Pētījums par pornogrāfijas izmantošanu: Metodoloģija un četru avotu rezultāti (2015): Jūta nav numurs 1 pornogrāfijā

Saite uz rakstu 

Pētījums par pornogrāfijas izmantošanu: metodoloģija un četru avotu rezultāti.

Kiberpsiholoģija: žurnāls par psihosociāliem pētījumiem par kibertelpu, 9(4), raksts 1. doi: 10.5817 / CP2015-4-4

Anotācija

Atslēgas vārdi: Pornogrāfija, interneta izmantošana, dati, pārstāvis

Lejupielādēt PDF

Ievads

Lai gan vairums pētnieku piekristu, ka pornogrāfija pēdējās desmitgadēs ir kļuvusi izplatītāka, precīzs pornogrāfijas lietošanas līmeņa noteikšana sabiedrībā joprojām ir empīrisks izaicinājums sociālajiem zinātniekiem. Laika gaitā ir mainījies pornogrāfijas piekļuvei izmantoto tehnoloģiju klāsts, padarot gandrīz neiespējamu konsekventi izmērīt to pašu pornogrāfijas lietošanas rādītāju. Ātrgaitas internets, kas pēdējos piecpadsmit gados ir pakāpeniski iekļuvis tirgos, pornogrāfijas patēriņā nodrošina nepieredzētu pieejamību, anonimitāti un ērtu piekļuvi (Cooper, 1998), veicinot acīmredzamo vispārējo pornogrāfijas lietošanas pieaugumu (Wright, 2011). Hertleins un Stīvensons (2010) atzīmē arī citas funkcijas, kas jo īpaši saistītas ar platjoslas interneta pornogrāfiju, veicinot nozares izaugsmi: ciešāka tuvināšanās fiziskajai pasaulei, pieņemamība, neskaidrība un izmitināšana starp “reālo” un “vajadzīgo” sevi.

Iepriekšējās pieejas pornogrāfijas lietošanas noteikšanai lielā mērā ir balstījušās uz aptauju datiem (sk. Buzzell, 2005). Tiešsaistes pornogrāfijas elektroniskā būtība tomēr arvien vairāk ļauj izmantot vairākas alternatīvas metodes, lai iegūtu uzticamus pornogrāfijas tuvinājumus, ieskaitot tos, kas iegūti no abonēšanas vai tiešsaistes meklēšanas datiem. Spēja izmantot objektīvu mērījumu, kas balstīts uz abonēšanas vai meklēšanas datiem, ir izdevīga, jo uz apsekojumiem balstītos datus parasti cieš no sociāli vēlamiem aizspriedumiem: respondenti var nepietiekami ziņot par darbībām, kas pārkāpj sociālās normas (Fišers, 1993). Turklāt abonēšanas dati nav atkarīgi no indivīda viedokļa par to, kas veido pornogrāfiju; dabisks subjektīvo aptaujas jautājumu par pornogrāfijas izmantošanu ierobežojums.

Divos nesenos pētījumos ir izmantoti inovatīvi datu avoti par tiešsaistes pornogrāfijas izmantošanu. Edelmans (2009) izmanto abonēšanas datus no viena no desmit maksas pornogrāfiskā satura pakalpojumu sniedzējiem, lai izveidotu rangu, kurā valstis visvairāk izmanto pornogrāfiju tiešsaistē, un korelē to ar vairākiem valsts līmeņa sociālās vai reliģiskās attieksmes rādītājiem. MacInnis un Hodson (2014) izmanto Google Trends meklēšanas vienumu datus kā starpnieku pornogrāfijas izmantošanai un pēta saistību starp valsts līmeņa pornogrāfijas izmantošanu un reliģiozitātes un konservatīvisma rādītājiem. Viņi atklāj, ka valstīm ar labāku ideoloģisko attieksmi ir augstāks ar pornogrāfiju saistītu Google meklēšanas gadījumu skaits.

