Scénographie cinétique : la voix du vide
Bibliographic record
Abstract
L'objectif de cette recherche est de mesurer l'impact de la réception des spectateurs face aux nouvelles technologies appliquées à la scène. Est-ce que le théâtre d'environnements, qui immerge le spectateur dans un univers virtuel, provoque chez le participant une sensation d'abandon afin qu'il puisse s'investir dans ce qu'il lui est présenté et ainsi entraîner un contact avec son intériorité? \n \nLa méthodologie appliquée à cette recherche s'imprégnait d'un souci d'expression personnelle. Une phase d'exploration du sujet puis de production fût nécessaire. J'ai expérimenté à l'aide de maquettes, de prises de photos, de numérisation d'images puis de découvertes de logiciels graphiques et d'animation. Ultimement, j'ai développé mon propre langage artistique, qui a su trouver sa voie dans La voix du vide. \n \nLe cheminement qui a mené à la conception et la réalisation de cette performance scénographique multimédia a trouvé sa source dans une définition particulière du concept du vide. \n \nPar leur pouvoir évocateur, tous les éléments scéniques proposés dans cette présentation : installation scénique, éclairages spécifiques, bande sonore originale et images numériques ont su susciter chez le spectateur un profond sentiment de confiance et ainsi déployer son imaginaire. \n
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.079 | 0.010 |
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".