MétaCan
Menu
Retour à la cohorte
Enregistrement W4205739655 · doi:10.26881/pan.2021.26.04

Loop Structures in Film (and Literature): Experiments with Time Between the Poles of Classical and Complex Narration

2021· article· en· W4205739655 sur OpenAlexaboutno aff
Matthias Brütsch

Notice bibliographique

RevuePanoptikum · 2021
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueNarrative Theory and Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNarrativeJudgementMainstreamStorytellingHistoryNarrative structureLinguisticsMedia studiesSociologyLiteraturePolitical scienceLawArtPhilosophy

Résumé

récupéré en direct d'OpenAlex

Among the many innovations complex or “puzzle” films have brought about in the last three decades, experiments with narrative time feature prominently. And within the category of nonlinear plots, the loop structure – exemplified by films such as Repeaters (Canada 2010), Source Code (USA/France 2011), Looper (USA/China 2012) or the TV-Series Day Break (USA 2006) – has established itself as an interesting variant defying certain norms of storytelling while at the same time conforming in most cases to the needs of genre and mass audience comprehension. In the first part of my paper, I will map out different kinds of repeated action plots, paying special attention to constraints and potentialities pertaining to this particular form. In the second part, I will address the issue of narrative complexity, showing that loop films cover a wide range from “excessively obvious” mainstream (e.g. Groundhog Day, USA 1992; 12:01, USA 1993; Edge of Tomorrow, USA/Canada 2014) to disturbing narrative experiments such as Los Cronocrimenes (Spain 2007) or Triangle (Great Britain/Australia 2009). Finally, a look at two early examples (Repeat Performance, USA 1947 and Twilight Zone: Judgement Day, USA 1959) will raise the question how singular the recent wave of loop films are from a historical perspective.

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)0,004
score de la tête « metaresearch » (Gemma)0,025
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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,025
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,007
Communication savante0,0060,006
Science ouverte0,0010,004
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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 Opus0,027
Tête enseignante GPT0,245
Écart entre enseignants0,219 · 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
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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePanoptikumMême sujetNarrative Theory and AnalysisTravaux en français237 207