Racism, Canadian War Crimes, and the Korean War: Shin Hyun-Chan's Quest for Justice
Notice bibliographique
Résumé
Scholars and journalists in Korea and the United States have worked hard over the past 15 years to bring to light the mass killings of civilians that occurred during the Korean War. These stories, including that of the strafing of civilians at No Gun Ri, have challenged the hegemonic narrative of the ‘good war’ that has dominated south Korean and US accounts of this tragic past. In the following revised excerpt of a chapter from his new book, Orienting Canada: Race, Empire and the Transpacific (Vancouver: UBC Press, 2011), Canadian historian John Price documents the story of Mr. Shin Hyun-Chan, a survivor of a Canadian war crime committed during the Korean war. In investigating the Shin case the author uncovered numerous other war crimes committed by Canadian forces in Korea, including rape and murder. In almost all cases where the perpetrators faced court-martials, they were found guilty but then exonerated upon return to Canada. Reporters in Korea at the time pointed to racism as endemic and a contributing factor. But the Canadian military, supported by religious leaders, refuted the accusations and buried the stories. The case reveals much about the politics of impunity as practiced by both the American and Canadian military during and after the war. And of the politics of impunity wherever Status of Forces Agreements protect foreign military forces from prosecution on the ground. As in the US, the Canadian military continues to refuse to accept responsibility for this and other war crimes. Sixty years later, however, the truth is finally coming out. Mr. Shin has recently retained legal counsel to press his case with the Canadian government. The case illustrates the importance of expanding research on war crimes committed during the Korea War beyond the US and South Korean archives. It also raises important dimensions of law and justice in an era in which Status of Forces Agreements (SOFA) insulate US and other foreign military forces from domestic courts where soldiers are stationed on foreign soil, whether in war or peace.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,050 | 0,017 |
| Communication savante | 0,016 | 0,005 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».