Des séries de mouvements aux images du temps dans les séries, ou l’art d’analyser les fictions audiovisuelles
Bibliographic record
Abstract
Cet entretien réalisé avec Jean-Pierre Esquenazi (Université Lyon 3) propose un retour sur son importante contribution à l’analyse des médias audiovisuels (films, séries télévisées) et de la culture populaire. Il y est question de l’approche sociosémiotique des médias défendue par ce chercheur et qui permet la prise en compte de l’activité interprétative des publics. L’entretien se concentre également sur la méthode d’analyse des mouvements et des images du temps qu’il a récemment développée pour l’étude des films et des séries et qui est directement inspirée des travaux de Deleuze. En discutant des séries télévisées en tant qu’ « art du temps », l’entretien mène par ailleurs vers une réflexion concernant l’utilité d’adopter une approche normative des séries et de les valoriser en tant qu’œuvres, dans un contexte où la légitimité des études sur la télé est encore souvent débattue au sein des institutions universitaires.
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 | 0.015 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.004 | 0.003 |
| Science and technology studies | 0.003 | 0.005 |
| Scholarly communication | 0.008 | 0.006 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.024 | 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".