They aren’t all named Karen: digital dating in a racist (or white man’s) world
Notice bibliographique
Résumé
Dating technologies have evolved from chatrooms to geo-social networking applications (GSNAs), often called dating/hook-up apps. Using location data, GSNAs connect users based on proximity for romantic or intimate purposes. However, concerns arise regarding GSNAs, risky practices (Albury & Byron, 2016), mental health impacts (Filice et al., 2019), and safety (Choi et al., 2018; Gillett, 2018). Scholars have noted that GSNAs can foster racism (Conner, 2023; Matharu et al., 2023), highlighting the need for digital equity research. Using a collection of 2227 images from a single man who frequently used the apps, this study examines women’s profiles to reveal a continuum of digital White supremacist ideologies (DWSI). We present visual interpretations on how conscious and unconscious “produced” pics can shape leisure spaces and address how to navigate different ethical considerations. Three key visual tropes emerged from the analysis: representations of right-wing American politics, political signalling as digital identity expression, and the memeification or mimicry of social movements. This study contributes to the field of digital leisure by interrogating how white supremacist ideologies are visually encoded and circulated within dating app spaces. We offer an arts-based and semiotic approach to interpret how digital publics are navigated through everyday leisure technologiess representing the data with art comics and narrative vignettes.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,007 | 0,009 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».