Bibliographic record
Abstract
Le cinéma de réemploi (ou defound footage) suscite depuis une quinzaine d’années un engouement critique et théorique qui va de pair avec la « fièvre de l’archive » qui parcourt actuellement le champ des sciences humaines. On peut toutefois s’étonner du manque de considération ou d’attention dont font parfois preuve certains de ces chercheurs à l’égard des questions proprement matérielles, des opérations techniques, des contextes historiques précis qui ont permis, autorisé ou rendu possible la réalisation de films aussi différents — et reconnus — queTom, Tom, the Piper’s Sonde Ken Jacobs,Eurekad’Ernie Gehr,Public Domaind’Hollis Frampton, etc. L’origine des matériaux réemployés, le contexte historique de leur accessibilité et les techniques de leur réemploi — en somme, tout ce qui compose les gestes d’excavation et de reproduction de ces films d’archives — déterminent sur bien des aspects l’expérience de ces oeuvres (de leur fabrication à leur réception) et l’imaginaire de l’archive qu’elles médiatisent. À partir d’un certain nombre de cas et en examinant différents contextes historiques, ainsi que les modes précis de réemploi des films de la collection despaper printsà Washington, cet article propose un modèle pour une archéologie dufound footage, afin de rendre justice à ces gestes de réemploi, d’en retrouver la beauté et l’intelligence, en les réinscrivant dans leur histoire, leur technique, leur matérialité propres.
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) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.006 | 0.013 |
| Scholarly communication | 0.014 | 0.011 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.004 | 0.005 |
| Insufficient payload (model declined to judge) | 0.036 | 0.005 |
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.
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".