Actualisation scénique et étude de deux réécritures de la figure shakespearienne d'Hamlet (par Heiner Muller et Robert Gurik) dans leurs rapports à la psychanalyse freudienne
Bibliographic record
Abstract
Le sujet proposé pour ce mémoire création est une étude comparative de la figure shakespearienne d'Hamlet à travers les actualisations textuelles Hamlet-machine d'Heiner Müller et Hamlet, prince du Québec de Robert Gurik. Nous montrerons comment les procédés utilisés par Müller et Gurik transforment le modèle oedipien contenu dans la pièce La Tragique Histoire de Hamlet Prince de Danemark de Shakespeare. L'approche théorique de cette étude est la psychanalyse freudienne et notamment, les analyses de la pièce Hamlet de Shakespeare réalisées par Ernest Jones et André Green. Freud et Jones après lui découvrent dès 1897 que la tragédie de Shakespeare se présente comme une reprise rajeunie et compliquée de la tragédie d'OEdipe Roi. Notre hypothèse est que d'une culture à l'autre, de l'Angleterre élisabéthaine à l'Allemagne de la Guerre Froide, en passant par le Québec de la Révolution tranquille, les thèmes fondamentaux du récit oedipien seront accentués différemment. Ce mémoire est la suite de la création (Hamlet) sans titre, une mise à l'épreuve théâtrale dont nous avons écrit et mis en scène le texte. Cette actualisation du personnage Hamlet avait comme but la réinterprétation des thèmes oedipiens. Elle confirme le potentiel cathartique du caractère oedipien de la figure de Hamlet. ______________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : Hamlet, Œdipe, Hamlet-machine, Hamlet, prince du Québec, Psychanalyse, Grotowski.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.008 | 0.020 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.012 | 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".