Disgust responses to virtual erotica: Analysis of their interaction with sexual anxiety and immersive tendencies
Notice bibliographique
Résumé
Previous research suggests that experiencing disgust in sexual contexts may negatively impact sexual satisfaction and functioning. However, little is known about the mechanisms (e.g., sexual anxiety) that influence or underlie sex-related disgust. Additionally, immersive tendencies may play a role in shaping emotional experiences when presented with sexual cues. Recent technological advancements, especially in virtual reality (VR), offer a promising avenue to explore emotions in simulated intimate and sexual interactions. This study aimed to examine the influence of sexual anxiety and immersive tendencies on reported levels of disgust when exposed to virtual erotica. A sample of 59 participants (≥ 18 years) completed self-report questionnaires of sexual anxiety and immersive tendencies. Levels of disgust were assessed during exposure to synthetic virtual characters engaging in erotic behaviours of increasing intensity across six scenarios, ranging from flirting to nudity, masturbation, and orgasm. Linear mixed models were performed on observed data. Higher levels of sexual anxiety were significantly associated with increased disgust throughout the immersive experience (β = 0.48), while greater immersive tendencies were significantly linked to lower disgust ratings (β = −0.66). Additionally, disgust ratings significantly increased with the intensity of the virtual sexual stimuli (β = 0.48). Virtual erotica shows promise as a tool to investigate sex-related disgust and its related mechanisms, such as sexual anxiety and immersive tendencies.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 ».