Gaps in Measurement: Highlighting Anti‐Fat Bias as an Underrepresented Construct in the Modified Weight Bias Internalization Scale
Notice bibliographique
Résumé
ABSTRACT Increasing cross‐sectional literature highlights a strong overlap of internalised weight bias (i.e., weight‐based self‐devaluation) with constructs like body dissatisfaction. The highest overlap is in studies that use the Modified Weight Bias Internalization Scale (WBIS‐M). We argue that anti‐fat bias (e.g., negative judgements of fat people) is a core feature of internalised weight bias definitions not represented in the WBIS‐M, making its items less distinct from body dissatisfaction. To investigate, we examined the longitudinal relationships of anti‐fat bias with internalised weight bias among 3025 sexual minority men using random intercept cross‐lagged panel models. We contend that, if the WBIS‐M adequately captures anti‐fat bias, these constructs should be strongly associated across time. To the contrary, we found medium cross‐lagged (longitudinal) relationships of these constructs over time ( β s 0.07–0.08), and a small between‐person association of these constructs ( β = 0.10). The limited strength of these effects suggests that the WBIS‐M does not adequately capture anti‐fat bias to the extent that existing definitions suggest it should. Researchers must be cognisant of what measures capture, and consider what scales most appropriately capture the components of weight stigma they want to assess.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».