How Customers Evaluate Genitalia versus Torso Sex Toys on Amazon.com: A Content Analysis of Product Reviews
Notice bibliographique
Résumé
Sex toys are widely marketed on the Internet. Browsing for, buying, and reviewing sex toys online are popular cybersexual activities. The aim of this study was to investigate consumers’ experiences with different types of realistic sex toys via online product reviews on Amazon.com. Toys were categorized in a 2 × 2 design regarding their representation of the human body (genitalia sex toys representing reproductive organs only versus torso toys representing larger parts of the human body) and their depiction of gender (toys representing female versus male body parts). Informed by feminist discourses on sex toys as well as sexual script theory and consumer research, the study explored the overall evaluations (RQ1), most frequently addressed characteristics (RQ2), usage patterns (RQ3), and perceived effects (RQ4) of the four groups of sex toys. A quantitative manual content analysis of N = 778 online sex toy reviews showed that 79% of consumers gave popular realistic sex toys positive ratings (RQ1). The most frequently mentioned characteristics were quality, material, and shape (RQ2). Most reviewers were men and used sex toys for solo sexual activities (RQ3). An additional qualitative analysis of n = 69 reviews addressing the perceived effects of sex toy use revealed that consumers predominantly mentioned positive effects (RQ4). Genitalia sex toys received better evaluations than torso sex toys and were perceived to be complementary tools to enhance sexual arousal, whereas the use of torso toys entailed anthropomorphization and symbolic social interactions. Implications for future research and design of different types of sex toys are discussed.
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 | 0,006 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,000 | 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 ».