അശ്ലീലസാഹിത്യത്തിന്റെ പുനരവലോകന ഗവേഷണം: നാലു ശാസ്ത്ര സ്രോതസ്സുകളിൽ നിന്നുള്ള പഠനങ്ങളും ഫലങ്ങളും (യു.എൻ.

ലേഖനത്തിലേക്കുള്ള ലിങ്ക് 

അശ്ലീലസാഹിത്യത്തിന്റെ ഒരു അവലോകനം ഗവേഷണം: നാല് സ്രോതസ്സുകളിൽ നിന്നുള്ള രീതികളും ഫലങ്ങളും.

സൈബർ സൈക്കോളജി: ജേണൽ ഓഫ് സൈക്കോസോഷ്യൽ റിസർച്ച് ഓൺ സൈബർസ്പേസ്, 9(4), ലേഖനം 1. doi: 10.5817 / CP2015-4-4

വേര്പെട്ടുനില്ക്കുന്ന

കീവേഡുകൾ‌: അശ്ലീലസാഹിത്യം, ഇൻറർ‌നെറ്റ് ഉപയോഗം, ഡാറ്റ, പ്രതിനിധി

PDF ഡൗൺലോഡുചെയ്യുക

അവതാരിക

സമീപകാല ദശകങ്ങളിൽ അശ്ലീലസാഹിത്യം കൂടുതൽ വ്യാപകമായിട്ടുണ്ടെന്ന് മിക്ക ഗവേഷകരും സമ്മതിക്കുമെങ്കിലും, ജനസംഖ്യയിൽ അശ്ലീലസാഹിത്യത്തിന്റെ അളവ് കൃത്യമായി കണക്കാക്കുന്നത് സാമൂഹിക ശാസ്ത്രജ്ഞർക്ക് അനുഭവപരമായ വെല്ലുവിളിയായി തുടരുന്നു. അശ്ലീലസാഹിത്യം ആക്‌സസ് ചെയ്യുന്നതിന് ഉപയോഗിക്കുന്ന സാങ്കേതികവിദ്യകളുടെ നിര കാലക്രമേണ മാറി, അശ്ലീലസാഹിത്യത്തിന്റെ അതേ മെട്രിക് സ്ഥിരമായി അളക്കുന്നത് അസാധ്യമാക്കുന്നു. കഴിഞ്ഞ പതിനഞ്ച് വർഷമായി ക്രമേണ വിപണിയിൽ നുഴഞ്ഞുകയറിയ അതിവേഗ ഇന്റർനെറ്റ്, അഭൂതപൂർവമായ താങ്ങാവുന്ന വില, അജ്ഞാതത, അശ്ലീലസാഹിത്യ ഉപഭോഗത്തിൽ (കൂപ്പർ, എക്സ്എൻ‌എം‌എക്സ്) എളുപ്പത്തിൽ പ്രവേശനം എന്നിവ പ്രാപ്തമാക്കുന്നു, ഇത് അശ്ലീലസാഹിത്യ ഉപയോഗത്തിൽ പൊതുവായ ഉയർച്ചയ്ക്ക് കാരണമാകുന്നു (റൈറ്റ്, എക്സ്എൻ‌എം‌എക്സ്). വ്യവസായത്തിന്റെ വളർച്ചയ്ക്ക് സംഭാവന ചെയ്യുന്നതിൽ ബ്രോഡ്‌ബാൻഡ് ഇൻറർനെറ്റ് അശ്ലീലസാഹിത്യത്തിന് പ്രത്യേകമായി മറ്റ് സവിശേഷതകളും ഹെർട്ട്ലിനും സ്റ്റീവൻസണും (എക്സ്എൻ‌യു‌എം‌എക്സ്) ശ്രദ്ധിക്കുന്നു: ഭ world തിക ലോകത്തോട് അടുത്ത ഏകദേശ കണക്ക്, സ്വീകാര്യത, അവ്യക്തത, ഒരാളുടെ “യഥാർത്ഥ”, “നിർബന്ധം” എന്നിവയ്ക്കിടയിലുള്ള താമസം.

അശ്ലീലസാഹിത്യ ഉപയോഗത്തിന്റെ മുൻകാല സമീപനങ്ങൾ സർവേ ഡാറ്റയെ വളരെയധികം ആശ്രയിച്ചിരിക്കുന്നു (Buzzell, 2005 കാണുക). എന്നിരുന്നാലും, ഓൺലൈൻ അശ്ലീലസാഹിത്യത്തിന്റെ ഇലക്ട്രോണിക് സ്വഭാവം, സബ്സ്ക്രിപ്ഷൻ അല്ലെങ്കിൽ ഓൺലൈൻ തിരയൽ ഡാറ്റയിൽ നിന്ന് ശേഖരിച്ചവ ഉൾപ്പെടെ അശ്ലീലസാഹിത്യ ഉപയോഗത്തിന്റെ വിശ്വസനീയമായ പ്രോക്സികൾ നേടുന്നതിനുള്ള നിരവധി ബദൽ മാർഗ്ഗങ്ങൾ കൂടുതലായി സാധ്യമാക്കുന്നു. സർവേ അടിസ്ഥാനമാക്കിയുള്ള ഡാറ്റ സാധാരണയായി ഒരു സാമൂഹിക അഭികാമ്യമായ പക്ഷപാതത്തെ ബാധിക്കുന്നതിനാൽ സബ്സ്ക്രിപ്ഷൻ അല്ലെങ്കിൽ തിരയൽ ഡാറ്റയെ അടിസ്ഥാനമാക്കി ഒരു വസ്തുനിഷ്ഠമായ അളവ് ഉപയോഗിക്കാനുള്ള കഴിവ് പ്രയോജനകരമാണ്: പ്രതികരിക്കുന്നവർ സാമൂഹിക മാനദണ്ഡങ്ങൾ ലംഘിക്കുന്ന പ്രവർത്തനങ്ങളെ കുറച്ചുകാണാം (ഫിഷർ, എക്സ്എൻ‌എം‌എക്സ്). കൂടാതെ, അശ്ലീലസാഹിത്യം എന്താണെന്നതിനെക്കുറിച്ചുള്ള ഒരു വ്യക്തിയുടെ അഭിപ്രായത്തെ സബ്സ്ക്രിപ്ഷൻ ഡാറ്റ ആശ്രയിക്കുന്നില്ല; അശ്ലീലസാഹിത്യ ഉപയോഗത്തെക്കുറിച്ചുള്ള ആത്മനിഷ്ഠ സർവേ ചോദ്യങ്ങളുടെ സ്വാഭാവിക പരിമിതി.

അടുത്തിടെയുള്ള രണ്ട് പഠനങ്ങൾ‌ ഓൺ‌ലൈൻ‌ അശ്ലീലസാഹിത്യ ഉപയോഗത്തെക്കുറിച്ചുള്ള നൂതനമായ ഡാറ്റ ഉറവിടങ്ങളിൽ‌ പ്രവേശിച്ചു. പണമടച്ചുള്ള അശ്ലീല ഉള്ളടക്കത്തിന്റെ മികച്ച പത്ത് ദാതാക്കളിൽ നിന്നുള്ള സബ്‌സ്‌ക്രിപ്‌ഷൻ ഡാറ്റ എഡൽമാൻ (എക്‌സ്‌എൻ‌എം‌എക്സ്) ഉപയോഗിക്കുന്നു, ഏത് സംസ്ഥാനങ്ങളാണ് ഏറ്റവും കൂടുതൽ ഓൺലൈൻ അശ്ലീലസാഹിത്യം ഉപയോഗിക്കുന്നതെന്നും ഇവ സാമൂഹിക അല്ലെങ്കിൽ മതപരമായ മനോഭാവങ്ങളുടെ സംസ്ഥാനതല നടപടികളുമായി പരസ്പര ബന്ധപ്പെട്ടിരിക്കുന്നു. മാക്ഇന്നിസും ഹോഡ്‌സണും (എക്സ്എൻ‌യു‌എം‌എക്സ്) ഗൂഗിൾ ട്രെൻഡുകൾ തിരയൽ പദ ഡാറ്റ അശ്ലീലസാഹിത്യ ഉപയോഗത്തിനുള്ള പ്രോക്സിയായി ഉപയോഗിക്കുന്നു, കൂടാതെ സംസ്ഥാനതലത്തിലുള്ള അശ്ലീലസാഹിത്യ ഉപയോഗവും മതപരതയുടെയും യാഥാസ്ഥിതികതയുടെയും അളവുകൾ തമ്മിലുള്ള ബന്ധം പരിശോധിക്കുകയും ചെയ്യുന്നു. കൂടുതൽ വലതുവശത്തുള്ള പ്രത്യയശാസ്ത്ര മനോഭാവമുള്ള സംസ്ഥാനങ്ങൾക്ക് അശ്ലീലസാഹിത്യവുമായി ബന്ധപ്പെട്ട Google തിരയലുകളുടെ ഉയർന്ന നിരക്ക് ഉണ്ടെന്ന് അവർ കണ്ടെത്തി.

