Notice bibliographique
Résumé
Animation is a powerful tool for engaging audiences in a fun and innovative way, especially in the context of animated children’s films. These films use vibrant visuals, imaginative storytelling, and relatable characters to connect with young viewers, making complex themes more accessible and engaging. This is particularly evident in Domee Shi’s Turning Red (2022), where animation is a medium for entertainment and a way to explore complex psychological and cultural themes. In the film, 13-year-old Meilin Lee, a Chinese-Canadian girl, transforms into a red panda whenever her emotions become overwhelming. The plot centers around an ancient curse passed down to Mei, causing her to change into a large, hairy, sweaty, and stinky red panda—utterly contrary to the traditional expectations of a 13-year-old girl. Using animation to explore these profoundly emotional themes, Turning Red presents a powerful metaphor for the psychological consequences of suppressing emotions, particularly anger, to conform to cultural and familial expectations. The film explores the impact of generational trauma on identity and emotional development, showing how these unresolved issues are passed down and affect one’s sense of self. Through its creative animation and vivid storytelling, Turning Red offers a meaningful exploration of self-acceptance and emotional expression. This paper will analyze the film’s depiction of generational trauma, examining how emotional suppression and the pressure to conform impact Mei’s identity and development.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,008 | 0,014 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».