MétaCan
Menu
Retour à la cohorte
Enregistrement W3018769472 · doi:10.20429/aujh.2020.100107

“Un-American” Hollywood: Politics and Film in the Blacklist Era

2020· article· en· W3018769472 sur OpenAlexaff
Natalie Jarosz

Notice bibliographique

RevueArmstrong Undergraduate Journal of History · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEuropean history and politics
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésHollywoodBlacklistingBlacklistPoliticsContext (archaeology)Movie theaterHistoryMedia studiesArt historySociologyPolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

This is a review of “Un-American” Hollywood: Politics and Film in the Blacklist Era, a 2007 volume edited by Frank Krutnik, Steve Neale, Brian Neve, and Peter Stanfield. It argues that the American Left was involved with creating films of true significance in the Hollywood system, in the context of post-war House Un-American Activities Committee (HUAC) blacklisting. There is also an examination of the Popular Front between liberals and communists before post-war tensions drew them further apart. There is a chapter about the “new” and “old” waves of the left in the context of 1960s and 1970s American cinema. There is significant discussion of people other than screenwriters in the context of the HUAC blacklisting. The volume arguably leans towards social history – which is more appropriate for the argument of the volume than a methodology such as political history. There are fourteen chapters by different authors. The fourteenth chapter is an essential older text, “Red Hollywood.” “Red Hollywood” is followed by an afterword that its author wrote. It is recommended to have at least a mild-to-moderate knowledge of Hollywood history, and one may need to look up references while reading the volume. It is a very strong source that explores different nuances of history pertaining to the HUAC blacklisting, and 20th-century American left-wing politics.

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)0,002
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: Sans objet
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,061

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0030,003
Communication savante0,0090,005
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0180,003

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 Opus0,029
Tête enseignante GPT0,261
Écart entre enseignants0,232 · 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 revueArmstrong Undergraduate Journal of HistoryMême sujetEuropean history and politicsTravaux en français237 207