സംസ്ഥാനങ്ങളുടെ റാങ്ക് ക്രമത്തെക്കുറിച്ചും സംസ്ഥാനതലത്തിലുള്ള അശ്ലീലസാഹിത്യ ഉപയോഗവും വിവിധ സംസ്ഥാനതല സാമൂഹിക നടപടികളും തമ്മിലുള്ള ബന്ധത്തെക്കുറിച്ചും കഴിഞ്ഞ പഠനങ്ങളിൽ നടത്തിയ ചില അവകാശവാദങ്ങളെ ഈ പ്രബന്ധം വിലയിരുത്തുന്നു. ഭാവിയിലെ ഗവേഷകർക്ക് ഭാവിയിൽ സംസ്ഥാനതലത്തിലോ അശ്ലീലസാഹിത്യ ഉപയോഗത്തെക്കുറിച്ചുള്ള കൗണ്ടി ലെവൽ ഡാറ്റാസെറ്റുകളിലോ ഉള്ള പ്രാതിനിധ്യം വിലയിരുത്താൻ ഉപയോഗിക്കാവുന്ന ഒരു ചട്ടക്കൂട് ഞങ്ങൾ നൽകുന്നു. പണമടച്ചുള്ള അശ്ലീല ഉള്ളടക്കത്തിന്റെ ഒരൊറ്റ ദാതാവിന്റെ സബ്സ്ക്രിപ്ഷൻ ഡാറ്റ ആക്സസ് ചെയ്യുന്നതിൽ ഒരു മുൻ‌ഗാമിയായിരുന്നു എഡൽ‌മാൻ (എക്സ്എൻ‌യു‌എം‌എക്സ്), സ്വകാര്യ കമ്പനികളിൽ നിന്നുള്ള വ്യക്തിഗത ഉപഭോക്തൃ ഡാറ്റയുടെ ഉപയോഗം കഠിനമായ അളവിലുള്ള പെരുമാറ്റത്തെക്കുറിച്ചുള്ള ഡാറ്റ ശേഖരിക്കുന്നതിന് ഉപയോഗപ്രദമായ ഉപകരണമായി മാറും. ഇത്തരത്തിലുള്ള സമ്പന്നമായ ഡാറ്റയുടെ ഭാവി ഉപയോഗത്തിനുള്ള കീ, ഒരു സ്ഥാപനത്തിൽ നിന്നുള്ള ഡാറ്റയ്ക്ക് ദേശീയതലത്തിൽ പ്രതിനിധീകരിക്കുന്ന സാമ്പിളിന്റെ അതേ സ്ഥിതിവിവരക്കണക്കുകൾ നൽകാൻ കഴിയുന്ന അളവിനെ തിരിച്ചറിയുന്നതായിരിക്കും.

ഈ പേപ്പറിൽ, ഈ രണ്ട് സമീപകാല പഠനങ്ങളിൽ ഉപയോഗിച്ച ഡാറ്റ ഞങ്ങൾ വികസിപ്പിക്കുകയും രണ്ട് അധിക ഡാറ്റ ഉറവിടങ്ങളുമായി ഇത് സംയോജിപ്പിക്കുകയും ചെയ്യുന്നു. ഈ പേപ്പറിൽ ഞങ്ങൾ ഉപയോഗിക്കുന്ന നാല് ഡാറ്റാ ഉറവിടങ്ങളിൽ ഓരോന്നും അശ്ലീലസാഹിത്യ ഉപയോഗത്തിന്റെ അളവ് കണക്കാക്കുന്നു എന്നതിനാൽ, മറ്റ് ഉറവിടങ്ങൾക്കായി ഞങ്ങൾ നേടുന്ന സംസ്ഥാനതല റാങ്കിംഗുമായി താരതമ്യപ്പെടുത്തി ഓരോ ഉറവിടത്തിന്റെയും സാധുത കണക്കാക്കുന്നു.

ഡാറ്റ

അശ്ലീലസാഹിത്യ ഉപയോഗത്തിൽ സംസ്ഥാനതലത്തിലുള്ള വ്യതിയാനത്തെക്കുറിച്ചുള്ള വിവരങ്ങൾ ഉൾക്കൊള്ളുന്ന നാല് ഡാറ്റ ഉറവിടങ്ങളിൽ ഞങ്ങളുടെ പേപ്പർ വരയ്ക്കുന്നു. ആദ്യ രണ്ട് ഡാറ്റാ ഉറവിടങ്ങൾ ദേശീയതലത്തിൽ പ്രതിനിധീകരിക്കുന്ന സാമ്പിളുകളാണ്, അവസാനത്തെ രണ്ട് പണമടച്ചുള്ള സബ്സ്ക്രിപ്ഷനുകൾ അല്ലെങ്കിൽ അശ്ലീല ഉള്ളടക്കത്തിന്റെ നിർദ്ദിഷ്ട ദാതാവുമായി ബന്ധിപ്പിച്ചിട്ടുള്ള പേജ് കാഴ്‌ചകളെ അടിസ്ഥാനമാക്കിയുള്ളതാണ്. ഓരോ ഡാറ്റാ ഉറവിടത്തിലും അശ്ലീലസാഹിത്യം ഉപയോഗിക്കുന്നതിന്റെ അളവ് അബദ്ധവശാൽ അശ്ലീലസാഹിത്യം കാണുന്നതിനേക്കാൾ വ്യക്തികൾ അശ്ലീല ഉള്ളടക്കം തേടുന്ന സാഹചര്യങ്ങളെ അടിസ്ഥാനമാക്കിയുള്ളതാണ്.

ഞങ്ങളുടെ ആദ്യത്തെ ഡാറ്റാസെറ്റ് പുതിയ ഫാമിലി സ്ട്രക്ചേഴ്സ് സർവേയിൽ (എൻ‌എഫ്‌എസ്എസ്) എക്സ്എൻ‌യു‌എം‌എക്സ് പ്രതികരിക്കുന്നവരുടെ ദേശീയ പ്രതിനിധിയായ സാമ്പിളിനെ അടിസ്ഥാനമാക്കിയുള്ളതാണ്. ഉയർന്ന നിലവാരമുള്ള ഡാറ്റ സൃഷ്ടിക്കുന്നതിന്റെ റെക്കോർഡുള്ള ഒരു ഗവേഷണ സ്ഥാപനമായ നോളജ് നെറ്റ്‌വർക്കുകൾ (കെഎൻ) വിവരശേഖരണം നടത്തി. നോളജ് നെറ്റ്‌വർക്കുകൾ അതിന്റെ പാനലിലെ അംഗങ്ങളെ ടെലിഫോൺ, മെയിൽ സർവേകൾ വഴി ക്രമരഹിതമായി റിക്രൂട്ട് ചെയ്തു, ആവശ്യമെങ്കിൽ ജീവനക്കാർക്ക് ഇന്റർനെറ്റ് ആക്സസ് നൽകുന്നു. നിലവിലെ ഇന്റർനെറ്റ് ഉപയോക്താക്കൾക്കോ ​​കമ്പ്യൂട്ടർ ഉടമകൾക്കോ ​​മാത്രമായി പരിമിതപ്പെടുത്താത്തതും സ്വയം തിരഞ്ഞെടുത്ത വോളന്റിയർമാരെ സ്വീകരിക്കാത്തതുമായ ഈ പാനലിന് ഗുണങ്ങളുണ്ട്.

