Pornoculture et fétichisme : œuvres d’art mutilées. Un imaginaire de la chair entre photographie, cinéma, série télévisée et réseaux sociaux
Bibliographic record
Abstract
L’article décrit et interprète le processus médiologique qui a conduit la pornographie traditionnelle et son esthétique vers les formes de normalisation qui les caractérisent de nos jours. Ce phénomène est étudié à partir d’un corpus de documents iconographiques appartenant au langage photographique, cinématographique et numérique, en adoptant une perspective basée sur la culture visuelle et la sociosémiotique. Le paradigme proposé est observé à partir de l’évolution de l’esthétique fétichiste qui, des images représentant la tragédie de la Seconde Guerre mondiale, conduit à la « pornoculture » actuelle. Les paragraphes traitent de scénarios hétérogènes d’un point de vue médiologique, en montrant que c’est précisément la convergence des médias du XXe siècle qui a permis une pornification du quotidien et l’édulcoration correspondante du porno maintenant largement diffusé sur le web. De Vidéodrome à Black Mirror et aux vidéos musicales, des poupées de Hans Bellmer à la cinématographie underground de Richard Kern, jusqu’aux fils scatologiques de la partie la plus sombre du web et leur côté artistique dans l’étude de cas de Rupi Kaur en 2015, le processus d’esthétisation du porno sera mis en évidence en avançant des interprétations visant à approfondir la complexité qui caractérise les exemples les plus récents des réseaux sociaux : Instagram, TikTok, Tumblr.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.009 | 0.036 |
| Scholarly communication | 0.010 | 0.007 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.007 | 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".