MétaCan
Menu
Retour à la cohorte
Enregistrement W4399765471 · doi:10.32920/26052850

Exploring Children's Preferences for Media Characters in Relation to Gender Roles and Stereotypes

2024· preprint· en· W4399765471 sur OpenAlexaff
Adrianna Ruggiero

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueMedia, Gender, and Advertising
Établissements canadiensCarleton UniversityToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésRelation (database)PsychologySocial psychologySociologyDevelopmental psychologyComputer science

Résumé

récupéré en direct d'OpenAlex

Children learn about gender and gender roles from various sources, including screen media. They also display gender-based or gender-stereotypical preferences in social contexts. Recent work shows that children's media is largely made up of gender-stereotypical characters. An intriguing question arises as to whether children themselves hold gender-stereotypical beliefs about media characters. The present research aimed to address this question in two studies (four experiments). In each experiment, the researcher explained that they were creating a brand-new television show and needed help choosing characters for the show. Then, children aged 4-5 and 7-8 years were presented with a pair of characters and asked who they thought would be best at teaching a stereotypically feminine domain or a stereotypically masculine domain in the show (Study 1), or who would be best at solving a problem in an episode vignette using one of four strategies: magic, talking, STEM, and physical power (Study 2). In Study 1, both age groups were more likely to choose female characters and female characters with a stereotypically feminine appearance (i.e., wearing a dress) to teach stereotypically feminine domains, but only 7- to 8-year-olds chose male characters and female characters with a counter-stereotypical appearance (i.e., wearing pants) to teach stereotypically masculine domains. In Study 2, children thought female characters would be best at solving problems using magic and talking, whereas male characters would be best at solving problems using physical power. In addition, 7- to 8 year-olds thought that female characters with a counter-stereotypical appearance would be best at solving problems using STEM or physical power. Given that children frequently engage with and learn from media characters, these results highlight the importance of creating multi-dimensional and complex characters that are not only defined by their gender or appearance.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,761
Score d'incertitude au seuil0,642

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,191
Tête enseignante GPT0,335
Écart entre enseignants0,145 · 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'étudeObservationnel
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'admission1
Résumé présentoui

Explorer davantage

Même sujetMedia, Gender, and AdvertisingTravaux en français237 207