MétaCan
Menu
Back to cohort
Record W2608315906 · doi:10.7202/1039368ar

Du renoncement à la couleur à une esthétique et à une éthique du noir et blanc : Averty dans ses oeuvres

2017· article· fr· W2608315906 on OpenAlexvenueno aff
François Jost

Bibliographic record

VenueCinémas Revue d études cinématographiques · 2017
Typearticle
Languagefr
FieldSocial Sciences
TopicHistorical and Literary Studies
Canadian institutionsnot available
Fundersnot available
KeywordsHumanitiesArtPhilosophy

Abstract

fetched live from OpenAlex

Lorsqu’il arrive à la télévision, Averty est saisi par un sentiment de grisaille : alors même qu’elles sont tournées dans des décors en couleurs, les émissions sont filmées en noir et blanc. S’insurgeant contre ce qu’il considère comme une absurdité, il va fonder son esthétique sur le contraste de ces deux couleurs. Les bases en sont jetées par Ubu roi, qui s’appuie sur « De l’inutilité du théâtre au théâtre », de Jarry, et sur une conception de l’image qui mêle à la « perspective signifiante » du Moyen Âge l’art du papier découpé de Braque. En résulte une conception de la télévision qui tourne le dos au cinéma en prenant à la lettre les prescriptions de l’auteur d’Ubu. Mais le noir et blanc n’est pas qu’une position esthétique. Averty va en faire une « affaire de morale ». Le 24 décembre 1964, il offre aux téléspectateurs l’adaptation des Verts pâturages, où les rôles traditionnels sont inversés : Dieu est noir, de même que Jésus et le premier homme, né en Afrique. Cette émission paraît scandaleuse à certains, non seulement parce qu’elle va à l’encontre de la vulgate, mais aussi parce que sa réalisation, basée sur un usage systématique des trucages électroniques, remet en cause le style des émissions de variétés de la décennie précédente tout en fondant un art vidéo.

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)0.002
metaresearch head score (Gemma)0.003
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 score0.028
Threshold uncertainty score0.056

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0020.003
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0010.001
Science and technology studies0.0160.023
Scholarly communication0.0080.004
Open science0.0010.004
Research integrity0.0020.007
Insufficient payload (model declined to judge)0.0070.001

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.

Opus teacher head0.027
GPT teacher head0.299
Teacher spread0.273 · 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
Published2017
Admission routes1
Has abstractyes

Explore more

Same venueCinémas Revue d études cinématographiquesSame topicHistorical and Literary StudiesFrench-language works237,207