Bibliographic record
Abstract
Współczesna baśń w odcinkachKaja Klimek w artykule pt.Baśnie księżniczki popkultury opublikowanym w dwutygodniku "Film" pisze o zjawisku widocznym w kulturze w ostatnich latach: baśń, a więc historia, której sercem jest -według Matsa Rehnmana -"intensywne doświadczenie egzystencji" [Rehnman 2011], jest od pewnego czasu modnym językiem popkultury, choć "nie jest też tak, że oto nagle, po wielu latach nieobecności, na ekrany powracają opowieści zainspirowane baśniami" [Klimek 2011].Ocena nowych odczytań, przeróbek i aktualizacji baśni jest jednak niejednoznaczna.Według niektórych badaczy kultura masowa skazuje baśń na banicję i tworząc nowe wersje znanych fabuł, nierzadko popada we wtórny infantylizm [np.Majkowski 2011; Franczak 2011], według innych współczesne baśnie nadal mogą być aktualne jako narracje o życiu i rzeczywistości [np.Araszkiewicz, Bratkowska 2005].Niniejszy artykuł koncentruje się na dwóch serialach wpisujących się w formułę fantasy, wyemitowanych równolegle w 2011 r.Once upon a time i Grimm.Ich twórcy nie tyle wykorzystali schematy baśniowe, które zyskały już rangę mitów popkulturowych (na przykład historia szarej myszki wybranej przez księcia, jak Tatiana Cichocka i Katarzyna Miller określiły formułę Kopciuszka fundującą komedie romantyczne i harlekiny) [Miller, Cichocka 2009], ile przenieśli do współczesności konkretne postaci i ich historie i wymieszali je ze sobą.Baśnie tworzą w obu produkcjach rzeczywistość, która się wydarzyła, czego konsekwencją jest kształt współczesności.Wydaje się, że można w nich widzieć coś więcej niż przejaw tendencji do powtarzania i przetwarzania chwytliwych motywów i tematów jako pustych znaków.Sprzyja temu
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 | 0.000 | 0.001 |
| 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 | 0.004 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.013 | 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".