Šajā rakstā ir novērtēti daži apgalvojumi, kas izteikti iepriekšējos pētījumos par valstu rangu secību un saistību starp valsts līmeņa pornogrāfijas izmantošanu un dažādiem valsts līmeņa sociāliem pasākumiem. Mēs piedāvājam arī sistēmu, kuru nākamie pētnieki var izmantot, lai novērtētu nākotnes valsts vai pat apgabala līmeņa datu kopu reprezentativitāti par pornogrāfijas izmantošanu. Edelmans (2009) bija pionieris piekļuvei viena apmaksāta pornogrāfiska satura pakalpojumu sniedzēja abonēšanas datiem, un šī individuālo klientu datu izmantošana no privātiem uzņēmumiem kļūs par noderīgu rīku datu apkopošanai par grūti izmērāmu rīcību. Atslēga šāda veida bagātinātu datu turpmākai izmantošanai būs identificēt pakāpi, kādā vienas firmas dati var sniegt tādas pašas atziņas kā nacionāli reprezentatīvs paraugs.

Šajā rakstā mēs izvērsim datus, kas izmantoti šajos divos nesenajos pētījumos, un apvienojam tos ar diviem papildu datu avotiem. Tā kā katrs no četriem datu avotiem, kurus mēs izmantojam šajā dokumentā, parāda pornogrāfijas izmantošanas līmeņa rādītāju, mēs novērtējam katra avota derīgumu, salīdzinot to ar valsts līmeņa klasifikāciju, ko mēs iegūstam citiem avotiem.

Datums

Mūsu raksts balstās uz četriem datu avotiem, kas ietver informāciju par atšķirībām valsts līmenī pornogrāfijas lietošanā. Pirmie divi datu avoti ir reprezentatīvi paraugi valstī, savukārt pēdējie divi ir balstīti uz apmaksātiem abonementiem vai lapu skatījumiem, kas saistīti ar konkrētu pornogrāfiska satura nodrošinātāju. Katrā datu avotā mūsu pornogrāfijas lietošanas rādītāji ir balstīti uz apstākļiem, kādos indivīdi meklē pornogrāfisku saturu, nevis nejauši skatās pornogrāfiju.

Mūsu pirmā datu kopa ir balstīta uz valstī reprezentatīvu 2,988 respondentu izlasi Jauno ģimenes struktūru aptaujā (NFSS). Datu vākšanu veica zināšanu tīkls (KN), pētījumu firma, kas reģistrē augstas kvalitātes datu iegūšanu. Zināšanu tīkli izlases veidā pieņēma darbā paneļa locekļus, izmantojot telefona un pasta aptaujas, mājsaimniecībām vajadzības gadījumā tiek nodrošināta piekļuve internetam. Šim panelim ir priekšrocības, jo tas nav ierobežots tikai ar pašreizējiem interneta lietotājiem vai datoru īpašniekiem, un tas nepieņem pašizvēlētus brīvprātīgos.

NFSS iekļauj jautājumu par to, vai respondents iepriekšējā gadā ar nodomu skatījās pornogrāfiju. Šāda veida jautājumiem ir tāda priekšrocība, ka tiek fiksēta pornogrāfijas izmantošana visos avotos, kurus indivīds izmanto piekļuvei. Ir arī citi nacionāli reprezentatīvi paraugi, piemēram, Vispārīgais sociālais apsekojums, kas ietver jautājumus par pornogrāfiju. Mēs izmantojam datus no NFSS, jo citi zinātnieki tiem var viegli piekļūt, un publiski pieejamā formā ir iekļauti valsts identifikatori. Turpretī valsts identifikatorus var iegūt tikai vispārējā sociālā apsekojuma konfidenciālajā versijā. Analīzei šajā dokumentā mēs izmantojam četrdesmit sešu NFSS apsekojuma stāvokļu kopu, kurā bija vismaz 50 respondenti.

