Violence coloniale et récits d’abondance dans le cinéma documentaire de Kim O’Bomsawin
Bibliographic record
Abstract
Cet article examine les stratégies narratives (témoignage) et visuelles (prépondérance des lieux et paysages) utilisées par la cinéaste abénaquise Kim O’Bomsawin dans son œuvre documentaire récente. À travers une autochtonisation du médium, inspirée par la tradition orale et la relation au territoire, ce texte démontre comment les documentaires Je m’appelle humain (2020) et Ce silence qui tue (2018) répondent à la violence coloniale par l’intermédiaire de récits de vie qui célèbrent la beauté et la continuité des paroles et des actions d’individus et de communautés autochtones qui habitent l’Île de la Grande Tortue (Amérique du Nord). De même, à travers une exploration de ces œuvres inspirée par la poésie de Bacon (2009, 2013) et par l’ouvrage de Yeoman (2022) cet article met de l’avant l’importance des femmes autochtones dans le projet de résurgence autochtone, et qui implique une régénération culturelle qui s’accomplit, entre autres, à travers la tradition orale et ce qui la compose (témoignages, histoires, etc.). Enfin, la parole même de la cinéaste, telle que récoltée dans des entrevues, ainsi des extraits de textes écrits par des femmes autochtones telles que Cynthia Wesley Esquimaux et Marlene Brant Castellano, nous ont guidée dans l’écriture de ce texte.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.008 | 0.005 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.000 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 0.000 |
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.
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".