MétaCan
Menu
Retour à la cohorte
Enregistrement W7110109742 · doi:10.1515/9781474424271

ReFocus

2018· book· W7110109742 sur OpenAlexaboutno aff

Notice bibliographique

RevueEdinburgh University Press eBooks · 2018
Typebook
Langue
DomaineEconomics, Econometrics and Finance
ThématiqueCinema and Media Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHollywoodStudioPublicityState (computer science)InnovatorPerformance artFilm director

Résumé

récupéré en direct d'OpenAlex

The first collection of essays devoted to Hollywood director William Castle Often described as ‘the Master of Gimmicks’, William Castle is best known for the outrageous publicity stunts that characterised his genre films in the 1950s and ‘60s, including offers for an insurance policy against death by fright, vibrating seats, a skeleton that flew over the audience, and a ‘punishment poll’ to determine a film’s conclusion. But far from being ‘the world’s craziest filmmaker’, Castle was also a dependable studio director who made more than 50 films between 1944 and 1974, and who produced films for Orson Welles and Roman Polanski. ReFocus: The Films of William Castle assembles fourteen essays on the full sweep of Castle’s career, including his horror films, westerns, film noirs and more. With an influence felt on directors like Joe Dante, Robert Zemeckis and John Waters, this volume reappraises Castle’s legacy as an innovator as much as a showman. Contributors Hugh S. Manon (Clark University) Zachary Rearick (Georgia State University) Anthony Thomas McKenna (Shanghai Jiao Tong University) Murray Leeder (University of Calgary) Beth Kattelman (Ohio State University) Eliot Bessette (University of California, Berkeley) Alexandra Heller-Nicholas (University of Melbourne) Steffen Hantke (Sogang University) Michael Brodski (University of Mainz) Caroline Langhorst (University of Mainz) Michael Petitti (University of Southern California) Peter Marra (Wayne State University) Kate J. Russell (University of Toronto)

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)0,008
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: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,497
Score d'incertitude au seuil0,000

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,001
Communication savante0,0090,006
Science ouverte0,0010,005
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,4970,298

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 Opus0,037
Tête enseignante GPT0,198
Écart entre enseignants0,161 · 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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEdinburgh University Press eBooksMême sujetCinema and Media StudiesTravaux en français237 207