Otrais datu avots, Google tendences, darbojas kā laika rindu indekss meklējumu apjomam, kas ievadīts Google noteiktā ģeogrāfiskā apgabalā. Šie dati ir izrādījušies noderīgi ekonomiskajos un medicīniskajos pasākumos, piemēram, gripas uzliesmojumu prognozēšanā (Carneiro & Mylonakis, 2009) un īstermiņa ekonomisko rādītāju, piemēram, patērētāju uzticības vai bezdarba, prognozēšanā (Choi & Varian, 2012). Preiss, Moats un Stenlijs (2013) kvantitatīvi izsaka tirdzniecības uzvedību, izmantojot Google tendences, parādot, ka noteikti nosacījumi ir saistīti ar akciju vērtības pieaugumu vai samazināšanos. Pieaugušo izklaides industriju var arī pārbaudīt, izmantojot Google Trends meklēšanas datus, ciktāl tās nozares svarīgās iezīmes var izmērīt kvantitatīvi.

Vissvarīgākais izaicinājums, izmantojot Google Trends datus, ir īpašu nosacījumu izvēle, no kuriem mēs apkopojam datus. Izvēlētajiem terminiem jābūt faktiskam pornogrāfijas lietošanas rādītājam, lai mūsu analīze būtu noderīga. Ho and Watters (2004) analizēja pornogrāfisko vietņu strukturālās tendences. Veicot analīzi, viņi izveido terminu sarakstu, kas bieži parādās pornogrāfiskās vietnēs un bieži neparādās vietnēs, kas nav pornogrāfiskas. Četri labākie termini bija “porno”, “xxx”, “sekss” un “f ***”. Izmantojot meklēšanas statistiku, mēs secinām, ka šo četru vārdu meklēšana ir ļoti korelēta. Turpretī termina “pornogrāfija” meklējumi nav savstarpēji saistīti ar kādu no šiem četriem terminiem, un tas ir termins, ko, visticamāk, lieto cilvēki, kas meklē informāciju par pornogrāfiju, nevis piekļūst faktiskam pornogrāfiskam saturam.

Ir arī atšķirība starp “cieto” un “mīksto” pornogrāfiju, “mīkstais” parasti attiecas uz plašsaziņas līdzekļiem, kas pēc būtības ir seksuāli, bet neattēlo iespiešanos. Iepriekš uzskaitītie četri termini iegūs datus tikai par lietotājiem, kuri meklē cietu saturu, taču mēs joprojām uzskatām to par efektīvu analīzi divu iemeslu dēļ. Mīksto pornogrāfiju daudzi skatītāji neuzskata par pornogrāfiju, kā rezultātā tā ir izplatīta pat plašsaziņas līdzekļos, ieskaitot televīziju un filmas. Otrkārt, mēs secinām, ka mīkstas pornogrāfijas vārdu relatīvie meklējumi ir minimāli, salīdzinot ar cietās pornogrāfijas terminu meklēšanu. Izmantojot 2005-2013, tika izdarīta relatīva meklēšanas vērtība meklēšanas vienumiem “porno” un “plikas meitenes”. Abu terminu meklēšana tika normalizēta tā, ka maksimālais meklēšanas apjoms ieguva vērtību 100, kas parādījās vārdam “porn”. Salīdzinot ar normalizēto maksimumu, plikām meitenēm meklēšanas apjoma indekss nekad nav lielāks par 6.

Google Trends dati nenorāda faktisko meklējumu skaitu noteiktam vārdam ģeogrāfiskā apgabalā. Katrs datu punkts tiek normalizēts, dalot vārda meklējumu skaitu ar visu meklējumu kopskaitu šajā apgabalā. Tāpēc tiek kontrolēti dati gan par iedzīvotājiem, gan par meklēšanas apjoma atšķirībām starp valstīm. Google Trends arī novērš atkārtotus viena cilvēka meklēšanas gadījumus īsā laika posmā, lai neļautu vienai personai izkropļot rezultātus.

