Mate selection among online daters in Shanghai: Why does education matter?
Notice bibliographique
Résumé
Prior studies of assortative mating have shown that people tend to marry someone of the same educational level, but why individuals value a mate's education and the process of mate selection itself remain a black box in predominantly quantitative studies. With online dating's growing popularity, research needs to examine how online daters navigate dating markets given educational preferences they hold and "freedom of choice" offered by technologies. This study aims to investigate individuals' educational preferences and how educational preferences shape mate selection processes in online dating. In-depth interviews were conducted with 29 university-educated, heterosexual online daters (13 men, 16 women) in Shanghai. Data were analyzed through a combination of abductive and inductive coding strategies. Results showed that both educational levels and university prestige were primary mate selection criteria in online dating. Both genders considered educational sorting essential for achieving cultural matching, but only men emphasized the importance of spouse's education for their future children's education. Furthermore, guided by their educational preferences, online daters deliberately chose dating platforms and screened dating candidates. We argue that online daters' emphasis on university prestige is rooted in China's hierarchical higher education system, and gendered rationales for educational preferences stem from ingrained gender roles in Chinese families. Seemingly "personal" preferences are therefore shaped by cultural norms and institutional contexts. Moreover, results suggest that online dating may reinforce social closure among China's educational elites.
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 | 0,000 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».