മുൻ‌വർ‌ഷത്തിൽ‌ പ്രതികരിക്കുന്നയാൾ‌ മന intention പൂർ‌വ്വം അശ്ലീലസാഹിത്യം കണ്ടോ എന്നതിനെക്കുറിച്ചുള്ള ഒരു ചോദ്യം എൻ‌എഫ്‌എസ്‌എസിൽ‌ അടങ്ങിയിരിക്കുന്നു. ആക്‌സസ് ചെയ്യാൻ വ്യക്തി ഉപയോഗിക്കുന്ന ഏത് ഉറവിടത്തിലുടനീളം അശ്ലീലസാഹിത്യ ഉപയോഗം പിടിച്ചെടുക്കുന്നതിന്റെ ഗുണം ഇത്തരത്തിലുള്ള ചോദ്യത്തിന് ഉണ്ട്. അശ്ലീലസാഹിത്യ ചോദ്യങ്ങൾ ഉൾപ്പെടുന്ന ജനറൽ സോഷ്യൽ സർവേ പോലുള്ള ദേശീയതലത്തിൽ പ്രതിനിധീകരിക്കുന്ന മറ്റ് സാമ്പിളുകളുണ്ട്. എൻ‌എഫ്‌എസ്‌എസിൽ നിന്നുള്ള ഡാറ്റ ഞങ്ങൾ ഉപയോഗിക്കുന്നു, കാരണം ഇത് മറ്റ് പണ്ഡിതർക്ക് എളുപ്പത്തിൽ ആക്‌സസ് ചെയ്യാൻ കഴിയും, മാത്രമല്ല പൊതുവായി ലഭ്യമായ രൂപത്തിൽ സ്റ്റേറ്റ് ഐഡന്റിഫയറുകൾ ഉൾപ്പെടുത്തുകയും ചെയ്യും. നേരെമറിച്ച്, ജനറൽ സോഷ്യൽ സർ‌വേയുടെ രഹസ്യ പതിപ്പിൽ‌ മാത്രമേ സ്റ്റേറ്റ് ഐഡന്റിഫയറുകൾ‌ നേടാൻ‌ കഴിയൂ. ഈ പേപ്പറിലെ വിശകലനത്തിനായി, എൻ‌എഫ്‌എസ്‌എസ് സർ‌വേയിൽ‌ നിന്നും കുറഞ്ഞത് നാൽ‌പത്തിയാറ് സംസ്ഥാനങ്ങളുടെ സെറ്റ് ഞങ്ങൾ‌ ഉപയോഗിക്കുന്നു, ഇതിനായി കുറഞ്ഞത് എക്സ്എൻ‌എം‌എക്സ് പ്രതികരിക്കുന്നവരുണ്ടായിരുന്നു.

രണ്ടാമത്തെ ഡാറ്റാ ഉറവിടമായ ഗൂഗിൾ ട്രെൻഡുകൾ ഒരു നിർദ്ദിഷ്ട ഭൂമിശാസ്ത്രപരമായ പ്രദേശത്ത് Google- ലേക്ക് നൽകിയ തിരയലുകളുടെ സമയ ശ്രേണി സൂചികയായി പ്രവർത്തിക്കുന്നു. ഇൻഫ്ലുവൻസ പൊട്ടിപ്പുറപ്പെടുന്നത് പ്രവചിക്കുക (കാർനെറോ & മൈലോനാകിസ്, 2009), ഉപഭോക്തൃ ആത്മവിശ്വാസം അല്ലെങ്കിൽ തൊഴിലില്ലായ്മ പോലുള്ള ഹ്രസ്വകാല സാമ്പത്തിക സൂചകങ്ങൾ പ്രവചിക്കൽ (ചോയി & വേരിയൻ, 2012) പോലുള്ള സാമ്പത്തിക, മെഡിക്കൽ ശ്രമങ്ങളിൽ ഈ ഡാറ്റ ഉപയോഗപ്രദമാണെന്ന് തെളിഞ്ഞിട്ടുണ്ട്. പ്രൈസ്, മോറ്റ്, സ്റ്റാൻലി (2013) എന്നിവ Google ട്രെൻഡുകൾ ഉപയോഗിച്ചുള്ള ട്രേഡിംഗ് സ്വഭാവത്തെ കണക്കാക്കുന്നു, ചില നിബന്ധനകൾ സ്റ്റോക്ക് മൂല്യം കൂട്ടുന്നതിനോ കുറയ്ക്കുന്നതിനോ ബന്ധിപ്പിച്ചിരിക്കുന്നുവെന്ന് കാണിക്കുന്നു. മുതിർന്നവരുടെ വിനോദ വ്യവസായത്തെ സമാനമായി Google ട്രെൻഡുകൾ തിരയൽ ഡാറ്റ ഉപയോഗിച്ച് അതിന്റെ വ്യവസായത്തിന്റെ പ്രധാന സവിശേഷതകൾ അളവിൽ അളക്കാൻ കഴിയും.

Google ട്രെൻഡ്‌സ് ഡാറ്റ ഉപയോഗിക്കുന്നതിലെ ഏറ്റവും പ്രധാനപ്പെട്ട വെല്ലുവിളി ഞങ്ങൾ ഡാറ്റ വരയ്‌ക്കുന്ന നിർദ്ദിഷ്ട പദങ്ങൾ തിരഞ്ഞെടുക്കുക എന്നതാണ്. തിരഞ്ഞെടുത്ത പദങ്ങൾ ഞങ്ങളുടെ വിശകലനം ഉപയോഗപ്രദമാകുന്നതിന് അശ്ലീലസാഹിത്യ ഉപയോഗത്തിന്റെ യഥാർത്ഥ സൂചകമായിരിക്കണം. ഹോയും വാട്ടേഴ്സും (2004) അശ്ലീല വെബ്‌സൈറ്റുകളിലെ ഘടനാപരമായ പ്രവണതകൾ വിശകലനം ചെയ്തു. അവരുടെ വിശകലനത്തിന്റെ ഭാഗമായി അവർ അശ്ലീല വെബ്‌സൈറ്റുകളിൽ പതിവായി പ്രത്യക്ഷപ്പെടുന്നതും അശ്ലീലമല്ലാത്ത വെബ്‌സൈറ്റുകളിൽ പതിവായി പ്രത്യക്ഷപ്പെടുന്നതുമായ പദങ്ങളുടെ ഒരു ലിസ്റ്റ് സൃഷ്ടിക്കുന്നു. “അശ്ലീല”, “xxx”, “ലൈംഗികത”, “f ***” എന്നിവയായിരുന്നു ആദ്യത്തെ നാല് പദങ്ങൾ. തിരയൽ സ്ഥിതിവിവരക്കണക്കുകൾ ഉപയോഗിച്ച് ഈ നാല് പദങ്ങൾക്കായുള്ള തിരയലുകൾ പരസ്പരം ബന്ധപ്പെട്ടിരിക്കുന്നുവെന്ന് ഞങ്ങൾ കണ്ടെത്തി. ഇതിനു വിപരീതമായി, “അശ്ലീലസാഹിത്യം” എന്ന പദത്തിന്റെ തിരയലുകൾ ഈ നാല് പദങ്ങളുമായി പരസ്പര ബന്ധമില്ലാത്തവയാണ്, മാത്രമല്ല ഇത് യഥാർത്ഥ അശ്ലീല ഉള്ളടക്കത്തിലേക്ക് പ്രവേശിക്കുന്നതിനേക്കാൾ അശ്ലീലസാഹിത്യത്തെക്കുറിച്ചുള്ള വിവരങ്ങൾ തേടുന്ന ആളുകൾ ഉപയോഗിക്കാൻ സാധ്യതയുള്ള ഒരു പദമാണ്.

