Notice bibliographique
Résumé
Foreword - ishtiaq Ahmed Introduction - Anjali Gera Roy Part 1: BRAND BOLLYWOOD AND THE NEW BOLLYWOOD FILM Mainstream Hindi Cinema and Brand Bollywood: The Transformation of a Cultural Artifact - M K Raghavendra Post-national B(H)ollywood and the National Imaginary Meena - T Pillai Part 2: BOLLYWOOD'S SOFT POWER: SOME FACTS AND FIGURES Bollywood and Soft Power: Content Trends and Hybridity in Popular Hindi Cinema - David J. Schaefer and Kavita Karan A Regional Mosaic: Linguistic Diversity and India's Film Trade - Sunitha Chitrapu Part 3: INDIAN FILMS' TRADITIONAL MARKETS: SOUTH ASIA, SOUTHEAST ASIA, AFRICA, AND RUSSIA Dada Negativity and Pakistani Characters in Bollywood Films - Kamal ud Din and Nukhbah Taj Langah Soft Power and Pakistani Viewers - Shahnaz Khan Bollywood Film Culture in Indonesia's Mediascapes Shuri Mariasih - Gietty Tambunan Indian Films in the USSR and Russia: Past, Present, and Future Elena - Igorevna Doroshenko Indophilie and Bollywood's Popularity in Senegal: Strands of Identity Dynamics - Gwenda Vander Steene Bollywoodization as (H)Indianization? Bangladesh Film Industry under National Protection - Raju Zakir Hossain Part 4: NEW TERRITORIES: BOLLYWOOD IN THE WEST AUSTRALIA, CANADA, EUROPE, AND NEW ZEALAND From Tawa'if to Wife? Making Sense of Bollywood's Courtesan - Genre Teresa Hubel Bollywood in da Club: Social Space in Toronto's South Asian Community - Omme-Salma Rahemtullah Bollywood Internet Forums and Australian Cultural Diplomacy - Andrew Hassam Addressing the Nonresident: Soft Power, Bollywood, and the Diasporic Audience - Adrian Athique Bollywood's Circuits in Germany - Florian Krauss Imdex
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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 tête enseignante, 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 ».