Pregled istraživanja upotrebe pornografije: Metodologija i rezultati iz četiri izvora (2015): Utah nije broj 1 u pornografskoj upotrebi

Veza na članak 

Pregled istraživanja pornografije: Metodologija i rezultati iz četiri izvora.

Cyberpsychology: Časopis za psihosocijalna istraživanja na cyberspaceu, 9(4), članak 1. doi: 10.5817 / CP2015-4-4

Sažetak

Ključne riječi: Pornografija, korištenje interneta, podaci, reprezentativni

DOWNLOAD PDF

Uvod

Iako bi se većina istraživača složila da je pornografija postala sve prisutnija u posljednjih nekoliko desetljeća, precizno mjerenje razine pornografije u populaciji ostaje empirijski izazov za društvene znanstvenike. Niz tehnologija koje se koriste za pristup pornografiji promijenio se tijekom vremena, što je gotovo nemoguće dosljedno mjeriti istu metriku upotrebe pornografije. Brzi internet, koji je prodrla na tržišta postupno tijekom posljednjih petnaest godina, omogućuje besprimjernu dostupnost, anonimnost i lakoću pristupa pornografskoj potrošnji (Cooper, 1998), što pridonosi očiglednom općem porastu pornografije (Wright, 2011). Hertlein i Stevenson (2010) također bilježe i druge značajke koje se odnose na širokopojasnu internetsku pornografiju u doprinosu rastu industrije: bliže približavanje fizičkom svijetu, prihvatljivost, dvosmislenost i smještaj između vlastitog “stvarnog” i “treba” sebe.

Dosadašnji pristupi mjerenju upotrebe pornografije uvelike su se oslanjali na anketne podatke (vidi Buzzell, 2005). Elektronska priroda internetske pornografije, međutim, sve više čini mogućim niz alternativnih metoda za dobivanje pouzdanih punktova upotrebe pornografije, uključujući one prikupljene iz pretplate ili podataka o online pretraživanju. Mogućnost korištenja objektivnih mjera na temelju podataka o pretplati ili pretraživanju povoljna je jer podaci na temelju ankete općenito trpe zbog pristranosti socijalne želje: ispitanici mogu prijaviti manje aktivnosti koje krše društvene norme (Fisher, 1993). Osim toga, podaci o pretplati ne ovise o mišljenju pojedinca o tome što čini pornografiju; prirodno ograničenje subjektivnih anketnih pitanja o upotrebi pornografije.

Dvije nedavne studije uključile su se u inovativne izvore podataka o korištenju internetske pornografije. Edelman (2009) koristi podatke o pretplati iz jednog od prvih deset ponuđača plaćenog pornografskog sadržaja kako bi stvorio rang prema kojem države upotrebljavaju najveću online pornografiju i povezuje ih s nekoliko mjera društvenih ili vjerskih stavova na državnoj razini. MacInnis i Hodson (2014) koriste Googleove trendove u pretraživanju pojmova kao proxy za pornografsku uporabu i istražuju odnos između korištenja pornografije na državnoj razini i mjera religioznosti i konzervativizma. Smatraju da države s ideološkim stavovima s pravom naklonošću imaju veće stope pretraživanja Google pornografije.

Ovaj rad procjenjuje neke tvrdnje iz ranijih studija o poretku država i odnosu između upotrebe pornografije na državnoj razini i različitih društvenih mjera na državnoj razini. Također pružamo okvir koji će budući istraživači moći koristiti za procjenu reprezentativnosti budućih skupova podataka o razini pornografije na razini države ili čak županija. Edelman (2009) bio je pionir u pristupu podacima o pretplati jednog pružatelja plaćenog pornografskog sadržaja, a to korištenje osobnih podataka o potrošačima iz privatnih tvrtki postat će koristan alat za prikupljanje podataka o ponašanju koje je teško izmjeriti. Ključ za buduću upotrebu ove vrste bogatih podataka bit će utvrđivanje stupnja do kojeg podaci iz jedne tvrtke mogu pružiti iste uvide kao nacionalno reprezentativni uzorak.

U ovom radu, proširili smo podatke korištene u ove dvije nedavne studije i kombinirali ih s dva dodatna izvora podataka. Budući da svaki od četiri izvora podataka koje koristimo u ovom radu donosi mjeru razine upotrebe pornografije, procjenjujemo valjanost svakog izvora uspoređujući ga s ljestvicama na državnoj razini koje dobivamo za druge izvore.