“ഹാർഡ്”, “സോഫ്റ്റ്” അശ്ലീലസാഹിത്യവും തമ്മിൽ വ്യത്യാസമുണ്ട്, “സോഫ്റ്റ്” എന്നത് പൊതുവെ ലൈംഗിക സ്വഭാവമുള്ള മാധ്യമങ്ങളെ പരാമർശിക്കുന്നു, പക്ഷേ നുഴഞ്ഞുകയറ്റത്തെ ചിത്രീകരിക്കുന്നില്ല. മുമ്പ് ലിസ്റ്റുചെയ്തിരിക്കുന്ന നാല് പദങ്ങൾ ഹാർഡ് ഉള്ളടക്കം തേടുന്ന ഉപയോക്താക്കളിൽ മാത്രമേ ഡാറ്റ വരയ്ക്കുകയുള്ളൂ, എന്നാൽ രണ്ട് കാരണങ്ങളാൽ ഇത് ഫലപ്രദമായ വിശകലനമായി ഞങ്ങൾ ഇപ്പോഴും കണക്കാക്കുന്നു. സോഫ്റ്റ് അശ്ലീലം പല കാഴ്ചക്കാരും അശ്ലീലസാഹിത്യമായി കണക്കാക്കുന്നില്ല, അതിന്റെ ഫലമായി ടെലിവിഷനും സിനിമകളും ഉൾപ്പെടെ മുഖ്യധാരാ മാധ്യമങ്ങളിൽ പോലും ഇത് വ്യാപകമാണ്. രണ്ടാമതായി, കഠിനമായ അശ്ലീലസാഹിത്യ പദങ്ങൾക്കായുള്ള തിരയലുകളുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ സോഫ്റ്റ് അശ്ലീലസാഹിത്യ പദങ്ങൾക്കായുള്ള ആപേക്ഷിക തിരയലുകൾ വളരെ കുറവാണെന്ന് ഞങ്ങൾ കണ്ടെത്തി. 2005-2013 ന് മുകളിലുള്ള “അശ്ലീല”, “നഗ്ന പെൺകുട്ടികൾ” എന്നീ തിരയൽ പദങ്ങൾക്കായി ഞങ്ങൾ ഒരു ആപേക്ഷിക തിരയൽ മൂല്യം നടത്തി. രണ്ട് പദങ്ങൾക്കുമായുള്ള തിരയലുകൾ സാധാരണ നിലയിലാക്കി, അതായത് “അശ്ലീല” എന്ന പദത്തിന് സംഭവിക്കുന്ന പരമാവധി തിരയൽ വോളിയം എക്സ്എൻ‌യു‌എം‌എക്സ് മൂല്യം സ്വീകരിച്ചു. സാധാരണ നിലയിലുള്ളതുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ, “നഗ്നരായ പെൺകുട്ടികൾക്ക്” ഒരിക്കലും 100 നേക്കാൾ ഒരു തിരയൽ വോളിയം സൂചിക ഇല്ല.

Google ട്രെൻഡുകളിൽ നിന്നുള്ള ഡാറ്റ ഒരു ഭൂമിശാസ്ത്ര പ്രദേശത്തെ ഒരു നിർദ്ദിഷ്ട പദത്തിനായുള്ള യഥാർത്ഥ തിരയലുകളുടെ എണ്ണം സൂചിപ്പിക്കുന്നില്ല. ഓരോ ഡാറ്റാ പോയിന്റും ആ പദത്തിലെ തിരയലുകളുടെ എണ്ണം ആ പ്രദേശത്തെ എല്ലാ തിരയലുകളുടെയും എണ്ണം കൊണ്ട് ഹരിച്ചാണ്. അതിനാൽ ജനസംഖ്യയ്ക്കും സംസ്ഥാനങ്ങൾക്കിടയിലെ തിരയൽ അളവിലെ വ്യത്യാസത്തിനും ഡാറ്റ നിയന്ത്രിക്കപ്പെടുന്നു. ഒരു വ്യക്തി ഫലങ്ങൾ ഒഴിവാക്കുന്നതിൽ നിന്ന് തടയുന്നതിന് ചുരുങ്ങിയ സമയത്തിനുള്ളിൽ ഒരൊറ്റ വ്യക്തിയുടെ ആവർത്തിച്ചുള്ള തിരയലുകളും Google ട്രെൻഡുകൾ ഇല്ലാതാക്കുന്നു.

Google ട്രെൻഡുകളിൽ നിന്ന് ഡാറ്റ സംസ്ഥാന-ആഴ്ച തലത്തിൽ ലഭ്യമാണ്. ജൂലൈ 2013- ജൂലൈ 2014 വർഷത്തിൽ ഞങ്ങൾ ഡാറ്റ ഉപയോഗിക്കുന്നു. ഞങ്ങളുടെ നിരീക്ഷണങ്ങൾ ഒരു 1-100 സ്കെയിലിലേക്ക് ക്രമീകരിച്ചു. ഞങ്ങളുടെ ഡാറ്റാസെറ്റിലെ ഒരാഴ്ച കാലയളവിൽ ഒരു നിർദ്ദിഷ്ട പദത്തിന്റെ ഏറ്റവും ഉയർന്ന സാധാരണ തിരയലുകൾ ഉള്ള ഒരു സംസ്ഥാനത്തിന് 100 ന്റെ വായനയുണ്ട്. ഓരോ പദത്തിലും ഈ ഡാറ്റ ഉപയോഗിച്ച് ഞങ്ങളുടെ ഡാറ്റയുടെ ഓരോ സംസ്ഥാന ആഴ്ചയിലും അശ്ലീലസാഹിത്യ തിരയലുകളുടെ ഒരു സൂചിക ഞങ്ങൾ നാല് പദങ്ങൾ ഉപയോഗിച്ച് ഒരു തൂക്കമുള്ള തുക ഉപയോഗിച്ച് നിർമ്മിക്കുന്നു. “F ***”, “xxx” എന്നിവയുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ അവരുടെ ആപേക്ഷിക തിരയലുകൾ വളരെ കൂടുതലായതിനാൽ ഞങ്ങൾ “അശ്ലീല”, “ലൈംഗികത” എന്നിവ കൂടുതൽ ഭാരം വഹിക്കുന്നു. പ്രത്യേകിച്ചും, കഴിഞ്ഞ ഒരു വർഷത്തിൽ ഓരോ പദത്തിന്റെയും ശരാശരി ആപേക്ഷിക വെയിറ്റിംഗ് ഞങ്ങൾ ഉപയോഗിക്കുന്നു. മുതിർന്നവരുടെ വിനോദ വ്യവസായത്തെ ഭൂമിശാസ്ത്രപരമായി മാതൃകയാക്കാൻ ഞങ്ങൾ Google ട്രെൻഡുകൾ സംസ്ഥാനങ്ങളുടെ ഈ ഭാരം കൂടിയ തിരയൽ വോളിയം റാങ്കിംഗ് ഉപയോഗിക്കുന്നു.

