Incidences de l’usage du numérique sur le fonctionnement de la filière cinématographique burkinabè
Bibliographic record
Abstract
Le numérique a contribué à booster la production cinématographique dans des pays africains comme le Burkina Faso où elle avait fortement baissé à la fin des années 1990. De manière générale, la digitalisation dans le secteur du cinéma a engendré des apports multiformes dans différentes branches de cette filière. Ce qui nous a conduit à l’interrogation suivante : au vu des opportunités que le digital offre pour la redynamisation des différents maillons du cinéma, quelles sont les incidences de l’usage du numérique dans la chaîne cinématographique burkinabè ? Après avoir examiné les différentes branches de la filière cinématographique burkinabè, il ressort de ce travail que l’avantage principal du digital pour ce cinéma est qu’il a engendré des économies significatives dans le processus de production. Notons aussi que les maillons de la distribution et de l’exploitation en salles ont aussi été impactés par l’usage du numérique dans le cinéma. Mais on peut remarquer que le secteur de la production est celui où il y a eu les principaux avantages. Concernant les deux autres maillons, l’effet du numérique a parfois engendré des problèmes comme le piratage qui touche à la fois la distribution et l’exploitation en salles. En outre, la majorité des salles de cinéma burkinabè ne diffusent plus de films internationaux, faute d’équipements en numérique pour répondre aux exigences des standards internationaux.
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 | 0.009 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 0.000 |
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".