Bibliographic record
Abstract
Dans son article, Annaëlle Winand nous expose à l’utilisation des archives par les artistes de réemploi expérimentaux dans les films et les vidéos. En faisant un survol de la littérature contemporaine sur le sujet, l’auteure cherche à identifier les préoccupations des chercheurs. Quel intérêt les artistes portent-ils aux documents d’archives ? Quels enjeux sont liés à la mixité du cinéma et des archives ? L’auteure évoque d’abord l’atteinte d’un consensus sur la définition de que l’on entend par le concept d’« archive ». Elle fait aussi état d’une structure d’analyse commune à la littérature sur le sujet : la temporalité, l’historicité et la mémoire, toutes trois communes aux archives et au cinéma. Enfin, elle insiste sur la nécessité de la collaboration entre artistes, archivistes et chercheurs, afin de comprendre l’archive en elle-même, mais aussi les problématiques, typiquement pratiques, et reliées à son utilisation, telle que la préservation, la conservation ou l’accès et ce, particulièrement à l’ère du numérique. L’utilisation des archives dans les films par les artistes de réemploi expérimentaux est particulièrement intéressante parce que ces derniers voient les documents d’archives en dehors de leur contexte et savent les interpréter sous un nouveau jour.
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 | 0.005 | 0.017 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.006 | 0.006 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.025 | 0.003 |
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".