Bibliographic record
Abstract
A la fois art et langage universel, la photographie possede une capacite extraordinaire a connecter, a communiquer avec les autres. Mais alors que plus de mille milliards de photos sont prises chaque annee, pourquoi si peu creent-elles une vraie connexion ? Pourquoi si peu saisissent-elles nos emotions et notre imagination ? Ce n'est pas une question de mise au point ou d'exposition ; a notre epoque, les avancees technologiques nous facilitent grandement la tâche en la matiere. Pour le photographe canadien David duChemin, la majorite des photos echouent par manque d'âme. Sans âme, elles ne peuvent faire vibrer leur audience, elles ne peuvent se connecter a l'observateur, ni meme - soyons honnetes - a leur propre auteur. Dans cet ouvrage, David duChemin nous fait partager sa vision et sa pratique pour nous pousser a la reflexion et nous accompagner dans la realisation d'images plus vraies. Illustres par de superbes photographies en noir et blanc, les chapitres evoquent le savoir-faire, la maitrise, la vision, l'audience, la discipline, l'histoire et l'authenticite. Ce livre personnel et profondement pragmatique nous invite a nous detourner de nos boitiers, de nos objectifs et de leurs reglages ; c'est le photographe et non l'appareil qui peut et doit apprendre a faire de meilleures images - des photographies qui communiquent une vision, qui racontent une histoire, qui se connectent aux autres et qui portent en leur coeur notre humanite. L'âme d'une image nous guide sur cette voie.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.002 |
| Scholarly communication | 0.007 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.101 | 0.032 |
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".