MétaCan
Menu
Retour à la cohorte
Enregistrement W4400779769 · doi:10.22148/001c.120944

Digital Film Historiography: Challenges of/and Interdisciplinarity

2024· article· en· W4400779769 sur OpenAlexvenueno aff
Malte Hagener, Diana Roig-Sanz

Notice bibliographique

RevueJournal of Cultural Analytics · 2024
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueDigital Humanities and Scholarship
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHistoriographyHistoryArchaeology

Résumé

récupéré en direct d'OpenAlex

Digital methods were slow to make inroads into film studies and particularly into film historiography.There are a number of reasons for this situation of extended latency: as a multimodal object, film requires a complex methodology for analysis which, in its translation into computational and data-driven approaches, calls for an adequately multi-layered theoretical and methodological framework.As a legal entity, film is heavily protected by copyright which means that access is either not possible in lawful terms or requires lengthy negotiations.As a digital object, film comes in the form of large files that are not easy to handle and need considerable computing power.Finally, the sources relevant to the cinema's past were rather peripheral and the necessary infrastructures for them were non-existent for the longest time.Many of the sources have not been digitized and they are still not available online.This is especially true for data related to historically underrepresented agents in film history such as women and for data pertaining to film cultures beyond the Global North.All these factors contributed to a situation in which applying data-driven methods to cinema history as a method of investigation became a difficult challenge.Digital methods also require an investment of considerable resources: personal, technical, and institutional.Using digital methods in order to understand cultural phenomena, as it happens in other related disciplines, requires training, funding, personnel, a large amount of time for obtaining reliable results, and serious considerations in order to achieve long-term durability of both results and data.Undoubtedly, the agenda of many disciplines in the humanities were somewhat reluctant to these challenges.And there is still no consensus regarding how digital humanities as a field may fit with the particularities of specific communities in the humanities (cinema history, but also digital translation history, digital anthropology, or archaeology).Thus, we formulate a claim for a broader understanding which allows us to see our similarities, but also our differences and how different we Diana Roig-Sanz acknowledges the support of the European Research

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)0,063
score de la tête « metaresearch » (Gemma)0,068
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,063
Score d'incertitude au seuil0,335

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0630,068
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0090,007
Études des sciences et des technologies0,0100,042
Communication savante0,0370,053
Science ouverte0,0050,020
Intégrité de la recherche0,0060,009
Charge utile insuffisante (le modèle a refusé de juger)0,0160,003

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 Opus0,071
Tête enseignante GPT0,272
Écart entre enseignants0,202 · 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'étudeThéorique ou conceptuel
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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Cultural AnalyticsMême sujetDigital Humanities and ScholarshipTravaux en français237 207