Datum

Naš se rad oslanja na četiri izvora podataka koji uključuju informacije o varijacijama u pornografiji na državnoj razini. Prva dva izvora podataka su nacionalno reprezentativni uzorci, dok se posljednja dva temelje na plaćenim pretplatama ili pregledima stranica povezanih s određenim davateljem pornografskog sadržaja. U svakom izvoru podataka naša se mjerna upotreba pornografije temelji na okolnostima u kojima pojedinci traže pornografski sadržaj, a ne slučajno gledaju pornografiju.

Naš prvi skup podataka temelji se na nacionalno reprezentativnom uzorku ispitanika 2,988-a u istraživanju Nove obiteljske strukture (NFSS). Prikupljanje podataka provedeno je od strane tvrtke Knowledge Networks (KN), istraživačke tvrtke s podacima o generiranju visokokvalitetnih podataka. Mreže znanja angažirale su članove svog panela nasumično putem telefonskih i mail anketa, kućanstvima je omogućen pristup internetu ako je potrebno. Ova ploča ima prednosti po tome što nije ograničena na trenutne korisnike Interneta ili vlasnike računala, i ne prihvaća samo-odabrane volontere.

NFSS uključuje pitanje o tome je li ispitanik namjerno gledao pornografiju u prethodnoj godini. Ova vrsta pitanja ima prednost u hvatanju pornografske upotrebe u bilo kojem izvoru koji pojedinac koristi za pristup. Postoje i drugi reprezentativni uzorci na nacionalnoj razini kao što je Opća društvena anketa koja uključuju pitanja pornografije. Podatke iz NFSS-a koristimo zato što ih drugi znanstvenici mogu lako pristupiti i koji uključuju identifikatore stanja u svom javno dostupnom obliku. Nasuprot tome, identifikatori stanja mogu se dobiti samo u povjerljivoj verziji Općeg društvenog istraživanja. Za analizu u ovom radu koristimo skup od četrdeset i šest država iz NFSS istraživanja za koje je bilo barem 50 ispitanika.

Drugi izvor podataka, Google Trends, funkcionira kao indeks vremenskih serija opsega pretraživanja unesenih u Google na određenom zemljopisnom području. Ti su se podaci pokazali korisnima u gospodarskim i medicinskim pothvatima poput predviđanja izbijanja gripe (Carneiro i Mylonakis, 2009.) i predviđanja kratkoročnih ekonomskih pokazatelja kao što su povjerenje potrošača ili nezaposlenost (Choi & Varian, 2012.). Preis, Moat i Stanley (2013) kvantificiraju ponašanje u trgovanju koristeći Google Trends, pokazujući da su određeni pojmovi povezani s povećanjem ili smanjenjem vrijednosti dionica. Industrija zabave za odrasle također se može ispitati pomoću podataka pretraživanja Google Trends do te mjere da se važne značajke njene industrije mogu kvantitativno izmjeriti.

Najvažniji izazov u korištenju Google Trends podataka je odabir specifičnih uvjeta na kojima crpimo podatke. Odabrani pojmovi moraju biti stvarni pokazatelji upotrebe pornografije kako bi naša analiza bila korisna. Ho i Watters (2004) analizirali su strukturalne trendove u pornografskim web stranicama. U sklopu svoje analize izrađuju popis izraza koji se često pojavljuju na pornografskim web-lokacijama i koji se često ne pojavljuju na ne-pornografskim web-lokacijama. Prva četiri pojma bila su "porno", "xxx", "sex" i "f ***". Pomoću statistike pretraživanja nalazimo da su pretraživanja za ta četiri pojma vrlo korelirana. Nasuprot tome, pretraživanje pojma "pornografija" nije povezano ni s jednim od ova četiri pojma i izraz je koji će vjerojatno koristiti ljudi koji traže informacije o pornografiji, a ne pristup stvarnom pornografskom sadržaju.

Postoji i razlika između „tvrde“ i „meke“ pornografije, pri čemu se „meka“ općenito odnosi na medije koji su seksualne prirode, ali ne i na prodornost. Četiri prethodno navedena termina prikazivat će podatke samo o korisnicima koji traže težak sadržaj, ali još uvijek smatramo da je to učinkovita analiza iz dva razloga. Mnoge gledatelje meka pornografija ne smatra pornografijom, a kao rezultat toga ona je prisutna čak iu mainstream medijima, uključujući televiziju i filmove. Drugo, smatramo da su relativna potraga za uvjetima meke pornografije minimalna u usporedbi s pretragama pojmova pornografije. Napravili smo relativnu vrijednost pretraživanja za pojmove pretraživanja "porno" i "gole djevojke" iznad 2005-2013-a. Pretraživanja oba termina su normalizirana tako da je maksimalni opseg pretraživanja poprimio vrijednost 100, koja se pojavila za pojam "pornografija". U usporedbi s normaliziranim maksimumom, "gole djevojke" nikada nemaju indeks opsega pretraživanja veći od 6.

