Transnational Legitimization of an Actor: The Life and Career of Soon-Tek Oh
Notice bibliographique
Résumé
He is the voice of the father in the Disney animation film Mulan (1998). He is Sensei in the Hollywood hit film Beverly Hills Ninja (1997). He is Lieutenant Hip in the 007 film The Man with the Golden Gun (1974). These examples may trigger memories of Soon-Tek Oh in the minds of many Americans. Some would vaguely remember him as the “oriental” actor whose face often gets confused with those of other Asian and Asian American actors, such as Mako and James Hong. Theatre aficionados may remember him for his award-winning role in Stephen Sondheim’s musical Pacific Overtures in the 1970s, but more Americans will know him as the quintessential “oriental” man in Hollywood. This is not the legacy Soon-Tek Oh wanted. He would prefer to be remembered as an artist, an actor who played Hamlet, Romeo, and Osvald Alving; who founded theatre companies; who promoted cultural awareness for Korean Americans; and who taught youths with all of his integrity. He wanted to be a “great actor,” who transcended all markings, especially racial ones, and who was recognized for his talent as an artist. He has sought what I describe in this essay as “legitimization” as a respected actor at every crucial point in his life.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,026 | 0,031 |
| Communication savante | 0,014 | 0,011 |
| Science ouverte | 0,001 | 0,008 |
| Intégrité de la recherche | 0,004 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».