Les intervalles sériels à l’aune des « séries culturelles »
Bibliographic record
Abstract
Dans la mesure où elle s’inscrit par définition en creux, et comme en négatif, la notion d’intervalle permet d’explorer avec un regard nouveau la généalogie des médias et l’intermédialité, et plus particulièrement, ici, la compréhension du cinéma quant aux manières multiples et changeantes qu’il a de se situer dans son environnement médiatique. À cette fin, le présent article propose de mettre en perspective le concept d’intervalle avec celui de série culturelle. En tant qu’agent de définition identitaire et, donc, en tant que garant de la « carte d’identité » de chaque média, c’est souvent l’institution qui agit comme gestionnaire des intervalles identitaires qui séparent et distinguent les médias. Pour certains, la salle assure ainsi un intervalle identitaire décisif pour différencier le cinéma des autres façons d’appréhender les images mouvementées. Nous défendrons quant à nous l’idée d’une lecture sérielle appelant à transcender le côté figé de ces intervalles institutionnalisés qui séparent les médias, et à revoir et à réorganiser la cartographie des intervalles médiatiques – en n’hésitant pas à les réinterpréter, à les modifier ou à en créer de nouveaux pour les besoins légitimes de la recherche.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.003 | 0.009 |
| Scholarly communication | 0.009 | 0.009 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.019 | 0.003 |
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".