Reconquérir le public, le défi de l’exploitation cinématographique aux États-Unis et au Canada
Bibliographic record
Abstract
Depuis 2003, année de fréquentation record des trois dernières décennies, les salles nord-américaines connaissent une érosion du nombre de leurs spectateurs, notamment des plus jeunes. Relativement à cette situation, le secteur de l’exploitation réagit de plusieurs façons. Classiquement, les exploitants rejouent la carte du spectaculaire ; les salles IMAX en sont l’exemple le plus frappant mais pas le seul (Cinemark XD, MAGI et HFR pour la projection, Dolby Atmos et Auro 11.1 pour le son). D’autre part, l’accent est mis sur l’amélioration du confort, haut de gamme (les salles VIP) ou plus grand public (fauteuils inclinables, places réservées, nourritures et boissons plus sophistiquées). La réflexion est également engagée sur le modèle économique du secteur, particulièrement sur la chronologie des médias. Enfin, certains circuits, et parmi eux les quatre plus importants, mécontents de l’offre de films actuelle, s’allient à des producteurs pour susciter une offre plus large. Course au spectaculaire, apport de nouveaux services, offre élargie, tout cela vise à redonner aux spectateurs nord-américains l’envie de sortir de chez eux et de retrouver plus nombreux le chemin des salles.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.013 | 0.005 |
| Scholarly communication | 0.012 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.045 | 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".