You and I . . . We’re the Same: Men and Women outside the Romance Pact
Bibliographic record
Abstract
L’auteure étudie la dynamique racisée et genrée qui caractérise les rôles principaux tenus par une femme blanche et un homme noir, phénomène narratif auquel les chercheurs n’ont pas accordé jusqu’à maintenant l’attention qu’il mérite. Elle s’appuie sur les exemples tirés de quatre films : The Pelican Brief ( L’Affaire Pélican) (1993), The Long Kiss Goodnight ( Souviens-toi Charlie) (1996), I, Robot ( Les Robots) (2004), et Hancock (2008). Le tabou hollywoodien auquel obéit la représentation d’histoires d’amour interraciales fait en sorte que les relations entre les deux personnages sont nécessairement asexuées ; l’analyse des textes mène l’auteure à la conclusion que ce sont les exigences qu’impose le rôle de compagnon romantique du personnage masculin qui limitent et circonscrivent la performance de genre du personnage féminin. Définissant quatre thèmes — similarité, intimité, flexibilité dans les rôles de genre et délimitation —, l’auteure montre que, dans la distanciation provisoire par rapport à l’hétéronormativité patriarcale représentée dans ces textes, les moments d’égalitarisme, d’intensité et d’intimité entre les personnages masculin et féminin sont possibles. Le dernier thème, celui de la délimitation, circonscrit cette transgression du pacte de l’histoire d’amour, ce qui ramène ultimement la narration du récit étudié à un hétérosexe approuvé, racialement homogène.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.018 | 0.023 |
| Scholarly communication | 0.009 | 0.007 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.012 | 0.001 |
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".