检索结果-南通市图书馆

社会性别视角下女性题材纪录片人物形象建构研究 ——以毕业作品《星光不负赶路人》为例

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

社会性别视角下女性题材纪录片人物形象建构研究 ——以毕业作品...

作者：刘梓璇曲阜师范大学

学位级别：硕士

社会对于个体身份的确认和形象的建构发挥着重要的作用,伴随着社会文化环境中女性主义思潮的解放和发展,越来越多的女性开始主动反思自身的价值。在社会思想解放和数字技术发展的背景下,女性题材纪录片作为以展现女性真实生活为主要创... 详细信息

社会对于个体身份的确认和形象的建构发挥着重要的作用,伴随着社会文化环境中女性主义思潮的解放和发展,越来越多的女性开始主动反思自身的价值。在社会思想解放和数字技术发展的背景下,女性题材纪录片作为以展现女性真实生活为主要创作内容的影像艺术形式,高度关注女性群体的生存状态,不断突破着自身的创作风格,以更为开放包容的手段和视角,逐渐打破传统刻板印象的束缚,追求人物形象多维度的呈现,并将女性思维和情感融入具体创作中,从而展现出更为多元、立体、生动的人物形象。性别是由社会文化和制度造就的,是一个动态发展的构成。本文将社会性别理论作为研究基础,通过半参与式观察、案例分析法及深度访谈法等研究方法,结合毕业作品《星光不负赶路人》,分析女性题材纪录片中的人物形象,以探讨人物形象建构为逻辑框架。具体来看,论文首先针对社会性别和女性题材纪录片等基础性理论,分别阐述其概念内容、形成与发展;其次,通过对女性题材纪录片中的人物形象特点和变迁过程的分析,总结出在具体实践过程中如何利用视听语言建构人物形象;然后,本文针对纪录片中的叙事策略,通过复合型叙事视角和多维度的叙事空间分析女性题材纪录片如何刻画多元立体的人物形象;另外,文章还阐释了在社会性别理论下,女性题材纪录片中人物形象建构的社会性别意义,其中包括推进性别话语权的回归和实现人物身份的建构;最后,通过对毕业作品《星光不负赶路人》进行创作分析,深刻解读其中的女性形象和其他形象,对实践和创作过程中的不足作出进一步总结和反思。总体来说,文章在社会性别理论的支撑下,通过具体分析解读女性题材纪录片自发展以来的经典案例中建构人物形象的方法,并结合毕业作品《星光不负赶路人》的具体实践,总结出在女性题材纪录片中建构人物形象的方式策略,以期为今后女性题材纪录片人物形象的建构提供可资借鉴的经验参考。

关键词：社会性别女性题材纪录片人物形象《星光不负赶路人》

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于改进特征融合的小目标检测算法研究

基于改进特征融合的小目标检测算法研究

作者：黄嘉璇电子科技大学

学位级别：硕士

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

单层硼烯外场相关双光子吸收特性的理论研究

单层硼烯外场相关双光子吸收特性的理论研究

作者：吴梦璇云南师范大学

学位级别：硕士

迁移创新类活动在高中英语词汇教学中的应用研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

迁移创新类活动在高中英语词汇教学中的应用研究

作者：罗天璇太原师范学院

学位级别：硕士

基于组合时域特征提取和Stacking集成学习的燃煤锅炉NO_(x)排放浓度预测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

中国电机工程学报 2024年第16期44卷 6551-6564,I0022页

作者：唐振浩隋梦璇曹生现东北电力大学自动化工程学院吉林省吉林市132012

为提高火电厂锅炉出口NO_(x)排放浓度的预测精度,提出一种考虑组合时域特征的Stacking集成学习模型。首先,为挖掘数据深层信息,采用时序分析、完全自适应噪声集合经验模态分解(complete ensemble empirical mode decomposition with ada... 详细信息

为提高火电厂锅炉出口NO_(x)排放浓度的预测精度,提出一种考虑组合时域特征的Stacking集成学习模型。首先,为挖掘数据深层信息,采用时序分析、完全自适应噪声集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise analysis,CEEMDAN)和统计学计算数据标准差、偏度等特征的方法进行组合时域特征提取以构建重构数据;其次,考虑到重构数据中存在的冗余变量对模型的精度有所影响,利用遗传算法(genetic algorithm,GA)对重构数据进行特征降维;最后,为充分发挥各个模型的优势以提高模型的预测精度,构建以极限学习机(extreme learning machines,ELM)、深度神经网络(deep neural networks,DNN)、多层感知器(multilayer perceptron,MLP)、极限梯度提升算法(extreme gradient boosting,XGBoost)为基模型和以回声状态网络(echo state network,ESN)为元模型的Stacking集成学习NOx排放浓度预测模型。实验结果表明:该预测模型在不同数据集下都有着不错的预测效果,预测误差均小于2%,能够对锅炉NOx排放浓度实现精准预测。

关键词： NO_(x)排放浓度时序特征时域特征数据重构 Stacking集成学习