MétaCan
Menu
Retour à la cohorte
Enregistrement W3160916970 · doi:10.31234/osf.io/qn7pt

Sexual orientation predicts women’s preferences for sexually dimorphic face-shape characteristics

2021· preprint· en· W3160916970 sur OpenAlexaff
Victor Kenji Medeiros Shiramizu, Lisa M. DeBruine, David R. Feinberg, Benedict C. Jones

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomainePsychology
ThématiqueEvolutionary Psychology and Human Behavior
Établissements canadiensMcMaster University
Organismes subventionnairesEngineering and Physical Sciences Research Council
Mots-clésMasculinitySexual orientationPsychologyReproductionFace (sociological concept)Social psychologySexual dimorphismDemographyGender studiesDevelopmental psychologySociologyMedicineBiologyEcology

Résumé

récupéré en direct d'OpenAlex

Trade-off theories of women’s masculinity preferences propose that women’s masculinity preferences vary according to the probability of reproduction. Consistent with the proposal that preferences for masculine men are stronger when probability of reproduction is higher, previous research reported that heterosexual women show stronger preferences for images of male faces displaying masculine shape characteristics than do homosexual women (Glassenberg et al., 2010). However, many reported findings for individual differences in women’s masculinity preferences have not been replicated in subsequent studies. Consequently, we carried out a direct replication of Glassenberg et al’s (2010) comparison of heterosexual and homosexual women’s preferences for sexually dimorphic face-shape characteristics. Replicating the results from Glassenberg et al. (2010), we found that heterosexual women (N = 20,360) showed stronger preferences for masculine men that did homosexual women (N = 1598). This finding is consistent with the proposal that women’s preferences for masculine men are stronger when the probability of reproduction is higher, presenting further evidence for trade-off theories of women’s masculinity preferences.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,007
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,077
Tête enseignante GPT0,355
Écart entre enseignants0,278 · 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

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEvolutionary Psychology and Human BehaviorTravaux en français237 207