Le bilinguisme au cinema : analyse du film < Bon Cop Bad Cop >
Bibliographic record
Abstract
Contrairement à la perception du multilinguisme ou du bilinguisme que l’on pourrait avoir dans les pays-nations, ce sont des phénomènes répandus qui intéressent au moins la moitié de la population mondiale. Le Canada est parmi les pays officiellement bilingues, et le canadiens sont divisé entre une majorité anglophone et une minorité francophone. Ce mémoire est un travail d’analyse du bilinguisme dans le film canadien « Bon Cop, Bad Cop ». Notre but est de voir dans quelle mesure ce film est une représentation fidèle à la réalité du bilinguisme ou une image stéréotypée des anglophones et francophones canadiens. Est-ce que « Bon Cop, Bad Cop » reste superficiel ou réussit à bien traduire cette dualité culturelle et linguistique ? Nous avons aussi analysé le sous-titrage du film, la méthode choisie pour la diffusion canadienne des deux versions monolingues. Est-ce un outil efficace, ou crée-t-il une expérience différente du film pour les deux publics, anglophone et francophone ?
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.006 | 0.002 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| 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".