MétaCan
Menu
Retour à la cohorte
Enregistrement W4318814837 · doi:10.4000/doublejeu.2986

De la Shoah à la migration : les leçons du film d’animation Où est Anne Frank ! par Ari Folman

2022· article· fr· W4318814837 sur OpenAlexaff
Anne Schneider

Notice bibliographique

RevueDouble jeu · 2022
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueHistorical and Political Studies
Établissements canadiensCentre Jeunesse de Quebec
Organismes subventionnairesnon disponible
Mots-clésHumanitiesArt

Résumé

récupéré en direct d'OpenAlex

Le film d’animation sorti en 2021 Où est Anne Frank ! (Where is Anne Frank !) d’Ari Folman, destiné aux enfants dès l’âge de huit ans est fondé sur l’histoire d’Anne Frank dont le livre autobiographique est devenu le symbole de la déportation des enfants juifs pendant la seconde guerre mondiale. L’aventure de ce film se déploie en deux volets : à la demande de la fondation Anne Frank de créer un album pour la jeunesse, Ari Folman d’abord réticent, tout comme son illustrateur David Polonsky, répond finalement positivement avant de se lancer dans la réalisation d’un dessin animé. Sur le plan narratif, le film Où est Anne Frank ! introduit une narratrice, Kitty, héroïne imaginaire amie et double d’Anne Frank à laquelle elle s’adresse dans son journal. Ari Folman lui donne vie et retrace la vision croisée d’une petite fille bien ancrée dans le monde contemporain où elle rencontre des migrants à Amsterdam et est hantée par la Shoah subie par Anne Frank dont elle est le porte-voix. Nous montrons comment à travers cette adaptation filmique pour la jeunesse et ce tissage des périodes et des thèmes, Ari Folman se place à hauteur d’enfant pour offrir une vision poétique et engagée de nos sociétés contemporaines. Pour ce faire, il noue une double réflexion articulée autour de la question de la représentation de la Shoah à l’intention des enfants et de son transfert mémoriel dans l’évocation de la crise migratoire actuelle.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,040
Score d'incertitude au seuil0,079

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0060,003
Communication savante0,0030,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0130,002

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 GPT0,288
Écart entre enseignants0,261 · 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDouble jeuMême sujetHistorical and Political StudiesTravaux en français237 207