Sous-titrage créatif pour enfants sourds et malentendants : les contes au cinéma
Bibliographic record
Abstract
Ce travail a pour objet d’explorer les rapports intersémiotiques et métis qui s’établissent entre le code verbal et le code visuel (Yuste Frías, 2010) dans deux modes d’expression artistique : le conte et le cinéma. Pour ce faire, nous analyserons le genre du conte et les formes d’adaptation intermédiale qu’il adopte à l’écran. En outre, notre étude a pour objet d’explorer les spécificités du sous-titrage pour sourds et malentendants dans la « compensation » du déficit auditif face au texte filmique. Pour ce faire, nous signalerons, dans un premier temps, les principales caractéristiques du jeune public malentendant et son rapport essentiel et spécifique à l’image fixe et en mouvement. La question de l’accessibilité des salles de cinéma et des films dépend également du profil de surdité. Le sous-titrage généralisé tel qu’il est envisagé et normalisé actuellement ne permet pas toujours une meilleure compréhension pour toutes les personnes sourdes et malentendantes (Lorenzo & Pereira, 2011 ; Neves, 2008). Dans un deuxième temps, nous explorerons des solutions adaptées aux besoins de transmettre à un jeune lecteur/spectateur sourd et malentendant l’impact d’un son grâce à des sous-titres plus visuels et créatifs, ce qui nous permettra d’apporter de nouvelles pistes concernant l’importance de l’accessibilité aux médias du jeune public malentendant.
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 | 0.002 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.012 | 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".