MétaCan
Menu
Retour à la cohorte
Enregistrement W4389486454 · doi:10.1111/russ.12580

Cinema of Rupture: Urbicide, Eastern European Rubble Films, and the Documentary Impulse

2023· article· en· W4389486454 sur OpenAlexaff
Zdenko Mandušić

Notice bibliographique

RevueThe Russian Review · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueMemory, Trauma, and Commemoration
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésBosnianSiegeUkrainianMovie theaterImmediacyMediationHistoryMedia studiesPolitical scienceSociologyVisual artsArtAncient historyLaw

Résumé

récupéré en direct d'OpenAlex

Abstract Currently in Ukraine, and previously in conflicts such as the Bosnian War (1992–96), local film collectives have expanded the mediation of wars to include the perspectives of those close to their subjects, foregrounding the participation of filmmakers in the wartime urban setting. In the 1990s, during the four‐year‐long siege of Bosnia’s capital, the collective Sarajevo Group of Artists (SAGA) produced sixty films of varying lengths, many of which included footage of destroyed buildings. Since 2014, several Ukrainian video projects and collectives, including Babylon’13, Freefilmers, War Against War, and Thickets (Khashchi), have made films documenting various aspects of the Russian invasion of Ukraine. Although there is no evidence of direct influence, structural and contextual similarities make SAGA an important earlier model for Ukrainian collectives of local filmmakers determined to define the consequences and experiences of war from the perspective of those with personal stakes in the conflict. This essay comparatively examines the creative wartime documentaries of Bosnian and Ukrainian film collectives specifically to consider how filmmakers with close personal connections to conflicts produce documentary representations of wartime destruction

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,011

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0030,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,030
Tête enseignante GPT0,315
Écart entre enseignants0,285 · 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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Russian ReviewMême sujetMemory, Trauma, and CommemorationTravaux en français237 207