RASA TAKUT DALAM FILM ANIMASI 2 DIMENSI "FEARS" KARYA NATA METLUKH
Bibliographic record
Abstract
“Fears” merupakan film animasi 2 dimensi (2D) karya Nata Metlukh pada saat kelulusannya dari Vancouver Film School pada tahun 2015 yang memperoleh berbagai penghargaan pada festival film yang diikutinya. Kekuatan film animasi 2D yang hanya menampilkan visual dan musik tanpa dialog ini adalah bagaimana visualisasi dalam bentuk animasi yang didukung oleh musik dapat merepresentasikan pesan penciptanya tentang rasa takut yang dimiliki oleh semua manusia dalam bentuk dan kondisi yang berbeda-beda. Tujuan kajian terhadap film animasi 2D “Fears” ini adalah (1) mendeskripsikan alur cerita melalui visualisasi animasi yang ditampilkan, dan (2) menganalisis bentuk dan makna rasa takut melalui interpretasi terhadap visualisasi alur atau jalannya cerita. Analisis dilakukan terhadap 15 (lima belas) visualisasi animasi terpilih yang memunculkan sosok makhluk berwarna hitam dengan mata putih yang merepresentasikan rasa takut dan selalu mengikuti tokoh utama dan tokoh-tokoh lainnya. Hasil analisis menunjukkan bahwa di satu sisi rasa takut dapat dimaknai oleh pemilik rasa takut itu sebagai hal yang mengganggu, menghambat, dan membatasi pikiran dan tindakan mereka; tetapi di sisi lain rasa takut juga dimaknai sebagai hal yang justru bersifat konstruktif yang membantu manusia untuk selalu bersikap waspada dan hati-hati.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.110 | 0.011 |
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".