18、胖女性的经历与研究:从访谈平等到社会关注

胖女性的经历与研究:从访谈平等到社会关注

在对胖女性经历的研究中,发现这些女性都经历过某种形式的虐待或歧视,她们的故事围绕着一种“可见性光谱”展开。有的感觉被忽视或无形,有的走在街上会同时有“在舞台上”的感觉,这是他人注视带来的结果。“过度(不)可见性”现象是连接和贯穿这些不同主题的桥梁。

研究视角与立场

研究将这些女性作为胖女性的经历主题置于文化和政治背景中,但不追求科学客观性,而是遵循后结构主义和互动主义的研究认识论。从脂肪研究、女权主义、符号互动主义和后结构主义等批判性视角去理解她们的生活,这些理论视角塑造了研究的兴趣和重点,促使对围绕肥胖的夸张信息以及胖女性的待遇提出质疑,并探索她们在接受、节食、虐待、压迫、健康、医学、愉悦、性和身体政治等方面的挣扎。

访谈平等的实践

在访谈过程中,女权主义传统强调使访谈环境更加平等,避免访谈者拥有绝对权力而被访谈者权力极少的不对称情况。因为研究者通常比研究对象拥有更多的社会资本和特权,这种“向下研究”的情况如果让研究对象付出一切而研究者毫无透露,是令人不安的。

为了实现访谈平等,研究者回答了参与者关于个人生活的所有问题,常见问题包括是否曾经胖过、是否有身体形象问题、目前体重多少、是否因体重被取笑、家人中是否有胖人、如何处理她们的信息以及为何对这个话题感兴趣等。研究者分享自己小时候身体发育快,在七年级就达到成人尺寸,当时体重甚至比三十多岁时还重,因此对自己的身体非常不自信,但后来意识到这种判断可能是错误的。

在访谈中,研究者将受访者视为平等的对象,提供支持并分享认为有用的信息。比如,当有女性表示找不到适合自己尺寸的运动服时,研究者告知了博客或邮件列表中常提到的商店名称;当有女

MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值