വെബ്‌സൈറ്റ് നിർദ്ദിഷ്‌ട സബ്‌സ്‌ക്രിപ്‌ഷൻ ഡാറ്റയ്‌ക്ക് വിരുദ്ധമായി Google ട്രെൻഡുകളിൽ നിന്നുള്ള ഡാറ്റ ഉപയോഗിക്കുന്നതിന്റെ ഒരു ഗുണം അതിൽ സ and ജന്യവും പണമടച്ചുള്ളതുമായ മുതിർന്നവരുടെ വിനോദം തിരയുന്ന വ്യക്തികളെക്കുറിച്ചുള്ള വിവരങ്ങൾ ഉൾപ്പെടുന്നു എന്നതാണ്. അശ്ലീല വെബ്‌സൈറ്റുകളിലേക്കുള്ള സന്ദർശകരിൽ ഏകദേശം 2008-80% സ free ജന്യ അശ്ലീലസാഹിത്യങ്ങൾ മാത്രമേ ആക്‌സസ്സുചെയ്യുന്നുള്ളൂവെന്ന് ഡോറൻ (90) അഭിപ്രായപ്പെടുന്നു, പണമടച്ചുള്ള മുതിർന്നവരുടെ വിനോദത്തിന്റെ വിശകലനം പൊതുവെ അശ്ലീലസാഹിത്യ ഉപഭോഗത്തിന്റെ യഥാർത്ഥ പാറ്റേണുകളെ അവ്യക്തമാക്കുമെന്ന് സൂചിപ്പിക്കുന്നു.

ഞങ്ങളുടെ മൂന്നാമത്തെ ഡാറ്റാ ഉറവിടം എഡൽ‌മാൻ (എക്സ്എൻ‌യു‌എം‌എക്സ്) അടുത്തിടെ നടത്തിയ ഒരു പഠനത്തിൽ ഉപയോഗിച്ച പണമടച്ചുള്ള അശ്ലീല ഉള്ളടക്കത്തിന്റെ ഏറ്റവും മികച്ച പത്ത് ദാതാക്കളിൽ ഒരാളുടെ സബ്‌സ്‌ക്രിപ്‌ഷനുകളുടെ എണ്ണം രേഖപ്പെടുത്തുന്നു. ഈ ഡാറ്റാഗണത്തെക്കുറിച്ചുള്ള എഡൽമാന്റെ വിശകലനം സാഹിത്യത്തിന് ഒരു പുതിയ സംഭാവനയായിരുന്നു; അശ്ലീലസാഹിത്യ ഉപയോഗത്തെക്കുറിച്ചുള്ള മുമ്പത്തെ പഠനങ്ങൾ സർവേ ഡാറ്റ മാത്രമേ പരിശോധിച്ചിട്ടുള്ളൂ. 2009 നും 2006 നും ഇടയിലുള്ള എല്ലാ ക്രെഡിറ്റ് കാർഡ് സബ്സ്ക്രിപ്ഷനുകളുമായി ബന്ധപ്പെട്ട പിൻ കോഡ് ആയിരുന്നു നിർദ്ദിഷ്ട ഡാറ്റ. ഈ പ്രത്യേക ഉള്ളടക്ക ദാതാവിന് മുതിർന്നവരുടെ വിനോദത്തിന്റെ വിശാലമായ ശ്രേണി ഉൾക്കൊള്ളുന്ന നൂറുകണക്കിന് സൈറ്റുകൾ ഉണ്ട്. എന്നിരുന്നാലും, “ഈ വിൽപ്പനക്കാരൻ പ്രതിനിധിയാണെന്ന് കർശനമായി സ്ഥിരീകരിക്കാൻ പ്രയാസമാണ്” എന്ന് എഡൽമാൻ (2008) സമ്മതിക്കുന്നു.

ഈ സബ്‌സ്‌ക്രിപ്‌ഷൻ ഡാറ്റയുടെ ഉറവിടം മുതിർന്നവർക്കുള്ള വിനോദത്തിന്റെ ഏറ്റവും മികച്ച വിൽപ്പനക്കാരനാണെങ്കിലും, എൻ‌എഫ്‌എസ്എസ് പോലുള്ള സർവേ ഡാറ്റയിൽ ഞങ്ങൾ നിരീക്ഷിക്കുന്ന അശ്ലീലസാഹിത്യത്തിന്റെ പാറ്റേണുകളുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ സബ്‌സ്‌ക്രിപ്‌ഷനുകൾ വളരെ കുറവാണ്, അവിടെ മുതിർന്നവരിൽ 10% മുതിർന്നവർ കഴിഞ്ഞ വർഷം അശ്ലീലസാഹിത്യം റിപ്പോർട്ട് ചെയ്യുന്നു. . ബ്രോഡ്‌ബാൻഡ് ജീവനക്കാർക്ക് ഏറ്റവും കൂടുതൽ സബ്‌സ്‌ക്രിപ്‌ഷനുകൾ ഉള്ള സംസ്ഥാനം ബ്രോഡ്‌ബാൻഡ് ഉള്ള ഓരോ 47 കുടുംബങ്ങൾക്കും 5.47 ഉള്ള യൂട്ടയാണ്. ബ്രോഡ്‌ബാൻഡ് ഉള്ള ഓരോ 1,000 കുടുംബങ്ങൾക്കും 1.92 സബ്‌സ്‌ക്രിപ്‌ഷനുകളുള്ള മൊണ്ടാനയാണ് ഏറ്റവും താഴ്ന്ന സംസ്ഥാനം. അശ്ലീലസാഹിത്യത്തിന്റെ വ്യക്തിഗത ഉള്ളടക്ക ദാതാക്കളുടെ വിപണി വിഹിതം ചെറുതാണെന്ന് ഈ കുറഞ്ഞ നിരക്കുകൾ സൂചിപ്പിക്കുന്നു, ഇത് ഒരു ദാതാവിൽ നിന്നുള്ള ഡാറ്റയ്ക്ക് കൃത്യമായ ക്രോസ്-സ്റ്റേറ്റ് താരതമ്യം നൽകാൻ കഴിയുമോ എന്ന് അറിയാൻ പ്രയാസമാണ്. മുമ്പ് സൂചിപ്പിച്ചതുപോലെ, ഓൺലൈനിൽ അശ്ലീലസാഹിത്യത്തിലേക്ക് പ്രവേശിക്കുന്ന ബഹുഭൂരിപക്ഷം വ്യക്തികളും എഡൽമാൻ (ഡോറൻ, എക്സ്എൻ‌യു‌എം‌എക്സ്) പഠിച്ചതുപോലുള്ള പണമടച്ചുള്ള സൈറ്റ് ഉപയോഗിക്കുന്നതിനേക്കാൾ സ content ജന്യ ഉള്ളടക്കം മാത്രമേ ആക്‌സസ് ചെയ്യൂ.

ഞങ്ങളുടെ നാലാമത്തെ ഡാറ്റാ ഉറവിടം Pornhub.com ൽ നിന്നുള്ള പേജ് കാഴ്ച ഡാറ്റയാണ്, അത് അക്കാലത്ത് യുണൈറ്റഡ് സ്റ്റേറ്റ്സിലെ മുതിർന്നവരുടെ വിനോദത്തിന്റെ മൂന്നാമത്തെ വലിയ ഓൺലൈൻ ഹോസ്റ്റായിരുന്നു. ഞങ്ങൾ‌ പോൺ‌ഹബ് ഡാറ്റയുടെ വലുപ്പവും ഡാറ്റയുടെ ലഭ്യതയും കാരണം ഉപയോഗിക്കുന്നു. 2013 വർഷത്തിൽ പോൺ‌ഹബ് ആളോഹരി പേജ് കാഴ്‌ചകൾ പൊതുവായി ലഭ്യമാക്കി, ഈ ഡാറ്റ സംസ്ഥാനം പ്രത്യേകം റിപ്പോർട്ടുചെയ്‌തു. പോൺ‌ഹബ് ഡാറ്റ എഡൽ‌മാന്റെ ഡാറ്റയ്ക്ക് സമാനമാണ്, കാരണം ഇത് അശ്ലീലസാഹിത്യ ഉപയോഗത്തിന്റെ ദാതാവിന്റെ ഭാഗമാണ്. എന്നിരുന്നാലും, ഡാറ്റ വരിക്കാർക്ക് പകരം പേജ് കാഴ്ചകൾ രേഖപ്പെടുത്തുന്നു; അവബോധപരമായി, ഡാറ്റ ഓരോ വ്യക്തിക്കും കനത്ത ഉപയോഗത്തിന്റെ രീതികളും ജനസംഖ്യയിലെ വ്യാപനത്തിന്റെ രീതികളും വെളിപ്പെടുത്തും. പണമടച്ചതും പണമടയ്ക്കാത്തതുമായ ഉപയോഗം ഉൾപ്പെടുത്തുന്നതിന്റെ ആപേക്ഷിക നേട്ടവും ഡാറ്റയ്ക്ക് ഉണ്ട്.

