MétaCan
Menu
Retour à la cohorte
Enregistrement W4391154170 · doi:10.7202/1107850ar

Lieux d’une parole autre : hétérotopie et hétérologie dans <i>Le Chat dans le sac</i> et <i>Masculin féminin</i>

2018· article· fr· W4391154170 sur OpenAlexvenueno aff
Antoine Constantin Caille

Notice bibliographique

RevueNouvelles vues Revue sur les pratiques les théories et l histoire du cinéma au Québec · 2018
Typearticle
Languefr
DomaineArts and Humanities
ThématiqueLinguistics and Discourse Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesArt

Résumé

récupéré en direct d'OpenAlex

Sont étudiées deux oeuvres cinématographiques – Le Chat dans le sac (Gilles Groulx, 1964) et Masculin féminin (Jean-Luc Godard, 1966) – permettant d’élaborer une conception complexe du dialogue et de son inscription dans l’espace social. Le concept d’hétérotopie, emprunté à Michel Foucault, est utilisé afin de désigner l’espace autre que les (inter)locuteurs doivent constituer pour donner lieu à leur dialogue, mais aussi les espaces autres qu’ils tentent de trouver pour créer un discours à l’abri des dialogues délétères. Le concept d’hétérologie, traduction proposée par Tzvetan Todorov d’un mot russe ( raznorečie ) créé par Mikhaïl Bakhtine, permet de faire ressortir non seulement la différence entre les discours des interlocuteurs, mais aussi celle des discours prononcés par la voix d’un même personnage. En portant attention à ce que Michel Chion appelle « la mise en scène de la voix au cinéma », nous discernerons des procédés cinématographiques qui hétérogénéisent l’espace du discours. Le travail sur la synchronisation et la désynchronisation des visages parlants et des voix, sur l’acousmatisation et la désacousmatisation, donne à penser le dialogue comme un problème de différenciation personnelle au sein de la société, et par-delà ses possibilités actuelles.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Études des sciences et des technologies
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 enseignants0,872
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0050,006
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,018
Tête enseignante GPT0,240
Écart entre enseignants0,222 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNouvelles vues Revue sur les pratiques les théories et l histoire du cinéma au QuébecMême sujetLinguistics and Discourse AnalysisTravaux en français237 207