MétaCan
Menu
Retour à la cohorte
Enregistrement W4413879081 · doi:10.1007/978-3-031-92322-7

Teens, Social Media, and Image Based Abuse

2025· book· en· W4413879081 sur OpenAlexfundno aff
Jessica Ringrose, Kaitlyn Regehr

Notice bibliographique

Revuenon disponible
Typebook
Langueen
DomaineSocial Sciences
ThématiqueChild Development and Digital Technology
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of TorontoUniversity College London
Mots-clésImage (mathematics)Social mediaPsychologyComputer scienceArtificial intelligenceWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

This Open Access book explores how teens use social media, how they produce, consume, and share sexual images, and how they understand and respond to harmful digital sexual content and interactions. Capturing the views of nearly 500 young people across the UK our book shows how image-based sexual harassment and abuse (IBSHA) impacts all young people and is a society wide problem that needs to be urgently addressed.Developing a socio-cultural and tech affordances approach to understanding social media platform economies, we show how game-like engagement features keep users on apps and expanding their networks, opening up teens to considerable online risk and harms. We argue a lack of consent in the digital environments intersects with society-wide, age old norms of gender and sexual inequalities, facilitating image-based sexual harassment and abuse (IBSHA). Educational policy and curriculum focused on abstinence anti-sexing messaging and a focus on child pornography laws, fail to address gendered and sexualised power dynamics and peer on peer abuse. We argue a multifaceted approach is needed to improve the law, technology companies and education. Better digital literacy and sex education that covers social media use, risk, harms and reporting in platform specific ways would offer better supports for youth.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,085

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0030,003
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0260,005

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 Opus0,014
Tête enseignante GPT0,265
Écart entre enseignants0,250 · 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'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetChild Development and Digital TechnologyTravaux en français237 207