Redéfinir les contours du spectacle et du vivant : technodrame en temps de pandémie. L’exemple du projet AREA (2021)
Bibliographic record
Abstract
En février 2021, la pandémie de COVID-19 oblige le collectif Dans Ta Tête (DTT) à présenter la pièce AREA, jouée depuis Québec, sur la plateforme Zoom. Si ce dispositif nous pousse à questionner la coprésence longtemps désignée comme composante essentielle du théâtre, il en va de même et a fortiori lorsque l’on s’aperçoit que la pièce ne comporte pas d’acteur mais huit volontaires. Leurs gestes sont dictés par des assiettes-moniteurs et leurs répliques sont performées en direct par un membre du DTT, puis retransmises sur scène par un dispositif situé dans leur siège. Le héros de la pièce est quant à lui une marionnette robotisée à travers les yeux de laquelle le public visionne la pièce. Cet étrange spectacle bouleverse les composantes habituelles du spectacle vivant. Comment définir ces « spectacteurs », ni acteurs, ni spectateurs, dont les actions sont régies par un moniteur et par un performeur ? Ce dernier se donne à voir comme un marionnettiste tandis que le spectateur web s’identifie à une machine. Le projet est une adaptation interactive de Rose Enfer des animaux (1958) de Claude Gauvreau, pièce longtemps ignorée par les metteurs en scène en raison de contraintes techniques liées à des didascalies loufoques. Plutôt que d’essayer de donner sens à ce texte, le DTT en révèle l’inaccessibilité dans une logique excommunicationnelle théorisée par Galloway. Il place le spectateur face aux limites du représentationnel et prolonge les enjeux de la pièce de 1958 pour interroger les limites du spectacle et du vivant.
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 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.003 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.023 | 0.006 |
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".