MétaCan
Menu
Retour à la cohorte
Enregistrement W4391305271 · doi:10.15173/a.v2i2.2999

I Love Asian Girls!; Orientalism through the Female Asian American Lens

2022· article· en· W4391305271 sur OpenAlexaff
Natalie Chu

Notice bibliographique

RevueAletheia · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration, Ethnicity, and Economy
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésOrientalismAsian americansGender studiesLens (geology)HistorySociologyArtLiteratureAnthropologyBiologyEthnic groupPaleontology

Résumé

récupéré en direct d'OpenAlex

“My immigrant experience is not the same as these women, but I felt it in my bones. Because to be here is to be the same,” laments Eileen Cheng-Yin Chow, a professor of Asian American and diaspora studies at Duke University, following the Atlanta Spa killings. The sexualization of Asian women has persisted since their first arrival to the Americas in the 20th century. Not only has this caused direct violence, like the Atlanta Spa shooting in March 2021, which resulted in the death of 6 Asian women, but also the ‘orientalizing’ perception and self-perception of Asian American Women (AAW). In this paper, I explore the historical origins of this orientalization as it relates to media and then analyze contemporary art media (poetry, photography, etc.) from AAW to explore how this has affected modern self-perception. By focusing on the direct perspective of AAW, I explore different ways orientalism is synthesized through AAW identity, dissonance, fragmentation, and rebellion. Through my paper, I conclude that the intersectionality between orientalism, gender, and nationality has caused a profound disillusion from traditional and cultural expectations of the ‘homeland’ as well as disillusioned from the stereotypical expectations of the Americas. This, however, may contribute to the creation of a new identity, which hinges on the unique aspects of intersectionality, which focuses on the AAW voice instead of the colonial voice.

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 candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,714
Score d'incertitude au seuil1,000

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)0,0040,000

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 Opus0,029
Tête enseignante GPT0,299
Écart entre enseignants0,270 · 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.

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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAletheiaMême sujetMigration, Ethnicity, and EconomyTravaux en français237 207