Ciné-parcours dans l’Europe contemporaine : routes nécessaires, routes symboliques
Bibliographic record
Abstract
L’article qui suit propose un ciné-parcours le long des routes imaginaires et réelles de l’Europe contemporaine, en se concentrant principalement sur ce que Naficy appelle an accented cinema, un cinéma qui se penche sur des phénomènes de déterritorialisation et de transitivité entre plusieurs routes matérielles et symboliques, de même qu’entre plusieurs espaces socioculturels. Ce ciné-parcours veut également montrer comment le cinéma peut aborder les dynamiques de la mobilité migratoire transnationale d’aujourd’hui, en proposant, à l’aide d’un corpus de films et de vidéos, une analyse de la problématique des nouvelles identités fluides qui se construisent dans l’espace européen, au-delà de cet espace — principalement dans le Maghreb — ou dans l’entre-deux. Deux figures sont privilégiées dans les représentations filmiques choisies : la route et la frontière. L’auteure suggère un travail de conceptualisation de ce champ d’analyse et trace le parcours des rues traversées, représentées, imaginées, afin de comprendre les liens entre les différentes façons d’habiter les rues tout autant que les marges, et les expériences et pratiques transnationales dans l’Europe d’aujourd’hui.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.004 |
| Scholarly communication | 0.006 | 0.006 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.011 | 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".