Dati ir pieejami valsts nedēļas līmenī no vietnes Google Trends. Mēs izmantojam datus par gadu jūlijā 2013-jūlijā 2014. Mūsu novērojumi ir pielāgoti 1-100 skalai. Valstij, kurā mūsu datu kopā vienas nedēļas laikā ir vislielākie normalizētie konkrētā termina meklējumi, ir 100 lasījums. Izmantojot šos datus par katru terminu, mēs veidojam pornogrāfijas meklēšanas indeksu katrai mūsu datu valsts nedēļai ar svērto summu, izmantojot četrus terminus. “Pornogrāfija” un “sekss” tiek vērtēta vairāk, jo viņu relatīvie meklējumi ir daudz lielāki nekā “f ***” un “xxx”. Konkrēti, mēs izmantojam katra termina vidējo relatīvo svērumu pēdējā gada laikā. Pēc tam mēs izmantojam šo Google Trends svērto valstu ranžēšanas rangu, lai ģeogrāfiski modelētu pieaugušo izklaides industriju.

Viena no priekšrocībām, izmantojot Google Trends datus, nevis vietnei raksturīgus abonēšanas datus, ir tā, ka tajā ir iekļauta informācija par personām, kas meklē gan bezmaksas, gan apmaksātu pieaugušo izklaidi. Dorans (2008) norāda, ka aptuveni 80-90% pornogrāfisko vietņu apmeklētāju piekļūst tikai bezmaksas pornogrāfiskam materiālam, liekot domāt, ka apmaksātu pieaugušo izklaides analīze var aizēnot faktiskos pornogrāfijas patēriņa modeļus kopumā.

Trešajā mūsu datu avotā tiek reģistrēts abonēšanas skaits vienam no desmit lielākajiem apmaksātā pornogrāfiskā satura pakalpojumu sniedzējiem, kas izmantots nesenajā Edelmana pētījumā (2009). Edelmana veiktā šīs datu kopas analīze bija jauns ieguldījums literatūrā; iepriekšējos pornogrāfijas lietošanas pētījumos tika pārbaudīti tikai aptauju dati. Konkrētie izmantotie dati bija pasta kods, kas bija saistīts ar visiem kredītkaršu abonementiem starp 2006 un 2008. Šim konkrētajam satura nodrošinātājam ir simtiem vietņu, kas aptver plašu pieaugušo izklaides klāstu. Edelmans (2009) tomēr atzīst, ka “ir grūti stingri apstiprināt, ka šis pārdevējs ir pārstāvis”.

Lai arī šo abonēšanas datu avots ir populārākais pieaugušo izklaides pārdevējs 10, abonentu skaits ir ļoti zems, salīdzinot ar pornogrāfijas lietošanas modeļiem, kurus novērojam tādos apsekojumu datos kā NFSS, kur 47% pieaugušo cilvēku ziņo par pornogrāfijas izmantošanu pēdējā gada laikā. . Valsts, kurā abonē visvairāk platjoslas mājsaimniecību, ir Jūta ar 5.47 visām 1,000 mājsaimniecībām ar platjoslas pakalpojumiem. Zemākais stāvoklis ir Montana ar 1.92 abonementiem uz visām 1,000 mājsaimniecībām ar platjoslas pieslēgumu. Šīs zemās likmes liek domāt, ka atsevišķu pornogrāfijas satura pakalpojumu sniedzēju tirgus daļa ir maza, tāpēc ir grūti zināt, vai viena pakalpojumu sniedzēja dati var sniegt precīzu dažādu valstu salīdzinājumu. Kā minēts iepriekš, lielais vairums personu, kuras piekļūst pornogrāfijai tiešsaistē, piekļūst tikai bezmaksas saturam, nevis izmanto maksas vietni, piemēram, tās, kuras izpētījis Edelmans (Doran, 2010).

