Entretien avec Claude Demers, scénariste et réalisateur des Dames en bleu
Bibliographic record
Abstract
Entretien avec Claude Demers, scénariste et réalisateur des Dames en bleu.Ciné-Bulles, 27(4), 2-7.Entretien avec Claude Demers scénariste et réalisateur des Dames en bleu « Honnêtement, je ne mesurais pas, en me lançant dans ce projet-là, l'ampleur de la chose.» Claude Demers ERIC PERRON Un réalisateur venant de terminer un film de fiction peut dire ce qu'il pense de ses personnages.Mais pour celui qui a fait un documentaire d'auteur, dans le registre du portrait intime, la parole est plus risquée du fait de l'engagement moral qui s'est tissé, au fil du projet, entre lui et les protagonistes de son film.Ne pas trahir les personnes qui lui ont fait confiance.Voilà ce qui préoccupe Claude Demers durant cette première entrevue à propos de son second documentaire, Les Daines en bleu.Avant que celle-ci débute, il se disait excité à l'idée d'avoir « des premiers commentaires à travers les questions ».Mais bien avant, encore en montage, il appréhendait un peu les questions « sur le rapport aux personnages ».Comment allait-il aborder cela?Une question peut-être sans réponse.Parce que son film, extrêmement fort, donne beaucoup à voir et à entendre.
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 | 0.003 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.002 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.010 | 0.002 |
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".