Excavating Animal Planet’s <i>Lost Tapes</i>: The Unruly Images of a Posthuman Counter-Archive
Bibliographic record
Abstract
Résumé : Cet article explore le point où la cryptozoologie, les études archivistiques et la recherche en éthique animale se rencontrent, pour tâcher de révéler le potentiel théorique de l’image animale soi-disant « rétive ». Relisant attentivement les épisodes de Lost Tapes, série de documenteurs présentée par la chaine Animal Planet (2008–2010), l’article soutient que les images d’animaux résistent aux modes archivistiques de l’utilisation (ou de la réutilisation) et de l’appropriation parce qu’elles résistent à l’activation archivistique. Par leur caractère obstinément factuel, ces images refusent l’appropriation métaphorique pour devenir des chimères animales – elles refusent de représenter davantage que ce qu’elles sont. En tant qu’images d’archives demeurant inertes et immuables, ces images indisciplinées s’opposent aux impulsions archivistiques, tant instrumentales qu’anthropocentriques, et ouvrent, en définitive, une voie vers l’évaluation de la fonction et du potentiel théorique d’une contrearchive posthumaine. Dans cette perspective, les matériaux archivés conservent une relation éthique avec leurs homologues du monde réel, vivants et morts, selon une éthique plus large du soin et de la responsabilité archivistiques.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.008 | 0.023 |
| Scholarly communication | 0.008 | 0.007 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.009 | 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".