പുതിയ ഡാറ്റാ ഉറവിടങ്ങളുടെ പ്രാതിനിധ്യം വിലയിരുത്തുന്നു

വലിയ ഡാറ്റാ വിപ്ലവം അശ്ലീലസാഹിത്യ ഉപയോഗം പോലുള്ള പെരുമാറ്റങ്ങൾ അളക്കുന്നതിനും പഠിക്കുന്നതിനും ഉപയോഗിക്കാവുന്ന ഡാറ്റാ ഉറവിടങ്ങളുടെ തരം നാടകീയമായി തുറക്കാൻ തുടങ്ങിയിരിക്കുന്നു. എഡൽ‌മാൻ (എക്സ്എൻ‌യു‌എം‌എക്സ്) ഉപയോഗിക്കുന്ന സബ്‌സ്‌ക്രിപ്‌ഷൻ ഡാറ്റ, വലിയ ഡാറ്റാസെറ്റുകളുടെ തരത്തെ പ്രതിനിധീകരിക്കുന്നു, അത് അവരുടെ ഗവേഷണത്തിൽ പണ്ഡിതന്മാർക്ക് കൂടുതൽ ലഭ്യമാകും. ഇത്തരത്തിലുള്ള ഉടമസ്ഥാവകാശ ഡാറ്റ ഉപയോഗിക്കുന്നതിനുള്ള ഒരു പ്രധാന ആദ്യപടി, ഒരൊറ്റ ദാതാവിൽ നിന്നുള്ള ഡാറ്റ പൊതുവായ താൽപ്പര്യത്തിന്റെ പ്രതിനിധിയാണെന്ന് വിലയിരുത്തുന്നു. ഈ വിഭാഗത്തിൽ, ഒരു ഡാറ്റാഗണത്തിന്റെ പ്രാതിനിധ്യം വിലയിരുത്തുന്ന ഒരു ചട്ടക്കൂട് ഞങ്ങൾ ദേശീയ പ്രതിനിധിയെന്ന് അറിയപ്പെടുന്ന മറ്റൊരു ഡാറ്റയിൽ നിന്ന് നിരീക്ഷിച്ച പാറ്റേണുകളുമായി താരതമ്യപ്പെടുത്തിയോ അല്ലെങ്കിൽ യഥാർത്ഥമായി പ്രതിനിധീകരിക്കാൻ സാധ്യതയുള്ള മറ്റ് ഡാറ്റാ ഉറവിടങ്ങളുടെ സംയോജനവുമായി താരതമ്യപ്പെടുത്തിയോ നൽകുന്നു. പെരുമാറ്റത്തിന്റെ അടിസ്ഥാന രീതി.

നാല് സ്രോതസ്സുകളെ അടിസ്ഥാനമാക്കി അശ്ലീലസാഹിത്യ ഉപയോഗത്തിനായി ഏറ്റവും മികച്ച പത്തും താഴെയുമുള്ള പത്ത് സംസ്ഥാനങ്ങളെ പട്ടിക 1 ൽ ഞങ്ങൾ പട്ടികപ്പെടുത്തുന്നു: സബ്സ്ക്രിപ്ഷൻ ഡാറ്റ, പോർ‌ൻ‌ഹബ്, എൻ‌എഫ്‌എസ്എസ്, Google ട്രെൻഡുകൾ. നാല് ഡാറ്റാസെറ്റുകളിലുടനീളം അശ്ലീലസാഹിത്യത്തിൽ ഏറ്റവും മികച്ച നാല് സംസ്ഥാനങ്ങളിൽ സ്ഥാനം നേടുന്ന ഒരു സംസ്ഥാനമാണ് മിസിസിപ്പി, മിക്ക നടപടികളിലുമുള്ള ഏതൊരു സംസ്ഥാനത്തെയും ഏറ്റവും കുറഞ്ഞ നിരക്കിനടുത്താണ് ഐഡഹോ. ഇതിനു വിപരീതമായി, മറ്റ് സംസ്ഥാനങ്ങളായ അർക്കൻ‌സാസ്, യൂട്ട എന്നിവ ചില നടപടികളിലൂടെ ആദ്യ പത്തിൽ സ്ഥാനം പിടിക്കുന്നു, എന്നാൽ മറ്റ് നടപടികളോടൊപ്പം ആദ്യ പത്തിൽ. ഒരൊറ്റ ഡാറ്റാ ഉറവിടത്തെ അടിസ്ഥാനമാക്കി ഏത് സംസ്ഥാനമാണ് ഏറ്റവും കൂടുതൽ അശ്ലീലസാഹിത്യം ഉപയോഗിക്കുന്നതെന്ന് തിരിച്ചറിയുന്നത് അൽപ്പം പ്രശ്‌നകരമാണെന്ന് ഈ ഫലങ്ങൾ സൂചിപ്പിക്കുന്നു.

പട്ടിക 1. നിയന്ത്രിത നാല് വ്യത്യസ്ത ഡാറ്റാ ഉറവിടങ്ങളെ അടിസ്ഥാനമാക്കി സംസ്ഥാനങ്ങളുടെ റാങ്ക് ഓർഡർ
ബ്രോഡ്‌ബാൻഡ് ഇന്റർനെറ്റ് ആക്‌സസ്സിനായി.

പട്ടിക 2 പാനൽ എ യിൽ, ഈ നടപടികളിൽ നിന്ന് പട്ടിക 1 ൽ റിപ്പോർട്ടുചെയ്ത ഓർഡിനൽ റാങ്കിംഗിനുപകരം ഓരോ ഉറവിടത്തിൽ നിന്നും അശ്ലീലസാഹിത്യത്തിന്റെ യഥാർത്ഥ അളവുകൾ ഉപയോഗിച്ച് ഓരോ ഡാറ്റാ ഉറവിടങ്ങളും തമ്മിലുള്ള പരസ്പരബന്ധം ഞങ്ങൾ കണക്കാക്കുന്നു. പണമടച്ചുള്ള സബ്സ്ക്രിപ്ഷൻ ഡാറ്റ, മറ്റ് മൂന്ന് സ്രോതസുകളുമായുള്ള ഏറ്റവും ദുർബലമായ പരസ്പര ബന്ധമാണ്, കൂടാതെ എൻ‌എഫ്‌എസ്എസ് സർവേ ഡാറ്റയുമായി പോലും നെഗറ്റീവ് ബന്ധപ്പെട്ടിരിക്കുന്നു. പണമടച്ചുള്ള സബ്സ്ക്രിപ്ഷൻ ഡാറ്റയ്ക്ക് എൻ‌എഫ്‌എസ്എസുമായി -0.0358, Google ട്രെൻ‌ഡുകളുമൊത്തുള്ള 0.076, പോൺ‌ഹബിനൊപ്പം 0.0066 എന്നിവയുമായി ബന്ധമുണ്ട്. ഈ പരസ്പര ബന്ധങ്ങളൊന്നും സ്ഥിതിവിവരക്കണക്കിൽ പ്രാധാന്യമർഹിക്കുന്നില്ല; അനുബന്ധ ടി-സ്ഥിതിവിവരക്കണക്കുകൾ എല്ലാം 0.6 നേക്കാൾ കുറവാണ് (ഇത് .3 നേക്കാൾ വലിയ ദിശാസൂചന p- മൂല്യങ്ങളുമായി പൊരുത്തപ്പെടുന്നു). വിപരീതമായി, മറ്റ് മൂന്ന് റാങ്കിംഗുകളും താരതമ്യേന ശ്രദ്ധേയമായ പരസ്പര ബന്ധങ്ങൾ കാണിക്കുന്നു. ഗൂഗിൾ ട്രെൻ‌ഡുകൾ‌ക്കും പോർ‌ൻ‌ഹബിനും .487, NFSS, Google ട്രെൻ‌ഡുകൾ‌ എന്നിവയ്‌ക്ക് .655 ഉം പോർ‌ൻ‌ഹബിനും NFSS നും .551 എന്നതുമായി ഒരു ബന്ധമുണ്ട്. ഈ പ്രവണതകളെല്ലാം സ്ഥിതിവിവരക്കണക്കനുസരിച്ച് Google ട്രെൻ‌ഡുകളും 3.78 ന്റെ പോർ‌ൻ‌ഹബും, എൻ‌എഫ്‌എസ്‌എസും Google ട്രെൻ‌ഡുകളും 5.68 ഉം, പോർ‌ൻ‌ഹബും 4.28 ന്റെ NFSS ഉം തമ്മിലുള്ള ടി-സ്റ്റാറ്റിസ്റ്റിക്സ് ഉപയോഗിച്ച് സ്ഥിതിവിവരക്കണക്കിൽ‌ പ്രാധാന്യമർഹിക്കുന്നു. ഇവയെല്ലാം .0004- ൽ താഴെയുള്ള ദിശാസൂചന p- മൂല്യങ്ങളുമായി പൊരുത്തപ്പെടുന്നു.

