Le nerf du corps : racines, correspondances et contamination des images de folles au cinéma
Bibliographic record
Abstract
Ce mémoire de maîtrise étudie la mise en scène de la folie des femmes au cinéma. Notre hypothèse est qu’il est possible d’appréhender la folie en tant que forme esthétique et ainsi, d’isoler un répertoire de figures essentielles à la mise en scène et à la mise en jeu des corps féminins. En partant d’une définition « fuyante » de la folie, il s’agit de dégager la folle de la pathologie et d’examiner plutôt comment les images peuvent se faire écho et rejouer dans l’Histoire une série de « procédés figuratifs » à l’écran. Nous nous intéressons d’abord au grand bassin imaginaire dans lequel se construit l’iconographie de la folie des femmes au cinéma. Nous montrons ainsi comment la mémoire visuelle de la folie est tirée de tous les côtés par un réseau d’images plus anciennes et soulignons l’importance du spectaculaire dans ce bassin esthétique. Ensuite, nous étudions le mouvement des corps fous au cinéma. Nous démontrons comment la mise en scène de la folie donne accès à un répertoire de formes d’expressions reconnaissables : syncope, rire hystérique, jouissance, chutes, redressements, tics, contractures, etc. Finalement, en nous appuyant sur les notions d’emprunt et de contagion, nous démontrons l’importance du geste dans la compréhension des corps délirants au cinéma.
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) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.004 |
| Scholarly communication | 0.003 | 0.003 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.018 | 0.002 |
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".