Rostros afectivos como paisajes en las películas peruanas, Rosa Chumbe (2015) y Magallanes (2015)
Bibliographic record
Abstract
En este ensayo se analiza el uso de los rostros como paisajes en Rosa Chumbe (2015) y Magallanes (2015) de los cineastas peruanos Jonatan Relayze y Salvador del Solar. Éstos, a lo largo de sus tramas muestran, de manera indirecta y directa, las consecuencias políticas y sociales de décadas pasadas en la sociedad peruana. Sobre todo, las secuelas que trajeron para algunas mujeres, las políticas antisubversivas y el estado de excepción que el gobierno peruano impuso en los años 90 para tratar de controlar los movimientos armados (Sendero Luminoso y el Movimiento Revolucionario Tupac Amaru). Sostengo que estos directores transmiten en sus rostros transformados en paisajes una secuencia de cambios de cualidades o estados afectivos que problematizan la situación de las mujeres víctimas del sistema. En ese sentido, se condensan dos miradas diferentes sobre el pasado, el presente y el futuro de los protagonistas. Así, el paisaje de rostros en primer plano toma centralidad para intentar comprender el entramado de la compleja sociedad peruana de inicios del nuevo siglo. Basándonos en los trabajos sobre paisaje cinematográfico de Martín Lefebvre (2006, 2011), Graeme Harper y Johnathan Rayner (2010, 2013); y el trabajo de Gilles Deleuze (1983) acerca de estudios sobre el cine, analizo las estrategias narrativas y cinematográficas empleadas por estos cineastas para convertir los rostros femeninos en paisajes y, de esta manera, comprender las diferentes miradas de la sociedad peruana.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.008 | 0.002 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.019 | 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".