പാനൽ ബി യിൽ‌, ഓരോ ഡാറ്റാ ഉറവിടത്തിൽ‌ നിന്നും സൃഷ്‌ടിച്ച ഓർ‌ഡിനൽ‌ റാങ്കിംഗുകൾ‌ ഉപയോഗിച്ച് ഞങ്ങൾ‌ പരസ്പര ബന്ധങ്ങൾ‌ റിപ്പോർ‌ട്ട് ചെയ്യുന്നു. എൻ‌എഫ്‌എസ്എസ്, ഗൂഗിൾ ട്രെൻഡുകൾ, പോൺ‌ഹബ് എന്നിവ തമ്മിലുള്ള പരസ്പര ബന്ധത്തിന് പാനൽ എയിലുള്ളവരുമായി താരതമ്യപ്പെടുത്താവുന്ന പരസ്പരബന്ധന ഗുണകങ്ങളും പ്രാധാന്യവുമുണ്ട്, അതുപോലെ തന്നെ Google ട്രെൻഡുകളും പണമടച്ചുള്ള സബ്‌സ്‌ക്രിപ്‌ഷനും തമ്മിലുള്ള പരസ്പരബന്ധം സമാനമാണ്. പാനൽ ശ്രദ്ധേയമാണ്, കാരണം ഓർഡിനൽ റാങ്കിംഗുകൾ ഉപയോഗിക്കുമ്പോൾ പണമടച്ചുള്ള സബ്സ്ക്രിപ്ഷൻ ഡാറ്റ പോൺഹബ്, എൻ‌എഫ്‌എസ്എസ് സർവേ ഡാറ്റയുമായി മികച്ച ബന്ധമുണ്ട്, എന്നിരുന്നാലും പരസ്പര ബന്ധങ്ങൾ ഇപ്പോഴും തുച്ഛമാണ്. രണ്ട് പാനലുകൾ സമാന നിഗമനങ്ങളിൽ എത്തിച്ചേരാൻ ഞങ്ങളെ അനുവദിക്കുന്നു, എന്നിരുന്നാലും പണമടച്ചുള്ള സബ്സ്ക്രിപ്ഷൻ ഡാറ്റയുടെ വലിയ ഗുണകങ്ങൾ അവ അപ്രധാനവും മറ്റ് സ്രോതസ്സുകളുടെ പരസ്പര ബന്ധത്തെക്കാൾ ദുർബലവുമാണ് എന്ന വസ്തുത ശ്രദ്ധിക്കേണ്ടതാണ്. ഓർഡിനൽ റാങ്കിംഗിനുപകരം അശ്ലീലസാഹിത്യത്തിന്റെ യഥാർത്ഥ അളവുകൾ ഉപയോഗിക്കുന്ന പരസ്പരബന്ധം വ്യവസായത്തെ മികച്ച രീതിയിൽ പ്രതിനിധീകരിക്കുന്നുവെന്ന് ഞങ്ങൾ വിശ്വസിക്കുന്നു, കാരണം ഇത് സംസ്ഥാനങ്ങളുടെ നിർദ്ദിഷ്ട ക്രമപ്പെടുത്തലിനേക്കാൾ അശ്ലീലസാഹിത്യ ഉപയോഗത്തിലെ യഥാർത്ഥ വ്യത്യാസത്തിന് കാരണമാകുന്നു.

പട്ടിക 2. നാല് ഡാറ്റാ ഉറവിടങ്ങൾ തമ്മിലുള്ള പരസ്പരബന്ധം.

വ്യത്യസ്ത വേരിയബിളുകൾ (സെർച്ച് വോളിയം, പേജ് കാഴ്‌ചകൾ, അശ്ലീലസാഹിത്യ കാഴ്ചക്കാരുടെ അനുപാതം) അളക്കുന്നുണ്ടെങ്കിലും, പണമടയ്ക്കാത്ത മൂന്ന് സബ്‌സ്‌ക്രിപ്‌ഷൻ ഡാറ്റാ ഉറവിടങ്ങൾ തമ്മിലുള്ള സുപ്രധാന പരസ്പരബന്ധം, സംസ്ഥാനങ്ങളിലുടനീളമുള്ള അശ്ലീലസാഹിത്യ ഉപയോഗത്തിലെ യഥാർത്ഥ വ്യതിയാനത്തിന്റെ അളവാണ് അവർ അളക്കുന്നതെന്ന് സൂചിപ്പിക്കുന്നു; എഡൽ‌മാൻ (2009) ഉപയോഗിക്കുന്ന സബ്‌സ്‌ക്രിപ്‌ഷൻ ഡാറ്റയുമായി ബന്ധമില്ലാത്ത ഒന്ന്.

ഉപയോഗിച്ച ഡാറ്റാ ഉറവിടത്തിലേക്കുള്ള എസ്റ്റിമേറ്റിന്റെ സംവേദനക്ഷമത

വിവിധ ഡാറ്റാ സ്രോതസുകളിലുടനീളമുള്ള സംസ്ഥാന അശ്ലീല നിരക്കുകളിലെ വ്യത്യാസങ്ങൾക്ക് അക്ക ing ണ്ടിംഗിന്റെ പ്രാധാന്യം വ്യക്തമാക്കുന്നതിന്, അടുത്തിടെ നടത്തിയ ഒരു പഠനത്തിന്റെ ഫലങ്ങൾ ഞങ്ങൾ ആവർത്തിക്കുന്നു, കൂടുതൽ മതപരവും കൂടുതൽ യാഥാസ്ഥിതികവുമായ സംസ്ഥാനങ്ങൾ Google- ൽ ലൈംഗിക ഉള്ളടക്കത്തിനായി തിരയാൻ കൂടുതൽ സാധ്യതയുണ്ടെന്ന് കണ്ടെത്തി (MacInnis & ഹോഡ്സൺ, 2014). ഈ പേപ്പറിൽ ഞങ്ങൾ വിവരിച്ച മറ്റ് ഡാറ്റാ ഉറവിടങ്ങൾ ഉപയോഗിച്ച് അശ്ലീലസാഹിത്യത്തിന്റെ മറ്റ് നടപടികൾക്ക് ആ പേപ്പറിന്റെ നിഗമനങ്ങൾ ബാധകമാണോ എന്ന് ഞങ്ങൾ പരിശോധിക്കുന്നു. ഈ തനിപ്പകർ‌ച്ചയുടെ ഫലങ്ങൾ‌ പട്ടിക 3 ൽ‌ നൽ‌കിയിരിക്കുന്നു. അശ്ലീലസാഹിത്യം, മതം, യാഥാസ്ഥിതിക നടപടികൾ‌ എന്നിവ ഞങ്ങൾ‌ സ്റ്റാൻ‌ഡേർ‌ഡ് ചെയ്‌തു, വ്യത്യസ്ത അശ്ലീലസാഹിത്യ ഉപയോഗ അളവുകളിലുടനീളം താരതമ്യപ്പെടുത്താൻ‌ അനുവദിക്കുന്നതിനായി ശരാശരി കുറയ്‌ക്കുകയും സ്റ്റാൻ‌ഡേർ‌ഡ് ഡീവിയേഷൻ‌ ഉപയോഗിച്ച് വിഭജിക്കുകയും ചെയ്യുന്നു (ഈ സമീപനം പരിവർത്തനം ചെയ്യുന്നതിന് തുല്യമാണ് ഓരോ നടപടികളും ഒരു ഇസഡ് സ്കോറിലേക്ക്).

