Handsome Devil: Functional Projection and the Physical Attractiveness Stereotype
Notice bibliographique
Résumé
The physical attractiveness stereotype is a well-documented phenomenon wherein attractive people are ascribed more positive traits (e.g., intelligence, social competence, trustworthiness) than their less attractive counterparts (Eagly et al., 1991; Eckel & Wilson, 2006; Klebl et al., 2021). These findings can be readily explained as a kind of halo effect. However, the usual “beauty is good” effect might plausibly disappear—or even reverse-- depending on the sex of the perceiver relative to the target. Whereas most people may typically respond positively to highly attractive opposite-sex targets, highly attractive same-sex targets may be viewed less positively, and perhaps even negatively, compared to less attractive same-sex targets. This is because a highly attractive same-sex target may represent a particular kind of threat: a rival in the mating game (Buss et al., 2000)—for example: someone who might not only be motivated to move in on someone else’s mate and (because they are highly attractive) might actually be capable of luring that mate away. In other threat-relevant contexts, perceivers ascribe threat-connoting characteristics to people who are perceived to pose a threat (Haselton & Nettle, 2006; Neuberg, Kenrick, & Schaller, 2011). An analogous outcome may occur in this context. If so, then highly attractive same-sex targets wouldn’t simply be ascribed positive traits. They would instead be judged to have a specific set of characteristics that, in combination, connote their motivation and ability to be a threat in the mating game (e.g., a mate-poacher). This could manifest not only in judgments about their personality traits, but also in judgments about their tendencies to experience specific emotions.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».