Functional significance of waist-to-hip ratio / by Tanya D. Spencer
Notice bibliographique
Résumé
Waist-to-hip ratio (WHR) may be important and highly visible ?honest advertisement? of general and reproductive health and, hence, physical attractiveness. Research shows that men and women aged 18-86 agree on what constitutes attractive WHRs: .7 for women and .9 for men. However, stimuli used in previous studies confound weight with WHR \nbecause the line drawings or photographs are altered to yield a range of WHRs and the actual body mass index (BMI) is not available. The purpose of the present study was to compare the predictive power of WHR and BMI in explaining the variance in attractiveness judgements. Unretouched photographs of men and women that varied by WHR and BMI were rated by men and women on several dimensions (masculine, \nfeminine, good-looking, sexy, intelligent, interested in having children, capable of having children, age, weight, weight category, attractiveness for marriage, attractiveness for brief casual sex) and ranked according to global preference. Results showed that photographs of WHRs of .7 for females and only .8 for males were seen as most attractive. However, \nratings of attractiveness were largely determined by BMI of the person pictured, although WHR was a sole predictor of age estimates and masculinity ratings. People with high BMIs were generally seen as less attractive and less intelligent. Raters, particularly women, were quite accurate at estimating the weight of people pictured. Ratings were \nlargely consistent across rater characteristics, including sex, and ratings (pictures presented in random order one at a time) and rankings (pictures presented in random order simultaneously). Self-report anthropometric measurements were also found to be fairly reliable. These results suggest that BMI, not WHR may be the best predictor of judgements of physical attractiveness.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,002 |
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 ».