¿Afecta la exposición a tweets sexistas al desarrollo de actitudes negativas hacia las mujeres? Un estudio conductual.
Notice bibliographique
Résumé
Este estudio investiga el impacto de la exposición a contenido sexista en redes sociales en el desarrollo de actitudes negativas hacia las mujeres. Participaron 50 personas, distribuidas aleatoriamente en dos condiciones: exposición a tweets con contenido sexista vs. exposición a tweets con contenido no sexista. En ambas condiciones se evaluaron tres escenarios: sexismo benévolo, sexismo hostil explícito y sexismo hostil implícito. Los participantes debían valorar en cada uno de los escenarios: (1) la presencia de comportamientos sexistas, (2) la intención de conducta y (3) el grado de culpabilización atribuida a la víctima. Además, se administró la Escala de Identidad Social Feminista (FSIS) adaptada (Poll & Critchley, 2023). Los participantes expuestos a tweets sexistas identificaron en menor medida la conducta sexista presente en el escenario de sexismo benévolo, en comparación con los expuestos a tweets no sexistas. Luego, independientemente del tipo de tweets a los que fueron expuestos, la intención de intervenir fue mayor en los escenarios de sexismo hostil implícito y la victimización menor en los escenarios de sexismo hostil explícito. Por último, la Identidad feminista moduló la capacidad de reconocer las situaciones como sexistas y redujo la probabilidad de culpabilizar a las víctimas.
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 | 0,004 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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; 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 ».