"Und die Moral von der Geschicht?" : Ethische Untersuchungen der Morallehre in europäischen Volksmärchen
Bibliographic record
Abstract
In dieser Arbeit möchte ich herausfinden, welche Moral in Märchen vermittelt wird. Um dieser Fragestellung gerecht zu werden, beginne ich mit einer grundlegenden Einführung in das Thema Märchen. Als nächstes folgt eine Charakterisierung des Märchens. Nach diesem allgemeinen Teil werden verschiedene Märchensammler wie Giambattista Basile, Charles Perrault und die Brüder Grimm und deren Werke untersucht. Dadurch entstehen Vergleichsmöglichkeiten von italienischen, französischen und deutschen Märchensammlern. Durch die Auseinandersetzung mit den Märchensammlern soll auch die Frage geklärt werden, ob Märchen schon immer eine Moral enthalten haben oder ob diese von den Autoren später hinzugefügt wurde. In den nächsten Kapiteln werden folgende Fragestellungen bearbeitet: Welche Symbole kommen im Märchen vor und welche Bedeutung haben diese? Wie wirken Märchen auf Kinder? Sind Märchen überhaupt für Kinder geeignet? Hier gibt die psychologische Märchenforschung Antworten. Lawrence Kohlberg, Bruno Bettelheim und Carl Gustav Jung analysieren, deuten und bewerten Märchen. Ihre Thesen habe ich zusammengefasst. Anschließend geht es um die Frage, wie man mit den Gewaltdarstellungen im Märchen umgehen soll. Danach beschäftige ich mich mit dem richtigen Märchenalter für Kinder. Wichtig ist auch, ob die Märchen und deren Moral heute eigentlich noch aktuell sind. Danach werden die Besonderheiten der Märchenmoral analysiert. Nach diesem Teil, der sich mit bestimmten Fragestellungen zum Märchen beschäftigt, folgen Märcheninterpretationen von ausgewählten Märchen. Besondere Aufmerksamkeit schenke ich den Märchen „Griseldis“ von Charles Perrault, sowie „Aschenputtel“ und „Die Bienenkönigin“ in den Versionen der Brüder Grimm. Das Ziel ist ein Vergleich verschiedener Deutungen eines Märchens. Nach der Sammlung der Deutungen folgt eine ethische Bewertung der Angemessenheit der Morallehre.
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 | 0.004 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.005 | 0.019 |
| Scholarly communication | 0.006 | 0.005 |
| Open science | 0.000 | 0.005 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
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".