Ceturtais mūsu datu avots ir lapas skatījumu dati no vietnes Pornhub.com, kas tajā laikā bija trešā lielākā pieaugušo izklaides vietne ASV. Mēs izmantojam Pornhub datus, ņemot vērā to lielumu, kā arī datu pieejamību. Pornhub 2013 gada laikā lapu skatījumus uz vienu iedzīvotāju padarīja publiski pieejamus un šos datus atsevišķi iesniedza pa valstīm. Pornhub dati pēc būtības ir līdzīgi Edelmana datiem, jo ​​tie ir pornogrāfijas lietošanas objektīvs nodrošinātājs. Tomēr dati reģistrē lapu skatījumus, nevis abonentus; intuitīvi šie dati atklāj intensīvas lietošanas uz vienu cilvēku modeļus, kā arī izplatības modeļus iedzīvotāju vidū. Šiem datiem ir arī relatīvas priekšrocības, iekļaujot gan apmaksātu, gan neapmaksātu izmantošanu.

Jaunu datu avotu reprezentativitātes novērtēšana

Lielo datu revolūcija sāk dramatiski atvērt datu avotu veidus, kurus var izmantot, lai izmērītu un pētītu uzvedību, piemēram, pornogrāfijas izmantošanu. Abonēšanas dati, ko izmanto Edelmans (2009), atspoguļo lielu datu kopu veidu, kas zinātniekiem arvien vairāk kļūs pieejami viņu pētījumos. Svarīgs pirmais solis šāda veida patentētu datu izmantošanā būs novērtēt, cik lielā mērā viena nodrošinātāja dati ir reprezentatīvi interešu kopumam. Šajā sadaļā mēs piedāvājam ietvaru, kas novērtē datu kopas reprezentativitāti, salīdzinot to ar modeļiem, kas novēroti no citiem datiem, par kuriem zināms, ka tie ir reprezentatīvi valstī, vai salīdzinot tos ar citu datu avotu kombināciju, kas, iespējams, kopā pārstāv patieso pamatā esošais uzvedības modelis.

1 tabulā mēs uzskaitām desmit un desmit valstis pornogrāfijas lietošanai, pamatojoties uz katru no četriem avotiem: abonēšanas datiem, Pornhub, NFSS un Google Trends. Misisipi ir viens no štatiem, kas visās četrās datu kopās ieņem četrus lielākos pornogrāfijas izmantošanas rādītājus, un Aidaho konsekventi atrodas gandrīz visu valstu zemākajos rādītājos lielākajā daļā pasākumu. Turpretī citas valstis, piemēram, Arkanzasa un Jūta, ierindojas desmitniekā pēc dažiem pasākumiem, bet desmitniekā - pēc citiem pasākumiem. Šie rezultāti liek domāt, ka noteikt problēmu, kurā valstī, šķiet, ir visaugstākā pornogrāfijas izmantošana, pamatojoties uz vienu datu avotu, var būt nedaudz problemātiski.

1 tabula. Valstu ranga secība, pamatojoties uz četriem dažādiem kontrolētiem datu avotiem
platjoslas interneta piekļuvei.

2 tabulas A tabulā mēs novērtējam korelāciju starp katru no datu avotiem, izmantojot faktiskos katra avota pornogrāfijas lietojuma rādītājus, nevis kārtējo klasifikāciju, kas sniegta 1 tabulā no šiem rādītājiem. Apmaksātajiem abonēšanas datiem līdz šim ir bijusi vājākā korelācija ar pārējiem trim avotiem, un tie ir pat negatīvi korelēti ar NFSS apsekojuma datiem. Apmaksātajiem abonēšanas datiem ir -0.0358 korelācija ar NFSS, 0.076 ar Google Trends un 0.0066 ar Pornhub. Neviena no šīm korelācijām nav statistiski nozīmīga; atbilstošā t-statistika ir mazāka par 0.6 (kas atbilst virziena p vērtībām, kas lielākas par .3). Turpretī pārējie trīs rangi parāda samērā ievērojamas korelācijas. Google Trends un Pornhub ir .487 korelācija, NFSS un Google Trends ir .655 korelācija, savukārt Pornhub un NFSS ir .551 korelācija. Visas šīs korelācijas ir statistiski nozīmīgas ar t-statistiku starp Google Trends un 3.78 Pornhub, starp NFSS un Google Trends no 5.68 un starp Pornhub un NFSS no 4.28. Visi šie virziena p-lielumi ir mazāki par .0004.

