MétaCan
Menu
Retour à la cohorte
Enregistrement W4205358324 · doi:10.5539/ass.v18n1p65

Saudi Viewers’ Perceptions of Attack on Titan Japanese Animation Online Series

2021· article· en· W4205358324 sur OpenAlexvenueno aff
Afnan Qutub, Merfat Alardawi

Notice bibliographique

RevueAsian Social Science · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMedia, Gender, and Advertising
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAnimeAnimationPerceptionPsychologyTitan (rocket family)AdvertisingSocial psychologyArtVisual artsComputer scienceArtificial intelligenceEngineering

Résumé

récupéré en direct d'OpenAlex

This quantitative study examines Saudi viewers’ perceptions of the Japanese anime Attack on Titan. Data collection was undertaken by means of an online survey of 346 viewers of the animation, aged between fourteen and thirty-eight. The results indicated that the most popular characters were Levi, Eren, and Mikasa, with the least liked being the Armorer Titan, the Female Titan, Sasha, and Christa. The research found that the participants were attracted to scenes including fights between human and Titans, flying blood, and dialogue. The viewers expressed an interest in the unique scenario of the series, as well as each character’s tone of voice and facial expression. Finally, the hypothesis testing (Ho) of viewers’ tendency to like characters based on gender was accepted as confirmed by the 2-tail test (.042), i.e. the participants tended to prefer male characters. This study recommends that future research applies content analysis to provide further insights into the reasons behind the identified preference for male characters.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,539
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,055
Tête enseignante GPT0,375
Écart entre enseignants0,320 · 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 tête enseignante, pas un consensus.

Devis d'étudeQualitatif
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 revueAsian Social ScienceMême sujetMedia, Gender, and AdvertisingTravaux en français237 207