Podaci iz Google trendova ne ukazuju na stvarni broj pretraživanja za određeni pojam na zemljopisnom području. Svaka podatkovna točka normalizira se dijeljenjem broja pretraživanja za pojam s ukupnim brojem svih pretraživanja u tom području. Podaci se stoga kontroliraju i za populaciju i za razlike u opsegu pretraživanja među državama. Google Trends također eliminira ponovljena pretraživanja jednog pojedinca u kratkom vremenskom razdoblju kako bi se spriječilo da pojedinac iskrivi rezultate.

Podaci su dostupni na razini države-tjedna u usluzi Google trendovi. Podatke koristimo tijekom srpnja 2013-srpanj 2014. Naša promatranja prilagođena su 1-100 skali. Stanje s najvišim normaliziranim pretraživanjem određenog termina u razdoblju od jednog tjedna u našem skupu podataka ima čitanje 100-a. Koristeći ove podatke za svaki pojam konstruiramo indeks pretraživanja pornografije za svaki državni tjedan naših podataka s ponderiranom sumom pomoću četiri termina. Težimo "pornografiju" i "seks", jer su njihova relativna pretraživanja mnogo veća nego u usporedbi s "f ***" i "xxx". Naime, koristimo srednju relativnu težinu svakog termina u protekloj godini. Zatim koristimo ovo rangiranje opsega težinskih pretraga država od strane Google trendova kako bismo geografski modelirali industriju zabave za odrasle.

Jedna od prednosti korištenja podataka iz Google trendova, za razliku od podataka o pretplati za pojedine web-lokacije, jest da uključuje informacije o pojedincima koji pretražuju besplatnu i plaćenu zabavu za odrasle. Doran (2008) primjećuje da oko 80-90% posjetitelja pornografskih web-mjesta pristupa samo besplatnom pornografskom materijalu, što sugerira da analiza plaćene zabave za odrasle može prikriti stvarne obrasce potrošnje pornografije općenito.

Naš treći izvor podataka bilježi broj pretplata na jednog od deset najvećih pružatelja plaćenog pornografskog sadržaja koji je korišten u nedavnoj studiji Edelmana (2009). Edelmanova analiza ovog skupa podataka bila je novi doprinos literaturi; prethodne studije upotrebe pornografije ispitivale su samo podatke iz istraživanja. Specifični korišteni podaci bili su poštanski broj povezan s svim pretplatama kreditnih kartica između 2006-a i 2008-a. Ovaj davatelj sadržaja ima stotine web-lokacija koje pokrivaju širok spektar zabave za odrasle. Međutim, Edelman (2009) priznaje da je "teško strogo potvrditi da je ovaj prodavatelj reprezentativan."

Iako je izvor podataka o pretplati top-10 prodavatelj zabave za odrasle, pretplate su vrlo niske u odnosu na obrasce upotrebe pornografije koje promatramo u podacima ankete kao što je NFSS, gdje 47% odraslih prijavljuje pornografiju u posljednjih godinu dana , Država s najviše pretplata po širokopojasnom kućanstvu je Utah s 5.47 za svako kućanstvo 1,000 sa širokopojasnim pristupom. Najniže stanje je Montana s 1.92 pretplatama za svako 1,000 kućanstvo sa širokopojasnim pristupom. Ove niske stope upućuju na to da je tržišni udio pojedinih pružatelja sadržaja pornografije mali, što otežava saznanje mogu li podaci jednog pružatelja pružiti točnu usporedbu među državama. Kao što je već spomenuto, velika većina pojedinaca koji pristupaju pornografiji na internetu imaju pristup samo besplatnom sadržaju, umjesto da koriste plaćene stranice poput onih koje je proučavao Edelman (Doran, 2010).

