MétaCan
Menu
Retour à la cohorte
Enregistrement W4391787261 · doi:10.32920/25213646

Children’s Accent-Based Preferences and Stereotypes in Media Contexts

2024· preprint· en· W4391787261 sur OpenAlexaffabout
Kathryn Harper

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineComputer Science
ThématiqueDigital Communication and Language
Établissements canadiensUniversity of GuelphToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésStress (linguistics)PsychologyVariety (cybernetics)Space (punctuation)LinguisticsSocial psychologyComputer science

Résumé

récupéré en direct d'OpenAlex

<p>Children spend a substantial amount of time consuming screen media—particularly television and mobile apps. Research has shown that non-native and non-standard accents tend to be underrepresented in adult-oriented and children’s media, and that representations of accents tend to be stereotypical in nature. Relatedly, research has shown that children demonstrate social preferences and ascribe traits on the basis of spoken accents. In a series of four experiments, the present research investigated children’s accent-based preferences and stereotypes in two media contexts. Children aged 5-6 and 9-10 years selected characters from a variety of exemplars that spoke in different accents to play different archetypical characters in a television program (Study 1) or to serve as teachers in an educational mobile app (Study 2). Study 1 (Experiments 1 and 2) showed that children generally preferred for television characters to speak with a native, Canadian accent (compared to high-status British and non-native accents). However, 9-10-year-old children held stereotypes about the Russian accent specifically, and preferred for negative television characters (e.g., mad scientist, villain) to speak with a Russian accent. The same pattern was not observed for Chinese or Indian accents. Study 2 (Experiments 3 and 4) revealed that children generally preferred for teaching characters in educational apps to speak with a native, Canadian accent (compared to high-status British and non-native accents), particularly when the subject matter being taught was culturally neutral (e.g., oceans, space). Children aged 9-10 preferred for teaching characters to speak with non-native accents (Russian, Chinese, and Indian) when the subject matter was culturally relevant (e.g., Russian dancing, Chinese pottery, Indian cuisine). Findings of this research contribute to our knowledge about children’s accent-based biases in social perception and accent-based assumptions about cultural expertise, and may help guide the development of more inclusive and less stereotypical media offerings for children.</p>

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,611
Score d'incertitude au seuil0,735

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 ouverte0,0010,003
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 Opus0,022
Tête enseignante GPT0,269
Écart entre enseignants0,247 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations0
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetDigital Communication and LanguageTravaux en français237 207