Estereotipo, frontera y género : una lectura negociada de tres cintas de la India MarÃa
Bibliographic record
Abstract
Jouée par María Elena Velasco depuis la fin des années 1960, la India María met en scène une indienne « authentique » qui, malgré son statut et ses limitations sociales, dénonce le traitement des institutions auxquelles elle est soumise : les systèmes politique, judiciaire, économique et religieux. Néanmoins, lors des premières projections des films sur le grand écran, la critique portait essentiellement sur les aspects superficiels et a réprouvé la façon dont les indiens et le Mexique étaient représentés, car jugée réactionnaire. \nAu début des années 1990, des chercheurs ont commencé à étudier ses films en proposant une lecture « négociée » : ils s’intéressent à l’effet humoristique produit sur le public par sa performance et ses aventures, en même temps qu’ils reconnaissent l’ambigüité du personnage et des narrations, tout en soulignant les discours ethnique et de classe. À travers l’analyse de Tonta, tonta pero no tanto (Bête, bête, mais pas trop) de Fernando Cortés (1972), Ni de aquí ni de allá (Ni d’ici ni de là-bas) de María Elena Velasco (1988), et Sor Tequila (Sœur Tequila) de Rogelio González (1977), mon mémoire contribue à cette lecture en étudiant trois sujets : le stéréotype cristallisé dans ce personnage, afin de démontrer comment celui-ci permet une critique de la société mexicaine ; les nouveaux enjeux culturels auxquels le système néolibéral affronte les autochtones ; et la transformation du masculin et du public à travers une construction alternative du féminin.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.012 | 0.009 |
| Scholarly communication | 0.008 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.004 |
| Insufficient payload (model declined to judge) | 0.008 | 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".