¿Educando en igualdad? Análisis de la triada pornografía-discriminación-violencia. Feminidad y masculinidad en la pornografía convencional
Notice bibliographique
Résumé
Dentro del feminismo se ha debatido desde los años setenta sobre el daño o beneficio que supone la pornografía en la lucha por la igualdad. Las feministas anti-pornografía la consideran una de las causas de la existente violencia contra las mujeres, mientras que las feministas pro-pornografía la contemplan como una consecuencia de la libertad de expresión, y un posible espacio de subversión y reivindicación de los derechos sexuales de las mujeres. A pesar de la existencia de este eterno debate, poco ha cambiado la pornografía; ni se ha reducido la violencia contra las mujeres, ni el post-porno ha podido igualar, ni menos desterrar, a la pornografía tradicional. Para poder romper la relación entre pornografía, violencia y discriminación es necesario que ambas posturas del feminismo encuentren un punto de convergencia, como la educación en igualdad. En esta comunicación se explorará la relación entre pornografía y roles de género transmitidos. Para ello se analizan las conductas permitidas y prohibidas en el ámbito. El marco teórico contemplado se basa en los textos de MacKinnon, Erika Lust, Sunstein y Gail Dines. Se emplea un enfoque fenomenológico para poder evaluar las características de la pornografía mainstreaming. Los instrumentos empleados para dicha aproximación son: las bases de datos sobre consumo de pornografía convencional (pornhubinsights, alexa, freewebsitereport y google analytics data) y las páginas con mejor posicionamiento (según alexa y freewebsitereport). Para llegar a los resultados se emplea un análisis del contenido latente, apoyado también con un análisis cuantitativo univariado. Las conclusiones se centran en cómo y hasta qué punto debería ser regulada la pornografía, teniendo en cuenta su impacto en la educación sexual de los/as más jóvenes.
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 | 0,006 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,006 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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 ».