Fotballfrue og gjengen: selvpresentasjon, kropp, trening og kjønn: Norges mest populære personlige bloggere: en innholdsanalyse av tekst og bilder
Bibliographic record
Abstract
Denne oppgaven omhandler blogger og selvpresentasjon, og formålet har vært å besvare\ntre problemstillinger. Hovedproblemstillingen er ”hvordan kan selvpresentasjon av\nNorges mest populære personlige blogger tolkes?”, og underproblemstillingene er\n”hvordan presenteres kropp og trening på bloggene?” og ”hvordan kan kjønn tolkes på\nbloggene?”. Innholdsanalyse av tekst og bilder har blitt anvendt som metodiske\nverktøy, og tre av Norges mest populære personlige blogger har dannet grunnlaget for\nundersøkelsen.\nFunnene fra undersøkelsen viser at bloggen er den optimale ”scenen” for å fremstille en\n”polert” utgave av seg selv. Ved å anvende Goffmans (1992) begreper ser en at\nbloggerne kan overkommunisere sidene de ønsker å fremheve i fasadeområdet, og\nundergraver sidene de vil skjule i baksideområdet, hvor leserne ikke har adgang.\nBildeanalysene viser at baksideområdet har blitt aktivt brukt til å redigere bildene etter\nde var tatt, og justere den personlige fasaden for å fremstå best mulig overfor publikum,\nfør bildene ble tatt. Dette kommer tydelig til syne gjennom utseende og kroppslig\nfremtreden.\nTo av bloggerne formidler hva og hvor mye de trener, og fremstiller et\n”samvittighetssyndrom” i forhold til tematikken. De samme bloggerne synes å ha et\n”maskinelt” forhold til kroppen, noe som sees gjennom beskrivelser av at kroppen\nutfører treningen ”for dem”, og dermed fremstår som et objekt utenfor dem selv.\nMotivasjonen deres for å trene oppfattes som tvetydig; på den ene siden formidles\ntrening i et helseperspektiv, og på den andre uttrykkes det at trening oppleves som plikt\nog brukes som et redskap for å endre utseende på kroppen. Den tredje bloggeren er\nmindre opptatt av trening, men analysene viser at hun forbinder trening med kroppslig\nutseende. Tolkningen av kjønn viser at bloggerne presenterer både likheter og\nforskjeller som kan knyttes opp mot Connells (1987) begreper om ”feminiteter”.\nLikhetene sees i sammenheng med kropp og utseende, og forbindes tydelig med\nfeminitet. Disse er langt og farget hår, sminkede ansikter, hvite tenner, mørke og\nmarkerte bryn og vipper, solbrune og slanke kropper. Forskjellene som kommer til syne\ntolkes som tre ulike former for feminiteter, Fotballfrue som ”emphasized femininity”,\nSophie Elise som ”den plastiske feminitet” og Andersen som ”den sporty feminitet”.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.009 | 0.014 |
| Scholarly communication | 0.016 | 0.026 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.005 | 0.005 |
| Insufficient payload (model declined to judge) | 0.030 | 0.006 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".