Screen: Canadian Women Filmmakers

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut 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: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0030,009
Communication savante0,0080,005
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0110,002

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 Opus0,061
Tête enseignante GPT0,240
Écart entre enseignants0,179 · 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 source (Gemma direct ou Codex distillé), 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
GenreAutre

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

En bref

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueState University of New York Press eBooksMême sujetMedia, Gender, and AdvertisingTravaux en français237 207