MétaCan
Menu
Retour à la cohorte
Enregistrement W4400354620 · doi:10.1016/j.bodyim.2024.101763

Tackling bisexual erasure: An explorative comparison of bisexual, gay and straight cisgender men’s body image

2024· article· en· W4400354620 sur OpenAlexfundno aff
Liam Cahill, Mohammed Malik, Bethany A. Jones, Amanda Perera, Daragh T. McDermott

Notice bibliographique

RevueBody Image · 2024
Typearticle
Langueen
DomainePsychology
ThématiqueEating Disorders and Behaviors
Établissements canadiensnon disponible
Organismes subventionnairesTrent UniversityNottingham Trent University
Mots-clésPsychologyMale HomosexualityHomosexualityDevelopmental psychologyMen who have sex with menPsychoanalysisHuman immunodeficiency virus (HIV)

Résumé

récupéré en direct d'OpenAlex

Previous body image research often grouped both gay and bisexual men into a single category: sexual minoritised men, limiting our understanding of how sexual identity influences body image. However, there is strong reason to believe that bisexual and gay men experience distinct body image concerns. Here, we explored motivations to alter one’s leanness and muscularity, as well as (dis)satisfaction with body fat, muscularity, height and penis size, and functionality appreciation across gay, bisexual, and straight cisgender men. We sampled 378 white participants aged 18 to 85 (nbisexual = 125, ngay = 128, nstraight = 125). We found that bisexual men were significantly less motivated to be lean and showed lower muscularity dissatisfaction relative to gay men but showed comparable levels to straight men. Our findings demonstrate that despite research perceiving the body image of bisexual and gay men as homogenous, they experience differences in their body image concerning leanness and muscularity dissatisfaction. Future body image research should incorporate this understanding by not artificially grouping bisexual and gay cisgender men and instead acknowledging the potential uniqueness in their experiences.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,086
Tête enseignante GPT0,419
Écart entre enseignants0,333 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations6
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBody ImageMême sujetEating Disorders and BehaviorsTravaux en français237 207