MétaCan
Menu
← Retour à la cohorte
Enregistrement W4401954804 · doi:10.1515/9782760650336-018

CHAPITRE 16 La diffusion de l’humour

2024· book-chapter· fr· W4401954804 sur OpenAlexaboutno aff
François Brouard, Christelle Paré

Notice bibliographique

RevueLes Presses de l'Université de Montréal eBooks · 2024
Typebook-chapter
Languefr
DomaineArts and Humanities
ThématiqueLinguistics and Discourse Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychology

Résumé

récupéré en direct d'OpenAlex

L'industrie de l'humour francophone au Québec n'a pas échappé à la crise générée par la pandémie de COVID-19.Le Groupe de recherche sur l'industrie de l'humour (GRIH) de la Sprott School of Business de l'Université Carleton a examiné diverses dimensions de cette crise dans le secteur des arts de la scène, en particulier dans l'industrie de l'humour. La crise de la COVID-19 dans l'industrie de l'humourDepuis plusieurs années, l'industrie de l'humour est florissante, si l'on considère la vente de billets de spectacles (Fortier, 2019 et 2022) et la rentabilité.On voit des humoristes un peu partout sur la scène, dans des émissions ou séries télévisées, comme animateurs d'émissions et de galas, comme participants à des jeux télévisés, comme scénaristes et réalisateurs de films.Une étude de Daigle et Saire (2009) a calculé un indice d'équilibre de la programmation des diffuseurs, afin d'examiner leur équilibre financier ; cet indice est positif uniquement pour l'humour, les variétés et les spectacles étrangers, ce qui signifie que l'humour contribue positivement au niveau financier pour les diffuseurs au Québec (Brouard, Pilon et Paré, 2020).Pour les revenus totaux, « les résultats sont négatifs pour plus de la moitié des disciplines [artistiques] tant par représentation que par spectateur » (Daigle et Saire, 2009, p. 56).Pour l'humour, on constate un

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)0,002
score de la tête « metaresearch » (Gemma)0,004
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: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,278
Score d'incertitude au seuil0,552

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0060,007
Communication savante0,0110,005
Science ouverte0,0010,003
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0390,004

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 Opus0,013
Tête enseignante GPT0,193
Écart entre enseignants0,180 · 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
GenreAutre

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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLes Presses de l'Université de Montréal eBooks→Même sujetLinguistics and Discourse Analysis→Travaux en français237 207→