Predictors of enhancing human physical attractiveness: Data from 93 countries
Notice bibliographique
Résumé
People across the world and throughout history have gone to great lengths to enhance their physical appearance. Evolutionary psychologists and ethologists have largely attempted to explain this phenomenon via mating preferences and strategies. Here, we test one of the most popular evolutionary hypotheses for beauty-enhancing behaviors, drawn from mating market and parasite stress perspectives, in a large cross-cultural sample. We also test hypotheses drawn from other influential and non-mutually exclusive theoretical frameworks, from biosocial role theory to a cultural media perspective. Survey data from 93,158 human participants across 93 countries provide evidence that behaviors such as applying makeup or using other cosmetics, hair grooming, clothing style, caring for body hygiene, and exercising or following a specific diet for the specific purpose of improving ones physical attractiveness, are universal. Indeed, 99% of participants reported spending >10 min a day performing beauty-enhancing behaviors. The results largely support evolutionary hypotheses: more time was spent enhancing beauty by women (almost 4 h a day, on average) than by men (3.6 h a day), by the youngest participants (and contrary to predictions, also the oldest), by those with a relatively more severe history of infectious diseases, and by participants currently dating compared to those in established relationships. The strongest predictor of attractiveness-enhancing behaviors was social media usage. Other predictors, in order of effect size, included adhering to traditional gender roles, residing in countries with less gender equality, considering oneself as highly attractive or, conversely, highly unattractive, TV watching time, higher socioeconomic status, right-wing political beliefs, a lower level of education, and personal individualistic attitudes. This study provides novel insight into universal beauty-enhancing behaviors by unifying evolutionary theory with several other complementary perspectives.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».