MétaCan
Menu
Retour à la cohorte
Enregistrement W3171718415 · doi:10.9707/2833-1508.1059

Autism-as-Machine Metaphors in Film and Television Sound

2021· article· en· W3171718415 sur OpenAlexaff
Erin Felepchuk

Notice bibliographique

RevueOught The Journal of Autistic Culture · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueLanguage, Metaphor, and Cognition
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésMetaphorAutismPerceptionRepresentation (politics)MultitudePsychologyComputer scienceArtAestheticsVisual artsLinguisticsEpistemologyPolitical science

Résumé

récupéré en direct d'OpenAlex

Around the turn of the millennium, there was an outpouring of autistic representation in literature, film, and television. These resulted in a multitude of new cultural texts that reinforced damaging metaphors about autism that had previously emerged in medical discourse. In film and television, autistic people are portrayed through a variety of metaphors: as impenetrable fortress, missing puzzle pieces, confusing aliens, and as malfunctioning robots or supercomputers. In this paper, I examine the role of film and television sound in reinforcing the metaphor of autistic people as “unfeeling machines.” The unfeeling machine metaphor is personified through sound tracks that deploy a number of mechanical sound effects, including vintage typewriter or calculator sounds, binary code sound effects, as well as sound mixing techniques that evoke the supposedly mechanical, and computational nature of autistic behaviour and thought processes. It is also through the autistic voice and nondiegetic music that machine metaphor are exemplified; which I argue both consciously and unconsciously influence the audience’s perception about autism. In this paper I examine films and television programs including Rain Man, Mercury Rising, The Big Bang Theory, The Good Doctor, Touch, and Atypical to reveal how the sound tracks of each film reinforces the harmful autism machine metaphor.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,199
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

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

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 Opus0,015
Tête enseignante GPT0,293
Écart entre enseignants0,279 · 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'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

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOught The Journal of Autistic CultureMême sujetLanguage, Metaphor, and CognitionTravaux en français237 207