MétaCan
Menu
← Retour à la cohorte
Enregistrement W2955105587 · doi:10.1371/journal.pone.0218315

Barbie’s new look: Exploring cognitive body representation among female children and adolescents

2019· article· en· W2955105587 sur OpenAlexafffund
Amy Nesbitt, Catherine M. Sabiston, Melissa L. deJonge, Shauna Solomon‐Krakus, Timothy N. Welsh

Notice bibliographique

RevuePLoS ONE · 2019
Typearticle
Langueen
DomainePsychology
ThématiqueEating Disorders and Behaviors
Établissements canadiensUniversity of Toronto
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaNatural Sciences and Engineering Research Council of Canada
Mots-clésCognitionPsychologySalientHuman physical appearanceMatching (statistics)Developmental psychologyBody mass indexMedicineComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The original Barbie doll's unrealistic body shape can negatively affect young girls' body image. Mattel produced new Barbie dolls with "tall", "curvy", and "petite" body types, yet how girls perceive and evaluate the three new Barbie body types remains unknown. This study investigated whether young girls engage in an automatic "self-other matching" process when viewing the different Barbie doll representations. Female children and adolescents (N = 38; Mage = 10; 6-14 years old; SD = 2.24 years) completed a body-part compatibility task to provide an index of how they implicitly relate cognitive representations of their own body to the different doll images. Significant (p < .05) body-part compatibility effects emerged for the original, curvy and petite dolls, but not for the tall Barbie. These findings indicate that girls engage in a self-other body matching process when viewing Barbie, but that the strength of this matching is influenced by the doll's body type. Results provide new evidence on the underlying cognitive mechanisms that occur when girls are exposed to physique-salient toys, and may have implications for young girls' body image development and use of appearance-based social comparisons.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,070
Tête enseignante GPT0,295
Écart entre enseignants0,224 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations17
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLoS ONE→Même sujetEating Disorders and Behaviors→Travaux en français237 207→