Naš četvrti izvor podataka su podaci o pregledu stranica s Pornhub.com, koji je u to vrijeme bio treći najveći domaćin zabave za odrasle u Sjedinjenim Američkim Državama. Pornhub podatke koristimo zbog njegove veličine i dostupnosti podataka. Pornhub je pregledao stranicu po glavi stanovnika tijekom godine 2013 javno dostupan i zasebno izvijestio o tim podacima. Pornhubovi podaci su po prirodi slični Edelmanovim podacima u smislu da su objektivna mjera korištenja pornografije na strani pružatelja usluga. Međutim, podaci bilježe prikaze stranica umjesto pretplatnika; intuitivno, podaci bi otkrili obrasce teške upotrebe po osobi, kao i obrasce proliferacije među stanovništvom. Podaci također imaju relativnu prednost uključivanja i plaćenog i neplaćenog korištenja.

Procjena reprezentativnosti novih izvora podataka

Velika revolucija podataka počinje dramatično otvarati vrste izvora podataka koji se mogu koristiti za mjerenje i proučavanje ponašanja, kao što je korištenje pornografije. Podaci o pretplati koje koristi Edelman (2009) predstavljaju vrstu velikih skupova podataka koji će sve više postati dostupni znanstvenicima u svojim istraživanjima. Važan prvi korak u korištenju ove vrste vlasničkih podataka bit će procjena stupnja do kojeg podaci iz jednog pružatelja usluga predstavljaju opću populaciju od interesa. U ovom odjeljku pružamo okvir za procjenu reprezentativnosti skupa podataka uspoređujući ga s uzorcima promatranim iz drugih podataka za koje se zna da su reprezentativni na nacionalnoj razini ili uspoređujući ih s kombinacijom drugih izvora podataka koji zajednički vjerojatno predstavljaju pravi temeljni obrazac ponašanja.

U tablici 1 nabrajamo prvih deset i donjih deset stanja za upotrebu pornografije na temelju svakog od četiri izvora: podaci o pretplati, Pornhub, NFSS i Google Trends. Mississippi je jedna država koja se svrstava u četiri najbolje države koje se koriste u pornografiji u sve četiri grupe podataka, a Idaho se u većini mjera dosljedno nalazi među najnižim stopama svih država. Suprotno tome, druge države kao što su Arkansas i Utah svrstavaju se u prvih deset zajedno s nekim mjerama, ali u dnu deset zajedno s drugim mjerama. Ovi rezultati sugeriraju da prepoznavanje u kojoj državi izgleda najveća stopa korištenja pornografije na temelju jednog izvora podataka može biti pomalo problematično.

Tablica 1. Poredak država na temelju četiri različita izvora podataka kojima se kontrolira
za širokopojasni pristup internetu.

U tablici 2 ploča A procjenjujemo povezanost između svakog izvora podataka koristeći stvarne mjere korištenja pornografije iz svakog izvora, a ne redoslijed rangiranja, što je iz tih mjera prikazano u tablici 1. Podaci o pretplaćenim pretplatama daleko su najslabiji u korelaciji s ostala tri izvora i čak su negativno povezani s podacima ankete NFSS-a. Podaci o pretplaćenom pretplatu imaju korelaciju -0.0358 s NFSS, 0.076 s Google Trendsima i 0.0066 s Pornhubom. Nijedna od ovih korelacija nije statistički značajna; odgovarajuće t-statistike su sve manje od 0.6 (koje odgovaraju usmjerenim p vrijednostima većim od .3). Nasuprot tome, ostale tri ljestvice pokazuju relativno zapažene korelacije. Google Trends i Pornhub imaju korelaciju .487, NFSS i Google Trends imaju korelaciju .655, a Pornhub i NFSS imaju korelaciju .551. Sve su ove korelacije statistički značajne s t-statistikom između Google Trends-a i Pornhub-a 3.78-a, između NFSS-a i Google Trends-a 5.68-a, te između Pornhub-a i NFSS-a od 4.28-a. Sve to odgovara usmjerenim p vrijednostima manjim od .0004.

Na ploči B izvještavamo o korelacijama koristeći redoslijed rangiranja stvoren iz svakog izvora podataka. Korelacije između NFSS-a, Googleovih trendova i Pornhub-a imaju usporedive koeficijente korelacije i značajnost s onima na ploči A, isto tako je korelacija između Googleovih trendova i plaćene pretplate slična. Ploča je značajna, jer kada koristite redovne ocjene, podaci o pretplati bolje su u korelaciji s podacima anketiranja Pornhub i NFSS, međutim korelacije su i dalje neznatne. Dvije ploče omogućavaju nam da izvučemo slične zaključke, međutim veće koeficijente za podatke o pretplaćenim uplatama valja napomenuti unatoč činjenici da su neznatni i znatno slabiji od međusobne povezanosti drugih izvora. Vjerujemo da korelacije koje koriste stvarne mjere korištenja pornografije, a ne redovno rangiranje, najbolje predstavljaju industriju jer pripisuje stvarnu razliku u korištenju pornografije, a ne samo specifično uređenje država.

