Machtstrukturen bei Pedro Calederón [Calderón] de la Barca und Francisco de Rojas Zorrilla
Bibliographic record
Abstract
Diese Arbeit widmet sich der textlinguistischen Analyse und Interpretation von Machtstrukturen in narrativen Texten. Im Zentrum der Untersuchung stehen dabei die beiden Primärtexte El alcalde de Zalamea von Pedro Calderón de la Barca und Del rey abajo ninguno, y el labrador más honrado Garcia del Castañar von Francisco de Rojas Zorrilla. Ziel dieser Arbeit ist die textanthropologische Darstellung von Machtstrukturen mit einem text- und sprachwissenschaftlichen Ansatz. Die Untersuchung konzentriert sich darauf, die verschiedenen Makrostrukturen (Textoide) herauszufiltern, mit denen die handelnden Figuren ihre Macht aufzeigen. Deshalb lautet die Forschungsfrage, inwiefern es den Hauptfiguren in beiden Stücken möglich ist, die Handlung zu bestimmen, und somit der Mächtigste zu sein. Dafür muss die Handlung anhand einer textoidischen Analyse in einzelne Textoide zerlegt werden, um zu zeigen, wer das größte Textoid besitzt, und somit die meiste Macht ausübt. Das Egebnis der Analyse ist, dass Macht zu keiner Zeit absolut festzumachen ist, denn keinem der Akteure gelingt es, über einen längeren Zeitraum hinweg, Macht auszuüben und die Handlung ausschließlich nach seinem Willen zu gestalten.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.003 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.008 | 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".