Dizer a verdade no teatro moderno: Ricardo III, Hamlet e Rei Lear
Bibliographic record
Abstract
Seguindo o que foi proposto por Michel Foucault em seu curso “Le gouvernement de soi et des autres”, esse trabalho faz uma leitura de três peças de Shakespeare que permitem uma discussão sobre "formas de governabilidade" e veridicção, ideias trabalhadas em torno do conceito de "parresia" pelo pensador francês. Num trânsito interessante entre a história e a literatura, o discurso literário encena o jogo político e seus problemas: em Ricardo III temos um rei usurpador: se são as mentiras que o levam ao poder, são também elas que o irão destituir dele. Hamlet precisa fazer alguma coisa para vingar a morte do pai mas vai ver seus esforços baldados: ninguém quer ouvir a verdade e a sua teatral loucura acaba por chamar mais a atenção do que as verdades que insiste em repetir. Em Rei Lear refina-se ainda mais o aparecimento do discurso da verdade e sua relação com o poder: de suas três filhas, apenas Cordélia dirá a verdade abertamente a seu pai. Podemos chegar a conclusões interessantes sobre a negação de uma única verdade absoluta e a opção pela ambigüidade como complexidade buscada pela literatura moderna, ou, ousando ainda mais, concluir que a governabilidade moderna depende da relativização da verdade, como queria Maquiavel.
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) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.006 | 0.016 |
| Scholarly communication | 0.007 | 0.006 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.005 | 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".