Autour de Pierre Falardeau : found footage et réemploi d'images dans le cinéma politique
Bibliographic record
Abstract
Ce mémoire portera sur le réemploi d’images dans le cinéma politique d’une manière\ngénérale dans un premier temps, puis plus spécifiquement dans l’oeuvre du cinéaste québécois\nPierre Falardeau. Il s’agit donc d’abord de regarder comment, d’un point de vue historique,\nl’image fut réemployée dans le cinéma documentaire classique. Il sera ensuite question de la\nréutilisation de l’image à des fins politiques dans le cinéma expérimental à travers une analyse\ndu found footage film. Dans un deuxième temps, nous verrons le réemploi d’images dans le\ncinéma militant, engagé politiquement (voire révolutionnaire) dans le cinéma d’Amérique\nlatine (Santiago Alvarez, Fernando Solanas et Octavio Getino) et en France (Guy Debord,\nChris Marker et Jean-Luc Godard).\nPar la suite, nous verrons comment Pierre Falardeau recyclera des images\nprincipalement dans trois de ses documentaires : Pea Soup, Speak White et Le temps des\nbouffons. Nous allons voir où il se situe dans les différentes traditions de réemploi d’images\nque nous avons vu précédemment et comment il se rapprochait et se distinguait de ses\nprédécesseurs.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.003 |
| Scholarly communication | 0.006 | 0.005 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.065 | 0.011 |
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".