Bibliographic record
Abstract
En La distancia más larga (2013), opera prima de la directora venezolana Claudia Pinto Emperador, la muerte une los espacios naturales con los espacios urbanos. Lucas, un niño de doce años, huye de Caracas después de que su madre es violentamente asesinada. El objetivo del niño es llegar a la Gran Sabana, una inmensa zona despojada de árboles del Amazonas venezolano donde se encuentra el famoso monte Roraima. Al mismo tiempo, la abuela de Lucas regresa a Venezuela con una enfermedad terminal con la intensión de morir en el Roraima, un paraje donde fue feliz en su juventud. Construida a primera vista como una película de carretera, la película presenta Caracas solo como escenario donde se desarrolla la acción. A medida que Lucas se adentra en su viaje hacia el Amazonas, el entorno se va separando de su rol de trasfondo de las acciones para convertirse en paisaje cinematográfico. Aquí paisaje implica una manera específica de registrar el entorno natural como un elemento independiente de la narración que pasa a dominar las acciones de los personajes, en ocasiones deteniendo la narración por completo en otras ralentizándola, siempre focalizando la atención en algún aspecto afectivo. Mientras que la herramienta técnica normalmente usada para presentar paisajes es el plano largo, este trabajo explora como Pinto Emperador prefiere utilizar la edición para formular un contrapunto de imágenes entre la ciudad y la Gran Sabana que permite incorporar la muerte tanto en su dimensión destructiva como creadora.
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 | 0.005 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.000 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.018 | 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".