Tablica 2. Povezanost između četiriju izvora podataka.

Značajna povezanost između tri izvora podataka o neplaćenim pretplatama, unatoč različitim varijablama koje mjere (volumen pretraživanja, pregleda stranice i udio gledatelja pornografije), sugeriraju da oni mjere stvarni temeljni oblik varijacije u korištenju pornografije u državama; onaj koji nije u korelaciji s podacima o pretplati koje Edelman koristi (2009).

Osjetljivost procjena na korišteni izvor podataka

Kako bismo ilustrirali važnost računovodstva razlika u stopama državne pornografije u različitim izvorima podataka, ponavljamo rezultate nedavne studije koja je pokazala da je vjerojatnije da će religioznije i konzervativnije države vjerojatnije tražiti seksualni sadržaj na Googleu (MacInnis & Hodson, 2014). Ispitujemo primjenjuju li se zaključci tog rada na druge mjere korištenja pornografije koristeći druge izvore podataka koje smo opisali u ovom radu. Rezultati ove replikacije dani su u tablici 3. Standardizirali smo mjere upotrebe pornografije, religioznosti i konzervativizma oduzimanjem srednje vrijednosti i dijeljenjem sa standardnim odstupanjem kako bismo omogućili usporedbu različitih mjera upotrebe pornografije (ovaj pristup ekvivalentan je pretvaranju svaka od mjera u Z-skor).

Tablica 3. Povezanosti između religioznosti ili konzervativizma na državnoj razini i svake metrike
upotrebe pornografije.

U izvornom istraživanju MacInnis i Hodson (2014) dali su rezultate temeljene na podacima Google Trendsa zasebno za određene pojmove za pretraživanje kao što su seks, pornografija i XXX, slične pojmovima koje koristimo u našoj mjeri Google Trends. Rezultati iz prvog reda Tablice 3 pokazuju da također nalazimo statistički značajan odnos religioznosti i konzervativizma u većini slučajeva kada koristimo podatke Google Trendsa. Međutim, drugi redovi u tablici 3 pokazuju da smo dobili mnogo slabiji statistički odnos kada se koristi bilo koji od ostala tri izvora podataka. Ovi rezultati sugeriraju da ako su MacInnis i Hodson (2014) koristili bilo koji od ostala tri izvora podataka, vjerojatno bi u svom radu došli do drugog zaključka o snazi ​​veze koju su ispitivali.

Činjenica da MacInnis i Hodson (2014) pronalaze statistički značajnu vezu između religioznosti na državnoj razini i upotrebe pornografije na državnoj razini zanimljiva je s obzirom na to da su prošla istraživanja koja su koristila podatke na individualnoj razini otkrila da osobe koje redovito pohađaju crkvu imaju mnogo manje vjerojatnosti da koriste pornografiju ( Doran & Price, 2014; Patterson & Price, 2012; Stack, Wasserman, & Kearns, 2004). Ova vrsta uzorka u kojem su odnosi na razini skupine suprotni onome što se nalazi na individualnoj razini pronađena je i u odnosu između obrazovanja i religije (Glaeser & Sacerdote, 2008) i odnosa između dohotka i političke pripadnosti (Glaeser & Sacerdote, 2007.).

Rasprava

Svaki gore spomenuti izvor podataka bilježi različit presjek industrije internetske pornografije, a svaki od njih ima značajne ranjivosti za istraživače zainteresirane za opću razinu korištenja pornografije u državi. Na primjer, podaci iz NFSS-ove ankete vjerojatno podcjenjuju potrošnju pornografije zbog pristranosti društvene poželjnosti i neispravnog pamćenja subjekata. Podaci Google Trends ne uspijevaju zabilježiti uporabu pornografije kojoj se pristupa drugim sredstvima osim pretraživanjem Googlea. Podaci o pornografiji i pretplati mogu biti ograničeni u svojoj reprezentativnosti; oni mjere upotrebu s obzirom na samo jednu tvrtku u industriji.

