Edebiyat ve Sinema Birlikteliğine Arketipsel Bir Bakış: Yılanı Öldürseler Örneği
Bibliographic record
Abstract
İnsanlık tarihi boyunca sanatlar arasında görülen etkileşimler, bugün medyalar arasında gerçekleşmektedir. Edebiyat ve sinema bu etkileşimin en yoğun karşılaşıldığı iki alandır. Teknolojik gelişmelerle birlikte keşfedilen sinema bir eğlence aracı olmakla beraber birçok sanat dalını kapsayan bir anlatı formu haline gelmiştir. Roman ve sinema arasında yaklaşık üç yüz yıllık bir zaman farkı vardır. Sinemanın sanatsal yönünü besleyen alan ise edebiyat olmuştur. Başlangıcından bugüne sinemada ana akım olarak romanvari yani romana özgü anlatım biçimi olmuş ve edebiyatta kullanılan arketipler ve prototipler öne çıkmıştır. Bu çerçeveden bakıldığında dünya sinemasında ve benzer olarak Türk Sinemasında edebi eserlerden istifade edilmiştir. Yaşar Kemal’in aynı adla sinemaya uyarlanan eseri Yılanı Öldürseler, Yaşar Kemal’in uyarlamalar için en beğendiği örnek olması sebebiyle incelemeye değer bulunmuştur. Diğer yandan günümüzde metinlerarasılık, disiplinler arası gibi yeni düşünme pratikleriyle şair ve yazarlar eserlerinde mitolojik unsurları kullanmaktadır. Yaşar Kemal, romanlarında halk edebiyatının motiflerini sıklıkla kullanmakla beraber, arketiplere de yer vermiştir. Yılanı Öldürseler romanı, mitolojik kökenli arketiplerle psikolojik bir çatışmayı anlatır. Bu çalışmada; adı geçen eser ve eserden uyarlanan film, Jung’un “ortak bilinçdışı” kavramı rehberliğinde arketipsel eleştiri yöntemiyle ele alınmış, kahraman, anne, yaşlı bilge adam, gölge yan ve yılan arketipleri incelenmiştir.
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) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.031 | 0.008 |
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".