Bibliographic record
Abstract
Les contributions fondamentales de Gilles Deleuze dans le champ de la cinématographie ont mis un point final à la longue discussion structuraliste qui prétendait analyser les mécanismes de création de sens de l’image cinématographique à travers les instruments de la linguistique. En effet, dans les volumes Cinéma 1 et Cinéma 2 . Deleuze affirme que la narration, dans le champs de l’audiovisuel est une pure organisation spatiale, et, en conséquence, que « […] la référence au modèle linguistique est un détour dont il est souhaitable de se passer. » En abandonnant la terminologie et les approches linguistiques - par exemple les références aux soi-disant figures rhétoriques -, les analyses de Deleuze ont mis en lumière non seulement la nature géométrique de la narration audiovisuelle, mais aussi son caractère non euclidien. En considérant les espaces narratifs de Bresson comme des espaces riemanniens et ceux de Resnais comme des espaces topologiques, Deleuze a commencé à développer un nouvel instrument d’analyse apte à examiner l’image numérique, une image composite, et donc non-euclidienne par nature. Dans ce texte, nous traiterons, grâce aux concepts des géométries non-euclidiennes, les phénomènes narratifs dérivant de l’introduction de nouveaux regards, ceux-ci produits par l’utilisation et la popularisation d’une nouvelle technologie. Nous proposerons, à travers la notion de regard, une analyse des relations existantes entre la base de données et l’interface, appelées auparavant, sous l’influence structuraliste, paradigme et syntagme. Nous étudierons également, à partir des concepts de la topologie et de la géométrie fractale, quelques phénomènes narratifs parus lorsque la technologie vidéo-électronique, et puis numérique, s’est popularisée et a commencé à faire partie du procès de création. Cet examen nous permettra de mieux comprendre la composition non euclidienne, donc multidimensionnelle (2D, 3D, 5D, Mixed Reality, notamment), des espaces narratifs audiovisuels. Ces espaces sont capables, aujourd’hui, de créer des réseaux hypertextuels où se fondent les mécanismes de production de sens qui appartiennent à d’autres media.
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 imitationNot 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.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.003 |
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 teacher head, 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".