MétaCan
Menu
Back to cohort
Record W3211585847 · doi:10.3138/tric.42.2.a02

Age and Memory in Robert Lepage’s <i>887</i>

2021· article· fr· W3211585847 on OpenAlexvenueno aff
Nevena Martinović

Bibliographic record

VenueTheatre Research in Canada · 2021
Typearticle
Languagefr
FieldArts and Humanities
TopicVisual Culture and Art Theory
Canadian institutionsnot available
Fundersnot available
KeywordsHumanitiesArtPhysicsPhilosophy

Abstract

fetched live from OpenAlex

Le caractère faillible de la mémoire est le thème principal de 887, une pièce de Robert Lepage/Ex Machina qui nous invite à explorer le lien entre l’âge et la mémoire. Si la pièce laisse entendre, dans son exploration de la maladie d’Alzheimer dont est atteinte la grand-mère de Lepage, que le vieillissement peut avoir un impact négatif sur la mémoire, elle n’en demeure pas moins une célébration des effets de la mémoire à long terme sur les histoires que nous racontons. La pièce fait valoir qu’au lieu de faire faiblir la mémoire, l’âge l’enrichit et y rajoute des couches, de la même façon que le font l’identité et la profondeur du jeu de l’interprète. Dans sa mise en scène, la pièce montre que la technologie, si elle peut servir de support mnémotechnique, ne remplacera jamais la mémoire incarnée de l’interprète émérite, qui a le potentiel de faire revivre le passé comme jamais la technologie n’y arriverait. Tout au long de la représentation, le corps plus âgé de Lepage fait revivre des souvenirs de son moi plus jeune, illustrant à la fois la performativité de l’âge et la façon dont le temps et l’expérience se superposent en couches sur le moi plus vieux de Lepage. 887 met en évidence les effets du passage du temps et de la subjectivité vieillissante de l’interprète sur la façon de raconter les souvenirs. L’exploration de soi par Lepage nous fait voir que l’identité est une superposition de multiples moi composée de perspectives sur le vieillissement qui évoluent au fil du temps.

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 distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesInsufficient payload (model declined to judge)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: none
Teacher disagreement score0.777
Threshold uncertainty score0.998

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0010.000
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.000
Science and technology studies0.0000.001
Scholarly communication0.0000.000
Open science0.0000.000
Research integrity0.0000.001
Insufficient payload (model declined to judge)0.0030.000

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.

Opus teacher head0.066
GPT teacher head0.318
Teacher spread0.251 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designNot applicable
Domainnot available
GenreEmpirical

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".

Quick stats

Citations1
Published2021
Admission routes1
Has abstractyes

Explore more

Same venueTheatre Research in CanadaSame topicVisual Culture and Art TheoryFrench-language works237,207