The Merchant of Venice in Auschwitz: Taking Apart Shylock Using the SCM and BIAS Map
Notice bibliographique
Résumé
In response to Frontiers’ 2020 Call for Papers on “Stereotypes and Intercultural Relations: Interdisciplinary Integration, New Approaches, and New Contexts,” my paper integrates the scientific study of stereotypes with a literary-theatrical exploration of stereotyping. The focus is on Tibor Egervari’s post-Auschwitz adaptation of Shakespeare’s anti-Semitic comedy The Merchant of Venice , with a very brief look at his related work on Christopher Marlowe’s The Jew of Malta and his 1998 collaboration with conductor Georg Tintner on a touring production of composer Viktor Ullmann’s and librettist Peter Kien’s one-act opera, The Emperor of Atlantis, or Death’s Refusal , composed in the “model” concentration camp Terezín (Theresienstadt), in 1943–1944. Egervari’s theater art critically deconstructs what he calls “the Old Jew” stereotype in specific ways highly readable using the Stereotype Content Model (SCM) and Behavior from Intergroup Affect and Stereotypes (BIAS) map. Theater performance can sometimes embody the forceful dynamic traced by the BIAS map, from cognition to affect to behavior. Egervari’s original adapation, which sets The Merchant of Venice in Auschwitz, reveals this dynamic clearly. My interdisciplinary study of Egervari’s theatrical-cultural work validates the SCM and BIAS map for literary studies and interprets the Shylock stereotype in the terms of those models and through the lens of Egervari’s anti-Nazi adaptation of Shakespeare’s Merchant .
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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».