The demand for reparations and the grievances of war crime victims in China
Notice bibliographique
Résumé
The end of cold war, the revival of nationalism, the rise of human rights concern and the development of information technology give rise to the rising tide of reparations demand in China and Asia at the end of the 20th century. The Chinese WWII victims of war crime have been demanding historical justice, sincere apology and legal claim towards Japan Government and Japanese corporations. The wave of reparations among Asian victims is the response of a delayed justice, an attempt to restore human dignity from the defects of the Tokyo War Crime Trial and the San Francisco Peace Treaty. Compared with the American, the Canadian, the Dutch, the Korean and the Philippines counterparts, the Chinese war crime victims are the most silent group, despite the fact that they suffered the most from the Japanese militarism in WWII. This thesis is an attempt to analyze, from the state-society relations perspective, the demand for reparations in contemporary China. Research data is collected mainly by interviewing more than 20 activists and 50 Chinese war crime victims of different kinds, including the survivors of massacre, the sex slaves (comfort women), the forced labors, the victims of indiscriminative bombing, chemical-bacteria warfare and biological experiment. Drawing from this variety of data, this paper attempts to analyze the reasons for their silence over half century, and explores the reasons for their redress in recent years. Findings show that organizational and institutional limitation, nationalism and ideology constituted obstacles for reparations movement in China before 1978. During the wave of global reparations in 1990s, China Government was the major obstacle for reparations claim. With the change in government role and attitude in late 1990s and the forces of globalization, the demand for reparations among victims and activists were more active and the movement will be more significant in the coming years.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,003 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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 ».