Fickel, Lara: Geschlechtsstereotype in Memes : eine quantitative Inhaltsanalyse

Abstract in Deutsch:

Einleitung: Die vorliegende Studie untersucht die Verbreitung von Geschlechtsstereotypen über Männer und Frauen in Image-Makro-Memes im Internet. Forschungsziele: Aus fünf Konstrukten der Geschlechtsdarstellung wurden passende Geschlechtsstereotype (Sexobjekt, Dominanzperson, Expert:in, Hausfrau:mann, gefühlvolle Person) abgeleitet. So wurde geprüft, ob und in welchem Maße Frauen oder Männer in Image-Makro-Memes sexualisiert und objektiviert (Forschungsfrage 1) als dominant (Forschungsfrage 2), als kompetent (Forschungsfrage 3), bei ihrer familiären Fürsorge (Forschungsfrage 4) oder als emotional (Forschungsfrage 5) dargestellt werden. Methoden: Eine Gelegenheitsstichprobe von N = 800 englischsprachigen Image-Makro-Memes (50% frauendarstellend, 50% männerdarstellend) der Google-Bildersuche wurde Anfang 2023 mittels einer manuellen, quantitativen Inhaltsanalyse untersucht. Die Reliabilität des deduktiv entwickelten Kategoriensystems wurde im Rahmen zweier Pretests sichergestellt. Die Daten wurden deskriptiv- und inferenzstatistisch mittels Prozentwerten und Chi-Quadrat-Tests R-basiert analysiert. Ergebnisse: Die Arbeit bestätigt bisherige Erkenntnisse und weist nach, dass Frauen eher als Sexobjekt (22.0%), Hausfrauen (10.5%) und gefühlvolle Personen (22.0%) und Männer eher als Dominanzperson (29.2%) oder Experten (25.3%) dargestellt werden. Auch konnten bei beiden Gruppen weitere Stereotype identifiziert werden. In dem generellen Grad der Stereotypisierung traten keine signifikanten Geschlechtsunterschiede auf. Schlussfolgerung: Es zeigt sich, dass Image-Makro-Memes im Internet Geschlechtsstereotype aufgreifen und so für ihr Fortbestehen in der Gesellschaft sorgen. Um diese problematischen Rollenbilder und die damit verbundene Diskriminierung nachhaltig bekämpfen zu können, gilt es, die Stereotypisierung durch solchen Internethumor auch zukünftig vor allem hinsichtlich der sozialen Medien genauer zu untersuchen. Schlüsselwörter: Geschlechtsstereotype, Geschlecht, Memes, Internet, quantitative Inhaltsanalyse