B panelī mēs ziņojam par korelācijām, izmantojot parasto klasifikāciju, kas izveidota no katra datu avota. Korelācijām starp NFSS, Google tendencēm un Pornhub ir salīdzināmi korelācijas koeficienti un nozīmīgums ar A panelī esošajiem, tāpat arī korelācija starp Google tendencēm un apmaksātu abonementu ir līdzīga. Panelis ir ievērojams, jo, izmantojot parasto klasifikāciju, apmaksātie abonēšanas dati labāk korelē ar Pornhub un NFSS aptaujas datiem, tomēr korelācijas joprojām ir nenozīmīgas. Abas paneļi ļauj izdarīt līdzīgus secinājumus, tomēr ir vērts atzīmēt lielākus apmaksātu abonēšanas datu koeficientus, neskatoties uz to, ka tie ir nenozīmīgi un ievērojami vājāki par citu avotu korelācijām savā starpā. Mēs uzskatām, ka korelācijas, izmantojot faktiskos pornogrāfijas lietošanas mērus, nevis parasto klasifikāciju, vislabāk atspoguļo nozari, jo tā atspoguļo faktiskās atšķirības pornogrāfijas lietojumā, nevis tikai valstu īpašo kārtību.

2 tabula. Četru datu avotu korelācija.

Nozīmīgā korelācija starp trim neapmaksātiem abonēšanas datu avotiem, neraugoties uz atšķirīgajiem mainīgajiem, kurus tie mēra (meklēšanas apjoms, lappušu skatījumi un pornogrāfijas skatītāju īpatsvars), liek domāt, ka tie mēra reālu pamatā esošo pornogrāfijas lietošanas variāciju modeli dažādās valstīs; tādu, kas nav korelēts ar Edelmana (2009) izmantotajiem abonēšanas datiem.

Aplēšu jutība pret izmantoto datu avotu

Lai ilustrētu valsts pornogrāfijas rādītāju atšķirību uzskaites nozīmi dažādos datu avotos, mēs atkārtojam nesen veiktā pētījuma rezultātus, kuros atklāts, ka reliģiskākas un konservatīvākas valstis biežāk meklē seksuālu saturu Google tīklā (MacInnis & Hodsons, 2014). Mēs pārbaudām, vai šī dokumenta secinājumi attiecas uz citiem pornogrāfijas izmantošanas pasākumiem, izmantojot citus datu avotus, kurus esam aprakstījuši šajā rakstā. Šīs replikācijas rezultāti ir doti 3. tabulā. Mēs standartizējām pornogrāfijas izmantošanas, reliģiozitātes un konservatīvisma pasākumus, atņemot vidējo un dalot ar standartnovirzi, lai ļautu salīdzināt dažādus pornogrāfijas izmantošanas pasākumus (šī pieeja ir līdzvērtīga pārveidošanai katrs no rādītājiem Z vērtībā).

3 tabula. Korelācijas starp valsts līmeņa reliģiozitāti vai konservatīvismu un katru metriku
Pornogrāfijas lietojums.

