Search

Denna kvalitativa studie har syfte att belysa hur kreatörer på Only Fans resonerar kring plattformen och kreatörsrollen kopplat till normer kring femininitet och stigma. För att besvara syftet har tre frågeställningar ställts om hur dels roller och framträdandet skapas på Only Fans, hur kreatörerna resonerar och förhåller sig till normativ femininitet samt hur kreatörerna upplever stigma och hur det hanteras. Frågeställningarna besvarades genom semistrukturerade intervjuer med sju kvinnor. Studiens teoretiska ramverk grundar sig i Goffman’s teorier kring dramaturgi och stigma samt Fanny Ambjörnssons perspektiv om normativ femininitet. Intervjumaterialet analyserades genom en tematisk analys och sattes sedan i kontext till studiens teorier och tidigare forskning. Resultatet kan sammanfattas med att studiens empiri visar att kreatörsrollen på Only Fans är kommodifierad, konkurrenspräglad, anonymiserad, stigmatiserad och präglad av normer om femininitet. Flera av kreatörerna berättar att de inte nödvändigtvis är någon annan på plattformen, men de ändrar sitt beteende lite ut efter vad som är önskvärd från kundens sida. Dessa roller motiveras av både av vad som säljer, men det är också ett sätt för dem att hantera stigma från samhället och öka deras personliga säkerhet. Den andra frågeställningen om normativ femininitet visade att kvinnorna är medvetna om de förväntningar som finns på kvinnor i samhället. Många av de har direkt erfarenhet av konsekvenserna som sker ifall man som kvinna inte följer samhällets normer om exempelvis sexuell passivitet. Det berättas om motreaktioner som riktats som menar att Only Fans är skadligt eller farligt. Angående frågeställningen om stigma så framkom det att intervjupersonerna upplevde stigmatisering i viss mån. Genom att ha nära kontakt med andra kreatörer på Only Fans med liknande erfarenheter samt vänner de litar på ansågs detta som en strategi för att minska stigmat och göra det mer lätthanterligt. Materialet visade att kreatörern

The aim of this work is to compare methods that predict whether an image has suggestive content, such as pornographic images and erotic fashion. Using binary classification, this work contributes to an internet environment where these images are not seen out of context. It is, therefore, necessary for user experience improvement purposes, such as child protection, publishers not having their campaign associated with inappropriate content, and companies improving their brand safety. For this study, a data set with more than 500k images was created to test the Convolutional Neural Networks (CNN) models: NSFW model, ResNet, EfficientNet, BiT, NudeNet and Yahoo Model. The image classification model EfficientNet-B7 and Big Transfer (BiT) presented the best results with over 91% samples correctly classified on the test set, with precision and recall around 0.7. Model prediction was further investigated using Local Interpretable Model-agnostic Explanation (LIME), a model explainability technique, and concluded that the model uses coherent regions of the thumbnail according to a human perspective such as legs, abdominal, and chest to classify images as unsafe., Syftet med detta arbete är att jämföra metoder som förutsäger om en bild har suggestivt innehåll, såsom pornografiska bilder och erotiskt mode. Med binär klassificering bidrar detta arbete till en internetmiljö där dessa bilder inte ses ur sitt sammanhang. Det är därför nödvändigt för att förbättra användarupplevelsen, till exempel barnskydd, utgivare som inte har sina kampanjer kopplade till olämpligt innehåll och företag som förbättrar deras varumärkessäkerhet. För denna studie skapades en datamängd med mer än 500 000 bilder för att testa Convolutional Neural Networks (CNN) modeller: NSFW-modell, ResNet, EfficientNet, BiT, NudeNet och Yahoo-modell. Bild klassificerings modellen EfficientNet-B7 och Big Transfer (BiT) presenterade de bästa resultaten med över 91%prover korrekt klassificerade på testuppsättningen, med precision och återkallelse runt 0,7. Modell förutsägelse undersöktes ytterligare med hjälp av Local Interpretable Model-agnostic Explanation (LIME), en modell förklarbarhetsteknik, och drog slutsatsen att modellen använder sammanhängande regioner i miniatyren enligt ett mänskligt perspektiv såsom ben, buk och bröst för att klassificera bilder som osäkra.

As global corporations overtake the role of national classification bodies as arbiters of “community standards,” online pornographic content is now largely regulated by payment processors, hosting services and streaming platforms. From a vantage point as both porn performer and porn researcher, Stardust examines the ways in which women’s body fluids and queer sexualities are disproportionately targeted, experiencing arbitrary and unjustified removal. Featuring qualitative interviews with Australian feminist porn performers and producers, this chapter argues that the regulatory shift from national classification frameworks to platform governance has moved the threshold test for pornography from indecency and offensiveness to profitability and market risk. Privatised regulation produces content that is safe, sanitised and risk-averse and poses new challenges for demanding transparency in decision-making about what constitutes “community standards.”