MétaCan
Menu
Retour à la cohorte
Enregistrement W4416290686 · doi:10.1080/00224499.2025.2586748

Gross Double Standard! Men Using Sextech Elicit Stronger Disgust Ratings Than Do Women

2025· article· en· W4416290686 sur OpenAlexaff
Madison Williams, Gabriella Petruzzello, Lucia F. O’Sullivan

Notice bibliographique

RevueThe Journal of Sex Research · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueSexuality, Behavior, and Technology
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésDisgustPerceptionNorm (philosophy)Social perceptionSexual behaviorSexual desire

Résumé

récupéré en direct d'OpenAlex

Use of vibrators and more advanced forms of sextech is increasingly common, yet remains stigmatized. Disgust, an emotion linked to social attitudes and sexual norm violations, may contribute to this stigma. However, research has yet to examine perceptions of sextech use as disgusting, or how these perceptions vary by gender. To address this, we tested whether: H1) men’s sextech use is rated as more disgusting than women’s; H2) disgust increases with the humanlikeness of the device; and H3) women report greater disgust than men across scenarios. Results from a survey (n = 371) revealed that men were viewed as more disgusting than were women when depicted as using sextech. Additionally, disgust levels varied depending on the device depicted, with sex toy use eliciting the least disgust and sex robot use the most. Across all items, women participants reported higher disgust than did men. These findings provide the first evidence of a sexual double standard penalizing men for sextech use, and that sextech use is viewed as more disgusting as it becomes more humanlike. These findings advance work promoting integration of technology and acceptance and normalization of varied sexual behaviors as they become increasingly incorporated into people’s sex lives.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,066

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0200,003

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 Opus0,126
Tête enseignante GPT0,485
Écart entre enseignants0,358 · 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'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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Sex ResearchMême sujetSexuality, Behavior, and TechnologyTravaux en français237 207