Sākotnējā pētījumā MacInnis un Hodson (2014) sniedza rezultātus, kas balstīti uz Google Trends datiem, atsevišķi par konkrētiem meklēšanas vienumiem, piemēram, seksu, porno un XXX, līdzīgi tiem noteikumiem, kurus mēs izmantojam mūsu Google Trends pasākumā. Rezultāti 3 tabulas pirmajā rindā parāda, ka mēs arī atrodam statistiski nozīmīgu saikni starp reliģiozitāti un konservatīvismu, ja izmantojam Google Trends datus. Tomēr pārējās 3 tabulas rindas parāda, ka, izmantojot kādu no pārējiem trim datu avotiem, statistikas sakarības ir daudz vājākas. Šie rezultāti liek domāt, ka, ja Makiniss un Hodžsons (2014) būtu izmantojuši kādu no pārējiem trim datu avotiem, viņi, iespējams, savā darbā būtu nonākuši pie atšķirīga secinājuma par pētāmo attiecību stiprumu.

Fakts, ka MacInnis un Hodson (2014) atrod statistiski nozīmīgu saistību starp valsts līmeņa reliģiozitāti un valsts līmeņa pornogrāfijas lietošanu, ir interesants, ņemot vērā, ka iepriekšējie pētījumi, izmantojot individuāla līmeņa datus, atklāj, ka personas, kas regulāri apmeklē baznīcu, daudz retāk izmanto pornogrāfiju ( Doran & Price, 2014; Patterson & Price, 2012; Stack, Wasserman un Kearns, 2004). Šāda veida modelis, kurā grupas līmeņa attiecības ir pretējas individuālajam līmenim, ir atrasts arī attiecībās starp izglītību un reliģiju (Glaeser & Sacerdote, 2008) un ienākumu un politiskās piederības attiecībās (Glaeser & Sacerdote, 2007).

diskusija

Katrā no iepriekš apskatītajiem datu avotiem ir atšķirīgs šķērsgriezuma skatījums uz tiešsaistes pornogrāfijas nozari, un katram no tiem ir būtiska ievainojamība pētniekiem, kurus interesē vispārējs pornogrāfijas izmantošanas līmenis valstī. Piemēram, NFSS apsekojuma dati, iespējams, nepietiekami ziņo par pornogrāfijas patēriņu sociālas vēlamības neobjektivitātes un subjektu nepareizas atmiņas dēļ. Google Trends datos nav attēlots neviens pornogrāfijas lietojums, kam piekļūst, izmantojot citus līdzekļus, nevis Google meklēšanu. Pornhub un maksas abonēšanas datu reprezentativitāte var būt ierobežota; tie mēra izmantošanu tikai attiecībā uz vienu nozares uzņēmumu.

Ja pētniecībā tiek izmantoti dati no jebkura avota, rezultāti jāsniedz saistībā ar datiem, kas noved pie šiem rezultātiem. Problēmas rodas, ja indivīdi kļūdaini interpretē noteiktu datu avotu kā tādu, kas pārstāv visu pornogrāfijas nozari. Ir daudz citu iestatījumu, kuros līdzīgi nereprezentatīvos datus var kļūdaini pārmērīgi vispārināt. Pētniekiem un indivīdiem jāapzinās atklājumu ārējais derīgums, savukārt plašsaziņas līdzekļiem un lasītājiem jābūt uzmanīgiem, lai pārāk vispārinātu rezultātus.

Mēs atzīstam arī mūsu datu avotu ierobežojumus, jo tie atspoguļo pornogrāfijas nozari dažādos vēsturiskos brīžos; Google Trends (2013-2014), apmaksāts abonements (2006-2008), Pornhub (2013) un NFSS (2012). Apmaksātie abonēšanas dati tika apkopoti aptuveni 6-7 gadus pirms citiem avotiem. Šī laika starpība var negatīvi ietekmēt mūsu rezultātus, tomēr vispārīgās tendences datu avotos kopumā ir tādas, ka mēs uzskatām, ka mūsu iegūtie dati ir precīzi. Lai notiktu šī aizspriedumainība, būtu vajadzīgas lielas izmaiņas pornogrāfijas relatīvā lietošanā visos štatos no 2006-2013, kas, mūsuprāt, ir maz ticams.