Kada se podaci iz bilo kojeg izvora koriste u istraživanju, rezultati se moraju prikazati u kontekstu podataka koji vode do tih rezultata. Do problema dolazi kada pojedinci pogrešno protumače dani izvor podataka kao cjelinu pornografske industrije. Postoje mnoge druge postavke u kojima podaci na sličan način koji nisu reprezentativni mogu biti pogrešno pretjerano generalizirani. Istraživači i pojedinci moraju biti svjesni vanjske valjanosti svojih nalaza, dok mediji i čitatelji moraju biti oprezni da ne pretjerano generaliziraju rezultate.

Također prepoznajemo ograničenje naših izvora podataka jer oni obuhvaćaju pornografsku industriju u različitim povijesnim trenucima; Google trendovi (2013-2014), plaćena pretplata (2006-2008), Pornhub (2013) i NFSS (2012). Podaci o pretplaćenim pretplatama prikupljeni su otprilike 6-7 godina prije ostalih izvora. Ova vremenska razlika može utjecati na naše rezultate, međutim opći trendovi u izvorima podataka u cjelini su takvi da vjerujemo da su naši nalazi točni. Bitni pomaci u relativnoj upotrebi pornografije u državama iz 2006-2013 bili bi potrebni da bi se došlo do pristranosti za koje vjerujemo da su malo vjerojatne.

Prilikom pokušaja rangiranja pojedinaca koji se odnose na neki oblik aktivnosti mora se pogledati više izvora (ako su dostupni) radi postizanja kontrastnih rezultata. Ako su redoslijedi slični, može se pretpostaviti njihova točnost. Ako se razlikuju, pojavljuje se prilika za razumijevanje više problema. U našem konkretnom slučaju razlike će se vjerojatno pojaviti jer izvori obuhvaćaju različite vrste pornografije.

Dosadašnja istraživanja upotrebe pornografije dotakla su se stupnja u kojem bi mogla utjecati na važna područja od interesa kao što su razvod, sreća, produktivnost radnika i seksualno nasilje (Bergen & Bogle, 2000; Doran & Price, 2014; Patterson & Price, 2012; Young I slučaj, 2004.). Kada se provodi takvo istraživanje, podaci moraju biti iz pouzdanog i uopćenog izvora (ili izvora). Rezultati i nalazi bilo kakvih takvih učinaka moraju se uzeti u obzir s obzirom na dob, spol i spolni identitet pojedinaca - čimbenici koji u ovom radu nisu uzeti u obzir (Sevcikova i Daneback, 2014; Stoops, 2015; Traeen & Daneback, 2013. ; Tripodi i sur. 2015). U takvim istraživačkim mogućnostima uporaba pornografije od strane države može igrati ulogu u analizi. S obzirom na rezultate ovog rada, izvor podataka takve varijable mora se ozbiljno razmotriti u takvoj regresiji, a rezultat se mora tumačiti u kontekstu izvora podataka.

Zaključak

Podaci koje pružaju određene tvrtke mogu pružiti važan uvid u javna pitanja. Glavni je izazov određivanje vremena kada podaci o jednoj tvrtki, čak i vrlo velikoj, mogu pružiti uvide koji su reprezentativni za cijelu populaciju. Ako pretpostavimo da relativne stope pornografije u državama nisu imale značajnih promjena u odnosu na 2006-2013, rezultati našeg rada sugeriraju da u nekim slučajevima informacije jedne tvrtke mogu stvoriti pogrešnu sliku geografskih obrazaca određenog ponašanja. Ovo može biti osobito važno za upotrebu pornografije jer ogromna većina pojedinaca koji pornografiju pristupaju internetu samo pristupaju besplatnom sadržaju, a ne koriste plaćenu web stranicu (Doran, 2008).

Rezultati ovog rada temelje se na četiri različita izvora podataka o korištenju pornografije, uključujući dva koja uključuju nacionalno reprezentativne podatke (Google Trends i NFSS). Nalazimo značajnu povezanost između tri naša izvora podataka koji sugerišu da svi oni odražavaju sličan temeljni obrazac u korištenju pornografije u državama. Za razliku od podataka o pretplati, jedan izvor koji je poprimio priličnu količinu medijske pažnje zapravo je prilično loš u korelaciji s ostalim izvorima. Također pokazujemo da izbori između izvora podataka mogu utjecati na zaključke koje studije izvlače i sugeriraju da buduće studije uključuju testove osjetljivosti u svim izvorima podataka kada se ispituju pitanja za koja je izazovno postići idealno mjerilo određenog ponašanja.

Reference