MétaCan
Menu
Retour à la cohorte
Enregistrement W2999686051

Om Puri: The man who presented the real faces of the subcontinent of India

2019· article· en· W2999686051 sur OpenAlexaboutno aff
Sharaf Rehman

Notice bibliographique

RevueScholarWorks @ UTRGV (The University of Texas Rio Grande Valley) · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueColonial History and Postcolonial Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIndian subcontinentAncient historyGeographyHistory
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The Indian film industry continues to turn out between 1600 to 2000 films every year, making it the largest movie producing country in the world. Yet, it would be a challenge for an average European or American moviegoer to name a film actor from the Indian subcontinent. Naming the films may be easier. For instance, the millennials may be able to name Slumdog Millionaire (2008), the Generation X crowd may mention Gandhi (1982), and the older audiences may recall The Party (1968) and Ganga Din (1939) as movies about the Indians and India. It was not until the movie Gandhi that Indian actors were given the opportunity to play as Indians. Sam Jaffe and Abner Biberman played as Indians in Ganga Din; Peter Sellers was the Indian actor in The Party, and Shirley MacLaine was the Princess Aouda in Around the World in 80 Days (1956). It is reasonable to assume that many film viewers may be unfamiliar with Om Puri, an actor who played in over 325 films in India, Pakistan, UK, and the United States of America, and made films in English, Bengali, Punjabi, and Tamil languages. Om Puri passed away in 2017. His name may be unfamiliar, his face and his work as an actor will remain unforgettable. Between Gandhi (1982) and Viceroy’s House (2017), Puri acted in two dozen films in the UK, Canada, and the United States of America. This paper discusses Puri’s work in the popular Hindi cinema, in the Indian Parallel Cinema, and in European and North American films.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,335
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,002
Communication savante0,0000,000
Science ouverte0,0020,000
Intégrité de la recherche0,0000,001
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 Opus0,008
Tête enseignante GPT0,217
Écart entre enseignants0,208 · 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.

Devis d'étudeObservationnel
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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScholarWorks @ UTRGV (The University of Texas Rio Grande Valley)Même sujetColonial History and Postcolonial StudiesTravaux en français237 207