Mēģinot sarindot indivīdus pēc kāda veida aktivitātes, kontrastējošu rezultātu labad ir jāapskata vairāki avoti (ja tādi ir). Ja pasūtījumi ir līdzīgi, to precizitāti var vieglāk pieņemt. Ja tie atšķiras, rodas iespēja vairāk saprast šo jautājumu. Mūsu konkrētajā gadījumā atšķirības, visticamāk, radīsies tāpēc, ka avoti fiksē dažāda veida pornogrāfijas izmantošanu.

Iepriekšējie pētījumi par pornogrāfijas izmantošanu ir skāruši pakāpi, kādā tas varētu ietekmēt svarīgas interešu jomas, piemēram, šķiršanos, laimi, darba ražīgumu un seksuālu vardarbību (Bergen & Bogle, 2000; Doran & Price, 2014; Patterson & Price, 2012; Young & Case, 2004). Veicot šādus pētījumus, datiem jābūt no uzticama un vispārējama avota (vai avotiem). Jebkuru šādu seku rezultāti un secinājumi jāņem vērā, ņemot vērā arī indivīdu vecumu, dzimumu un seksuālo identitāti - faktorus, kas šajā rakstā netiek ņemti vērā (Sevcikova & Daneback, 2014; Stoops, 2015; Traeen & Daneback, 2013 ; Tripodi et al., 2015). Šādās izpētes iespējās pornogrāfijas izmantošana, ko veic valsts, var būt nozīmīga analīzē. Ņemot vērā šī darba rezultātus, šāda mainīgā datu avots ir ļoti jāņem vērā šādā regresijā, un rezultāts ir jāinterpretē datu avota kontekstā.

Secinājumi

Dati, ko sniedz konkrēti uzņēmumi, var sniegt svarīgu ieskatu sabiedriskos jautājumos. Galvenais izaicinājums ir noteikt, kad viena, pat ļoti liela uzņēmuma dati var sniegt ieskatu, kas ir reprezentatīvs visiem iedzīvotājiem. Pieņemot, ka pornogrāfijas relatīvajam līmenim visās valstīs nav būtiskas izmaiņas salīdzinājumā ar 2006-2013, mūsu darba rezultāti liecina, ka dažos gadījumos viena uzņēmuma informācija var radīt maldinošu priekšstatu par konkrētas uzvedības ģeogrāfiskajiem modeļiem. Tas var būt īpaši svarīgi pornogrāfijas lietošanai, jo lielai daļai indivīdu, kuri piekļūst pornogrāfijai tiešsaistē, piekļūst tikai bezmaksas saturam, nevis izmanto maksas vietni (Doran, 2008).

Šī darba rezultāti balstās uz četriem dažādiem datu avotiem par pornogrāfijas izmantošanu, ieskaitot divus, kas saistīti ar reprezentatīviem datiem valstī (Google Trends un NFSS). Mēs atklājam būtisku korelāciju starp trim mūsu datu avotiem, kas liek domāt, ka tie visi atspoguļo līdzīgu pamatā esošo pornogrāfijas lietošanas modeli visos štatos. Pretstatā apmaksātiem abonēšanas datiem, tam avotam, kam ir pievērsta diezgan liela plašsaziņas līdzekļu uzmanība, faktiski diezgan slikti korelē ar citiem avotiem. Mēs arī parādām, ka izvēle starp dažādiem datu avotiem var ietekmēt pētījumu secinājumus un liek domāt, ka turpmākajos pētījumos jāiekļauj jutīguma testi visos datu avotos, pārbaudot jautājumus, par kuriem ir grūti iegūt ideālu īpašas uzvedības mērauklu.

Atsauces