MétaCan
Menu
Back to cohort
Record W1868337786 · doi:10.7202/1030234ar

Le territoire des ombres. Pour n’en jamais finir avec les hommes imaginaires du cinéma…

2015· article· fr· W1868337786 on OpenAlexvenueno aff
Gaëlle Lombard

Bibliographic record

VenueCinémas Revue d études cinématographiques · 2015
Typearticle
Languagefr
FieldComputer Science
TopicCultural Insights and Digital Impacts
Canadian institutionsnot available
Fundersnot available
KeywordsHumanitiesArt

Abstract

fetched live from OpenAlex

Le cinéma propose un reflet des choses qui le contraint à se conjuguer au passé même s’il nous invite à le vivre comme un présent. C’est ce qui en fait le lieu idoine de l’incarnation de la mémoire : depuis les débuts de leur histoire, les films proposent des modalités de représentation différentes du retour et de la persistance de ce qui a été dans ce qui est. Si la figure du spectre (cet être translucide, voire transparent, qui rappelle le vivant qu’il a habité) s’est imposée comme la plus à même de remplir cette fonction, et ce, sous diverses formes témoignant d’une réflexion du médium sur lui-même, ses attributs ont su dépasser le cadre du fantastique pour s’incarner dans des procédés cinématographiques (flash-back, anaphores musicales, surimpressions) qui traduisent certains mécanismes de la vie psychique et qui engagent à une lecture anthropologique du cinéma dans le sillage du livre d’Edgar Morin, Le cinéma ou L’homme imaginaire. De fait, si la possibilité de représenter la mémoire permet de réfléchir à sa spécificité, la réciproque est pareillement vraie, car rien ne nous éclaire plus sur l’homme, éveillé ou assoupi, présent, passé ou futur, que l’analyse de ses créations.

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 imitation

Not 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.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.002
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: none
Teacher disagreement score0.032
Threshold uncertainty score0.106

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0010.002
Meta-epidemiology (narrow)0.0010.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0010.000
Science and technology studies0.0090.007
Scholarly communication0.0060.004
Open science0.0000.004
Research integrity0.0020.003
Insufficient payload (model declined to judge)0.0320.005

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.

Opus teacher head0.126
GPT teacher head0.282
Teacher spread0.156 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designNot applicable
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2015
Admission routes1
Has abstractyes

Explore more

Same venueCinémas Revue d études cinématographiquesSame topicCultural Insights and Digital ImpactsFrench-language works237,207