Bibliographic record
Abstract
Si l'on veut réfléchir sur les différences de sexes de personnages au cinéma moderne, il s'offre la possibilité, la plus évidente peut-être, d'examiner les transformations des héros-types dans les genres les plus répandus au cinéma, c'est-à-dire dans le mélodrame et le film d'action. Or un pareil parcours mènerait sans doute à une généralisation plus ou moins grossière qui en effet risquerait d'être non pas un bilan de changement dans la conception de ce qu'on pourrait appeler « une héroïne » ou « un héros » cinématographique modèle, mais une autre contribution à l'image stéréotypée de la femme ou de l'homme contemporains. C'est pour cette raison que j'ai choisi – pour montrer l'inévitable différenciation des deux sexes – un concept cinématographique tout à fait différent, celui de Eric Rohmer, dans lequel la représentation de l'homme et de la femme ne passe pas par la définition « politiquement correcte » de deux sexes (ce qui était récemment très à la mode, surtout dans le cinéma américain). Chez Rohmer, il s'agit plutôt d'une représentation refoulée ou quasi-invisible des stéréotypes du féminin et du masculin, tant au niveau du discours qu'au celui de l'action – deux éléments les plus importants dans le cinéma de ce réalisateur.
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 | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.005 |
| Scholarly communication | 0.008 | 0.006 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.033 | 0.009 |
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".