MétaCan
Menu
Retour à la cohorte
Enregistrement W6982794778

Kratkometražni animirani film "Čovjek koji je uništio Zemlju"

2019· dissertation· hr· W6982794778 sur OpenAlexaboutno aff

Notice bibliographique

RevueUniversity North Digital Repository (University North) · 2019
Typedissertation
Languehr
DomaineSocial Sciences
ThématiquePolicing Practices and Perceptions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNucleofectionLimitingFusible alloyField (mathematics)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Diplomski rad bazira se na izradi kratkometražnog filma u tehnici stop animacije. Stop\n animacija jedna je od najstarijih tehnika i mnogi su je umjetnici nastojali usavršiti, a svoje\n korjene vuče još od davnih vremena.\n Umjetnici, poput J. Stuarta Blacktona, Alberta E. Smitha i Helene Smith Dayton, svojim su\n djelovanjem razvili mnoge stilove. Od lutaka i plastelina do sjena i igračaka, pa čak i glumaca;\n svjet stop animacije nema granica. No većinu njih možemo svrstati u jednu od podvrsta poput\n lutkarske animacije, animacije gline ili piksilacije.\n Sinopsis je sastavi dio procesa izrade, kako i ostalih vrsta filma, tako i stop animacije. On\n nam opisuje radnju filma bez previše detalja kako bi lakše razradili temu. Nakon njega dolazi\n izrada scenarija. U scenariju razrađujemo detalje podjeljene po scenama i kadrovima.\n Standardno pisan fontom "Courier New" radi lakšeg čitanja služimo se njime za izradu knjige\n snimanja. U knjizi snimanja po kadrovima izrađujemo skice i definiramo završe detalje.\n Nakon što smo odredili sve detalje kreće izrada lutaka, scena te snimanje i montaža. Lutke su\n izrađene na armaturi od namotane žice, punjene spužvom i presvučene tkaninom, krznom ili\n poliesterskom vatom. Scene se sastoje od raznih materijala poput piljevine, granja, umjetnog\n cvijeća i plastičnih slamki. Kada su svi rekviziti spremni sljedi snimanje svakog detalja pokreta\n gdje nam je potrebno dvadeset i pet slika kako bi proizveli jednu sekundu snimke, nakon čega\n dolazi montaža slika u film i dodavanje zvuka.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,084
Score d'incertitude au seuil0,281

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,002
Communication savante0,0060,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0840,012

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 Opus0,019
Tête enseignante GPT0,236
Écart entre enseignants0,217 · 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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUniversity North Digital Repository (University North)Même sujetPolicing Practices and PerceptionsTravaux en français237 207