Bibliographic record
Abstract
Pourquoi le film noir est-il considéré comme un genre masculin ? Cet article essaie de créer un pont entre le genre sexuel et le genre cinématographique en considérant ces derniers comme des systèmes symboliques interdépendants qui reproduisent et naturalisent les normes génériques de l’identité. En montrant que le film noir, prétendument masculin, entretient un lien historique, formel et stylistique avec le gothique (genre supposément féminin), cette recherche mène à la conclusion que ce que les deux genres ont en commun est typique du désordre « féminin » qu’est l’hystérie. En partant du discours sur l’hystérie pour ensuite déstabiliser le statut générique et sexuel du film noir, l’analyse en vient à exposer la complicité qu’entretiennent les économies des genres cinématographique et sexuel qui tous deux codifient la division et la distribution des rôles sexuels — et des plaisirs qui y sont associés. L’utilisation de l’hystérie dans cet argument ne fait pas que déplacer l’image masculine du film noir au profit d’une image féminine ; elle questionne aussi le système symbolique du genre sexuel qui semble faire de nous tous des hystériques et des pervers.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.003 | 0.008 |
| Scholarly communication | 0.006 | 0.005 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.010 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".