Jeux vidéo et cinéma : une création interactive
Bibliographic record
Abstract
Le jeu vidéo occupe aujourd’hui un secteur important de l’économie en termes de parts de marché, et constitue un loisir privilégié touchant diverses catégories de population, âge, sexe, milieu social. Au confluent de l’industrie du divertissement et du monde de l’art, il se caractérise par de nombreux échanges avec le cinéma, auquel il a emprunté.C’est pourquoi ce numéro tente de démêler le réseau complexe de leur relation en explorant les multiples interactions entre le 7e Art et l’univers vidéoludique, entre film et jeu. Il s’interroge sur la récurrence de genres cinématographiques au sein d’un certain nombre de jeux, horreur, survival, films d’arts martiaux, aussi bien qu’aux liens entre manga, cinéma et jeu. Il analyse la manière dont films et jeux s’interpénètrent, par le biais des adaptations, Dune de Frank Herbert, la légende arthurienne, la franchise Conan ou Game of Thrones, et s’attache à questionner les effets d’hybridation narratifs, thématiques, esthétiques, dans des œuvres comme Dark Souls, Elephant, GTA.L’originalité de ce numéro, qui ne prétend pas à l’exhaustivité, ce domaine restant trop vaste et se renouvelant sans cesse grâce à l’apport de nouveaux titres, réside dans la confrontation de jeunes chercheurs et de spécialistes confirmés, issus du cinéma, des arts plastiques, de l’univers vidéoludique, ou de la recherche historique. Il croise des textes critiques et des interviews, autour d’objets variés, des auteurs comme des œuvres issus de divers continents, du Canada à Taïwan en passant par l’Europe. (source : éditeur)
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) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.008 | 0.004 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.019 | 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".