Le traitement de lâespace dans Badlands et \nDays of Heaven, de Terrence Malick
Bibliographic record
Abstract
Ce mémoire de maîtrise étudie le traitement de l’espace dans les films Badlands (1973) et Days of Heaven (1978), du cinéaste américain Terrence Malick. Je m’intéresse dans un premier temps à montrer comment le traitement spatial de ces œuvres se démarque des conventions cinématographiques classiques en développant autour de la multitude de procédés et stratégies mis en œuvre par Malick pour rendre sensible et réflexif l’espace - sonore et visuel – des deux films, lequel est conçu pour être littéralement «habité» par les personnages mais également par les spectateurs. J’observe ensuite les implications (esthétiques, narratives, iconologiques, philosophiques, poétiques, etc.) de ce traitement singulier de l’espace filmique en montrant comment le cinéaste parvient à créer différents types de sensations et construire son discours par et à travers l’espace de ses œuvres. Le mémoire porte une attention particulière à la notion de «paysage filmique» et se structure en trois chapitres, lesquels étudient respectivement l’espace chez Malick en termes de «sensations» (sensibilité de l’espace, «mise en vue» du paysage au sein des deux films), de «relations» (relations entre les différents espaces et relations entre les personnages et l’espace) et de «mémoire» (densité «iconologique» du paysage). Aussi, j’aborde d’autres questions importantes au cours du projet et je reviens à plusieurs endroits sur la dimension «poétique» du cinéma de Malick et sur la «réflexivité spatiale» de ses films (réflexivité et aspect «attractionnel» du paysage, réflexivité de la voix-off, réflexivité de l’organisation et de la structure spatiales du récit, réflexivité du «tissage spectral»). Enfin, il est question de montrer au fil du mémoire que Malick parvient à édifier avec le cinéma, et par là avec l’espace et le paysage, un véritable espace de pensée qui «déborde» du cadre filmique.
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 | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.005 | 0.005 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 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".