Emmas Glück : ein Vergleich zwischen dem Roman von Claudia Schreiber und dem Spielfilm des Regisseurs Sven Taddicken
Bibliographic record
Abstract
Kirjallisuusfilmatisoinnit ovat suhteellisen uusi tutkimusalue. Alalla tehty vähäinen tutkimus on osoittanut, että kirjallisuusfilmatisointeja ei ole tähän asti pidetty itsenäisinä teoksina, vaan pikemminkin hieman väheksyttyinä yritelminä toistaa kirjallisia alkuteoksiaan. Suuri osa nykyfilmeistä kuitenkin perustuu kirjalliseen alkuteokseen, ja siksi aihe kaipaa lisätutkimusta. Tässä tutkielmassa paneudutaan saksankielisen kirjallisuusfilmatisoinnin tutkimukseen. Tutkielmassa pyritään analysoimaan, miten tutkimusmateriaalina olleen kirjallisen alkuteoksen kerrontatekniikat on siirretty elokuvakerronnan muotoon, miten tämä on onnistunut sekä miten teokset mahdollisesti eroavat toisistaan ja miksi. Lisäksi tutkielmassa pohditaan, voisiko kirjallisuusfilmatisointi vihdoin saada tunnustusta itsenäisenä teoksena. Tutkimusmateriaalina käytettiin Claudia Schreiberin saksankielistä romaania Emmas Glück (2003) sekä samannimistä Sven Taddickenin ohjaamaa elokuvaa vuodelta 2006. Tutkimuksessa käytettiin hermeneuttista aineistontulkintamenetelmää, sisällönanalyysiä sekä joiltakin osin vertailua. Materiaalista valittiin tutkittava aines ja työstettiin edellisten tulkintojen perusteella aina uusia tulkintoja. Kumpikin teos käytiin läpi lukuisia kertoja. Kirjallisen alkuteoksen tutkittaville parametreille pyrittiin löytämään vastaavuuksia elokuvassa. Elokuvan ohjaaja oli luonut teoksestaan alkuperäisteokselle suhteellisen uskollisen elo-kuvasovituksen. Elokuva kuitenkin eroaa tietyiltä osin alkuperäisteoksestaan (esim. elo-kuvan loppu), mikä muuttaa oleellisesti tarinan tunnelmaa ja tekee elokuvasta harmonisemman kokonaisuuden kuin alkuperäisteoksensa, jonka tyyli poikkeaa lopussa liikaa alkuperäisideasta. Kun elokuvan genre pysyy loppuun asti draamana, voi kirjallisen alku-teoksen loppuosaa kutsua pikemminkin viihteeksi. Tässä tutkimuksessa analysoidun kirjallisuusfilmatisoinnin perusteella on aiheellista todeta, että kirjallisuusfilmatisointi voi myös olla itsenäinen ja toimiva kokonaisuus sekä myös sellaisena tunnustettu teoksensa.
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 | 0.003 | 0.011 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.003 | 0.005 |
| Scholarly communication | 0.007 | 0.005 |
| Open science | 0.000 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.013 | 0.002 |
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".