#BodyIssue and Instagram: A Gender Disparity in Conversation, Coverage, and Content in ESPN The Magazine
Notice bibliographique
Résumé
ESPN The Magazine’s The Body Issue positions itself as an inclusive and sport-focused publication. With a focus on gender, the purpose of the current study was to examine the online thoughts and opinions that resulted from #BodyIssue on Instagram. In addition, the Instagram posting activity of ESPN (@espn) and espnW (@espnw) as it pertained to the promotion of the featured athletes and the Instagram accounts of the athletes featured in the 2016 Body Issue were explored. A text and network analysis surrounding #BodyIssue for both male and female Body Issue athletes was conducted using the Netlytic program. Manual Instagram tracking of @espn and @espnw, as well as the featured athletes’ accounts, was performed. In its entirety, this study was conducted between June 29 and July 13, 2016. Online thoughts and opinions, although differing by gender, were generally positive, with a large focus on physical form, not sexuality and/or nudity. Furthermore, a gender disparity was reported in regard to ESPN Inc.’s Instagram posting activity, with @espn choosing only to celebrate its male Body Issue athletes on Instagram and @espnw only posting about 2 of the 9 female athletes. There was a significant difference in the number of Instagram followers for the female athletes 1 wk prior to the online release of the issue ( M = 105,767.78, SD = 141,193.71) and 1 wk postrelease ( M = 109,742.56, SD = 142,890.11), t (8) = −4.29, p = .003. Further analyses of other Body Issue editions is needed to continue investigating this gender disparity and its potential impact on athletes, sport culture, and social attitudes.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».