Stereotypes regarding dog owners : A study of stereotypes regarding Swedish dog owners
Bibliographic record
Abstract
Stereotyper är vanliga sätt för oss människor att förenkla och underlätta situationer vi stöter på i vår omgivning. Trots fördelarna en förenklad vardag innebär kan stereotyper även innebära negativa konsekvenser, så som diskriminering eller utanförskap. I denna studie undersöktes svenskars föreställning av typiska ägare till fem olika hundraser (labrador, pudel, pitbull, tax och chihuahua) med syfte att undersöka om stereotyper förekommer rörande svenska hundägare och om dessa stereotyper skiljer sig åt mellan hundägare och icke-hundägare. Studien genomfördes med hjälp av en enkät som publicerades på det sociala mediet Facebook. 120 personer deltog i studien, varav 27 var män och 93 var kvinnor. Deltagarna var mellan 18 och 60 år gamla, med en medelålder av 29,6 år (Sd=9,6). Deltagarna fick besvara frågor rörande hur de föreställde sig typiska hundägare till de fem raserna, samt gradera hur väl de instämde med tolv påståenden avseende acceptans för stereotyper i allmänhet. I slutet av enkäten fick deltagarna även besvara bakgrundsfrågor rörande dennes kön, ålder, utbildningsnivå, om denne hade hund eller inte, samt vilken inställning denne hade till hundar i allmänhet. Resultatet pekar på att det i mycket stor utsträckning finns gemensamma uppfattningar om hur ägare till olika hundraser ter sig när det gäller allt från frisyr till ålder. Det visade sig inte finnas någon större skillnad mellan de två grupperna när det gällde stereotypt tänkande. Avseende enkätdelen rörande acceptans för stereotyper visade sig deltagarna ha en relativt låg grad av acceptans, vilket är intressant eftersom de samtidigt uppvisade stereotypa tankesätt när de svarade på frågorna om de olika hundraserna. Studien har visat att stereotypt tänkande mest troligen förekommer kring olika hundrasers ägare, att medvetandegöra stereotypers förekomst kan vara en viktig aspekt för att minska risken för ytterligare stereotyper.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.001 |
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".