Lâimage qui parle : comment traduire lâaltérité par lâadaptation de la poésie au cinéma ?
Bibliographic record
Abstract
L’aspect visuel dans les Illuminations de Rimbaud nous a amenés à nous demander s’il était possible d’adapter ces poèmes au cinéma. Il y a eu bien sûr plusieurs recherches sur le cinéma des années 20 qui exploraient la création poétique. D’autres recherches ont été menées pour trouver des traces de poésie dans des films narratifs un peu plus conventionnels. Bien que ces études soient fort intéressantes, nous voulions tendre vers une démarche plus radicale. Notre travail de recherche avait pour but de trouver le moyen de faire une adaptation de poème complètement autonome de l’œuvre originelle. Bien que nous nous soyons penchés sur les textes Surréalistes par l’entremise de Man Ray, nous avons aussi étudié des tentatives plus récentes d’adaptation de poèmes au cinéma. Nous avons découvert un lien entre ces adaptations et la notion d’altérité. C’est pourquoi nous avons décidé de traiter de notre sujet sous l’angle de l’altérité du point de vue philosophique. D’ailleurs, les trois films que nous avons retenus pour notre travail de recherche présentent des situations de marginalisation. La marginalisation est l’un des aspects de l’altérité qui nous intéressent. Le premier chapitre de ce mémoire est destiné à établir ce que nous entendons par altérité. Dans le deuxième chapitre, nous abordons l’adaptation de la poésie au cinéma en lien avec l’altérité.\nNous avons adapté dix-huit poèmes des Illuminations de Rimbaud sous la forme d’un scénario dans la deuxième partie de ce mémoire afin de tenter d’explorer ce que nous avons établi dans notre partie théorique.
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 | 0.003 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.007 | 0.011 |
| Scholarly communication | 0.009 | 0.012 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.004 | 0.008 |
| Insufficient payload (model declined to judge) | 0.020 | 0.004 |
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".