MétaCan
Menu
Retour à la cohorte
Enregistrement W3117130804 · doi:10.1163/22116257-09010006

Fighting Fascism with ‘Verbal Bullets’: Kaji Wataru and the Antifascist Struggle in Wartime East Asia

2020· article· en· W3117130804 sur OpenAlexaff
Edwin Michielsen

Notice bibliographique

RevueFascism · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueJapanese History and Culture
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésVisionLeagueChinaResistance (ecology)Spanish Civil WarPolitical scienceSociologyAnthropologyLaw

Résumé

récupéré en direct d'OpenAlex

Abstract This article examines the cultural production of Kaji Wataru, founder of the Zaika Nihonjinmin hansen dōmei [Japanese People’s Antiwar League in China] to illuminate what strategies Kaji used to train prisoners-of-war and to convert Japanese soldiers as a way to counter fascism during the second Sino-Japanese War (1937–1945). Scholars have tended to focus on unravelling the history surrounding Kaji Wataru and the Antiwar League. In doing so, they have often overlooked the constructive role his cultural works played in that history and in his antiwar thought. The author aims to show how Kaji’s reportage works, and plays, were the very media he used to develop and execute his antifascist visions and activities. The focus is on three reportage works and one play that best reflect Kaji’s antifascist strategies. Analyzing the texts, the author highlights descriptions dealing with the organization and activities of the Antiwar League as well as the cooperation with the Chinese resistance as part of the popular front in East Asia.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,856
Score d'incertitude au seuil0,728

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,224
Écart entre enseignants0,209 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFascismMême sujetJapanese History and CultureTravaux en français237 207