Gemischte Charaktere in Gotthold Ephraim Lessings bürgerlichen Trauerspielen "Emilia Galotti" und "Miss Sara Sampson"
Bibliographic record
Abstract
Käesoleva bakalaureuse töö eesmärgiks on näidata, et Gotthold Ephraim Lessingu kirjutatud draamades Emilia Galotti ja Miss Sara Sampson vastavad teose tegelased nii öelda “gemischte Charaktere1” kriteeriumitele ning lähtudes Lessingu ideedest ja tõekspidamistest võis neil olla ka mõju ja effekt toonasele publikule. Valgustusajastu põhilised ideed puudutasid suuremas osas ratsionaalsust, haridust, eneseteadlikkust ja muud, mis pidi inimesi suunama mõtlema ja mitte enam minema kaasa halli massiga. Valgustuse ideed ulatuvad ka tagasi antiikaega. Olles antud epohhi üks silmapaistvamaid kirjanikke, on ka Lessing oma mõttes sidunud antiigiga. Nimelt Aristotelese meetodeid ja tõekspidamisi oli Lessing pidanud oluliseks ja naturaalseks ning kirjutades teoseid, kasutas ta neid ka ära. Oma kirjutises Hamburgi dramaturgiat kohta, kritiseeris Lessing sealsel laval etendatud tükke ja toonitas antiigist pärit meetodit, mille juures peaksid tragöödia ja komöödia kajastama kodanlikku igapäevaelu. Ka Lessingu enda teostes protagoniste kehastavad kodanikud ja mitte enam kuningad ja valitsejad. Seal juures kirjutas ta paljudele oma teostele traagilise lõpu. Nende kahe tulemusena pani ta aluse kodanlikule kurbmängule, mille eesmärk oli publikumi kasvatada ja nende eneseteadlikkust arendada. Läbi terve ajajärgu oli oluline arendada ratsionaalset mõtlemist ja rõhutada haridust ning täpselt seda üritas ka Lessing oma raamatute lugejate ja teatrihuvilistega teha. Et rahvast aga kasvatada, oli vaja teostes esinevad tegelased rahvale võimalikult lähedale tuua, et tekiks suhestumine ja mõistmine rahva ja teose tegelaste vahel. Publik pidi suutma samastuda teose karakteritega, mis omakorda pidi hirmu ja kaastunde abil esile kutsuma katarsise, ehk emotsionaalse puhastumise ja sama aegselt hirmu selle ees, et laval või raamatus toimunu võib juhtuda ka reaalses elus. Just katarsis koos hirmu ja kaastundega pidid tagama inimese kasvatuse ja panema neid mõtlema. Et samastumine võimalik oleks, pidid protagonistid olema tavarahvale võimalikult sarnased, see tähendab omama nii häid kui ka halbu iseloomujooni, mitte olema üdini kurjad või head. Sellist meetodit kasutades kirjutas ka Lessing oma draamad Emilia Galotti ja Miss Sara Sampson.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.011 | 0.003 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.021 | 0.004 |
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".