"Meurtre d'un bookmaker chinois" de John Cassavetes : strip-tease
Bibliographic record
Abstract
Cosmo Vitelli (Ben Gazzara), patron d’une boîte de strip-tease à Los Angeles, est contraint par la mafia locale de tuer un bookmaker chinois pour rembourser une dette de jeu. Si ce bref résumé ne semble guère répondre aux préoccupations de John Cassavetes,le projet de Meurtre d’un bookmaker chinois (1976-1978) n’est pour- tant pas si éloigné de Une femme sous influence, qu’il vient d’achever, et surtout de Opening Night (1978), son film suivant. Cassavetes s’approprie les codes du film noir et plus souterrainement ceux de la comédie musicale pour dessiner un portrait bouleversant d’un homme seul, acculé à accepter un terrible marché pour, croit-il, conserver sa liberté. Nombre d’exégètes ont vu dans Cosmo Vitelli un autoportrait de Cassavetes confronté aux exigences des producteurs hollywoodiens. Cette séduisante hypothèse masque peut-être son véritable dessein : une mise à l’épreuve de la frontière entre la vie et la scène, déjà effective dans Too Late Blues (1961) et qui trouvera une forme d’aboutissement avec Myrtle Gordon (Gena Rowlands), l’héroïne de Opening Night. Cosmo et Myrtle sont les deux faces d’une même médaille : le premier veut vivre sa vie comme un spectacle, la seconde ne peut jouer sur scène autre chose que sa propre vie. (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 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.009 | 0.006 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.010 | 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".