MétaCan
Menu
← Retour à la cohorte
Enregistrement W4293072206 · doi:10.1093/jaac/kpac026

Why It’s OK to Love Bad Movies

2022· article· en· W4293072206 sur OpenAlexaff
Dorian Bandy

Notice bibliographique

RevueJournal of Aesthetics and Art Criticism · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCinema and Media Studies
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésArtAestheticsPsychologyPsychoanalysis

Résumé

récupéré en direct d'OpenAlex

Recent years have seen a proliferation of philosophical texts which, without loss of scholarly rigor, are written in prose that is accessible, colloquial, and even humorous. Matthew Strohl’s Why It’s OK to Love Bad Movies represents the apogee of this trend. Strohl’s academic bona-fides are on display during his analyses of topics ranging from artists’ intentions to taste, imagination, and the good life; yet philosophy is the MacGuffin in a study that could more aptly be described as a piece of film criticism, or even a manifesto. The book’s appeal lies ultimately in Strohl’s masterful descriptive writing, which draws the reader through evocative, at times gleeful retellings of scenes from various disreputable movies. These animate the text, which in the end seems less a series of careful arguments than an irresistibly visceral defense of the joys afforded by the medium of film. The central philosophical claims are laid out most clearly in Chapters 1 and 6. In Chapter 1, we encounter the concept of “Bad Movie Love,” defined on page 21 as a sincere rather than sneering appreciation of the ways a film transgresses conventional norms (an account developed primarily through engagement with Susan Sontag’s influential writings on camp). There may be some limited sense in which a film is deemed “bad,” Strohl argues, yet recognition of this badness often occasions a more thoroughgoing enjoyment of the film in question, which indeed may be judged valuable in part because it is bad in this limited sense.

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)0,024
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: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,064

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,024
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,006
Communication savante0,0070,005
Science ouverte0,0010,001
Intégrité de la recherche0,0030,006
Charge utile insuffisante (le modèle a refusé de juger)0,0190,003

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 Opus0,025
Tête enseignante GPT0,236
Écart entre enseignants0,212 · 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
GenreCommentaire

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
Publié2022
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueJournal of Aesthetics and Art Criticism→Même sujetCinema and Media Studies→Travaux en français237 207→