Notice bibliographique
Résumé
This article shows how Dostoevsky’s narration in Crime and Punishment not only creates the expectation of a guilt script while offering readers a shame scenario but also plunges readers into Raskolnikov’s head before distancing us from his thinking. Because Raskolnikov commits murder in Part One, readers expect a guilt script: crime, repentance, punishment, expiation. But Dostoevsky’s narrator offers us a shame scenario, which has no fixed script. Shame relates broadly to human identity; guilt relates more narrowly to human action. In Crime and Punishment, Dostoevsky explores how the pain of shame at one’s identity leads Raskolnikov to commit murder. At the end of Part Six, Raskolnikov finally confesses his crime – an important acknowledgement of guilt, but he does not yet signal repentance. Dostoevsky thus keeps readers off-balance for the novel’s duration – we expect, but do not get, a guilt script until the Epilogue’s final pages. Dostoevsky strengthens this strategy by keeping the guilt script alive among the novel’s characters. Because most characters view Raskolnikov as a moral agent, they expect him to feel concern for others and to act accordingly. But he doesn’t. Since readers share characters’ expectations, their puzzlement becomes ours. As characters “read” Raskolnikov – his face, his words, his actions – trying to understand what motivates his actions, readers do the same. The discrepancy between what we all expect and what we witness keeps us guessing. Not until Raskolnikov realizes and admits his need for others, as he does at the end of the Epilogue when he is thrown at Sonya’s feet, can he see himself as the moral agent that Dostoevsky’s narrator, readers, and characterobservers have been expecting all along. Love, the most powerful moral emotion of all, allows Raskolnikov to get past his shame, admit his guilt, and rejoin the human community.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».