I bring that yellow to the rap game: Asian American feminisms in rap music
Bibliographic record
Abstract
Les représentations occidentales des femmes asiatiques dessinent celles-ci soit selon le modèle de la dame dragon – une femme fatale terrorisante de par ses pouvoirs d'émasculation ; soit selon celui du nourrisson en fleur — une fille modeste, obéissante et exotique. Ces deux extrêmes renvoient à une seule et même exclusion voyeuriste et sexuelle des femmes asiatiques ; une conception qui perçoit leur valeur comme étant intrinsèque à leur sex-appeal exotique, et qui construit une image des femmes asiatiques qui s'apparente à des objets d'ornements dont le dessein serait de servir les plaisirs d'un protagoniste blanc. En considérant la manière dont trois femmes rappeuses d'origine asiatique — Masia One, Rocky Rivera et Awkwafina — interagissent avec la culture hip-hop et créent des représentations d'elles-mêmes, j'identifie la façon dont elles se perçoivent comme étant en porte-à-faux avec le mythe de la minorité modèle, et autres stéréotypes qui réduisent la femme à l'état d'objet. L'autoreprésentation lie le travail de ces trois artistes, et ce mémoire examine leur positionnement en tant qu'interprètes non noires dans le milieu du hip-hop. À travers l'analyse de la carrière artistique, du style musical et de l'utilisation des médias visuels que font Masia One, Rocky Rivera et Awkwafina, cet ouvrage examine le transnationalisme afro-asiatique et l'échange culturel entre deux groupes marginalisés comme forme antiraciste qui fait appel au sentiment d'appartenance des immigrants dans une société nord-américaine.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.010 | 0.006 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".