പട്ടിക 3. സംസ്ഥാനതല മതമോ യാഥാസ്ഥിതികതയും ഓരോ മെട്രിക്കും തമ്മിലുള്ള ബന്ധങ്ങൾ
അശ്ലീലസാഹിത്യ ഉപയോഗത്തിന്റെ.

യഥാർത്ഥ പഠനത്തിൽ, ഞങ്ങളുടെ Google ട്രെൻഡുകൾ അളക്കുന്ന പദങ്ങൾക്ക് സമാനമായ ലൈംഗികത, അശ്ലീലം, XXX എന്നിവ പോലുള്ള നിർദ്ദിഷ്ട തിരയൽ പദങ്ങൾക്കായി Google ട്രെൻഡ്‌സ് ഡാറ്റയെ അടിസ്ഥാനമാക്കി മാക്ഇന്നിസും ഹോഡ്‌സണും (2014) പ്രത്യേകമായി ഫലങ്ങൾ നൽകി. പട്ടിക 3 ന്റെ ആദ്യ വരിയിലെ ഫലങ്ങൾ കാണിക്കുന്നത്, ഞങ്ങൾ Google ട്രെൻഡുകൾ ഡാറ്റ ഉപയോഗിക്കുമ്പോൾ മിക്ക കേസുകളിലും മതവും യാഥാസ്ഥിതികതയും തമ്മിലുള്ള സ്ഥിതിവിവരക്കണക്കുകളുടെ പ്രാധാന്യമുള്ള ബന്ധവും ഞങ്ങൾ കണ്ടെത്തുന്നു. എന്നിരുന്നാലും, മറ്റ് മൂന്ന് ഡാറ്റാ ഉറവിടങ്ങളിൽ ഏതെങ്കിലും ഉപയോഗിക്കുമ്പോൾ ഞങ്ങൾക്ക് വളരെ ദുർബലമായ സ്ഥിതിവിവരക്കണക്ക് ലഭിക്കുന്നുവെന്ന് പട്ടിക 3 ലെ മറ്റ് വരികൾ കാണിക്കുന്നു. ഈ ഫലങ്ങൾ സൂചിപ്പിക്കുന്നത് മറ്റ് മൂന്ന് ഡാറ്റാ സ്രോതസ്സുകളിൽ ഏതെങ്കിലും മാക്ഇന്നിസും ഹോഡ്സണും ഉപയോഗിച്ചിരുന്നുവെങ്കിൽ, അവർ പരിശോധിക്കുന്ന ബന്ധത്തിന്റെ ശക്തിയെക്കുറിച്ച് അവരുടെ പേപ്പറിൽ മറ്റൊരു നിഗമനത്തിലെത്തുമായിരുന്നു.

മാക്ഇന്നിസും ഹോഡ്സണും (2014) സംസ്ഥാനതല മതവും സംസ്ഥാനതലത്തിലുള്ള അശ്ലീലസാഹിത്യ ഉപയോഗവും തമ്മിലുള്ള സ്ഥിതിവിവരക്കണക്കുകളുടെ പ്രാധാന്യം കണ്ടെത്തുന്നു എന്നത് രസകരമാണ്, വ്യക്തിഗത ലെവൽ ഡാറ്റ ഉപയോഗിച്ചുള്ള മുൻകാല പഠനങ്ങൾ കണക്കിലെടുക്കുമ്പോൾ, പതിവായി പള്ളിയിൽ പോകുന്ന വ്യക്തികൾ അശ്ലീലസാഹിത്യം ഉപയോഗിക്കുന്നതിനുള്ള സാധ്യത വളരെ കുറവാണ് ( ഡോറൻ & പ്രൈസ്, 2014; പാറ്റേഴ്‌സൺ & പ്രൈസ്, 2012; സ്റ്റാക്ക്, വാസെർമാൻ, & കീഴ്‌സ്, 2004). വ്യക്തിഗത തലത്തിൽ കാണുന്നതിനു വിപരീതമായി ഗ്രൂപ്പ് ലെവൽ ബന്ധങ്ങൾ ഉള്ള ഇത്തരത്തിലുള്ള പാറ്റേൺ വിദ്യാഭ്യാസവും മതവും തമ്മിലുള്ള ബന്ധത്തിലും (ഗ്ലേസർ & സാക്കർഡോട്ട്, 2008) വരുമാനവും രാഷ്ട്രീയ ബന്ധവും തമ്മിലുള്ള ബന്ധത്തിലും കണ്ടെത്തിയിട്ടുണ്ട് (ഗ്ലേസർ & സാക്കർഡോട്ട്, 2007).

സംവാദം

മുകളിൽ പരിഗണിച്ച ഓരോ ഡാറ്റാ സ്രോതസ്സുകളും ഓൺലൈൻ അശ്ലീലസാഹിത്യ വ്യവസായത്തിന്റെ വ്യത്യസ്തമായ ക്രോസ്-സെക്ഷണൽ കാഴ്‌ച പിടിച്ചെടുക്കുന്നു, കൂടാതെ ഓരോന്നിനും പൊതുവായ അശ്ലീലസാഹിത്യ ഉപയോഗത്തിൽ താൽപ്പര്യമുള്ള ഗവേഷകർക്ക് പ്രധാനപ്പെട്ട കേടുപാടുകൾ ഉണ്ട്. ഉദാഹരണത്തിന്, എൻ‌എഫ്‌എസ്എസ് സർ‌വേ ഡാറ്റ, സോഷ്യൽ ഡിസയറബിലിറ്റി ബയസും വിഷയങ്ങളുടെ മെമ്മറിയും കാരണം അശ്ലീലസാഹിത്യ ഉപഭോഗത്തെ കുറച്ചുകാണുന്നു. ഒരു Google തിരയൽ ഒഴികെയുള്ള മാർഗങ്ങളിലൂടെ ആക്‌സസ്സുചെയ്യുന്ന ഏതെങ്കിലും അശ്ലീലസാഹിത്യം പിടിച്ചെടുക്കുന്നതിൽ Google ട്രെൻഡ് ഡാറ്റ പരാജയപ്പെടുന്നു. പോൺ‌ഹബും പണമടച്ചുള്ള സബ്‌സ്‌ക്രിപ്‌ഷൻ ഡാറ്റയും അവയുടെ പ്രാതിനിധ്യത്തിൽ പരിമിതപ്പെടുത്തിയേക്കാം; വ്യവസായത്തിലെ ഒരൊറ്റ സ്ഥാപനവുമായി മാത്രം അവർ ഉപയോഗം അളക്കുന്നു.

ഏതെങ്കിലും ഉറവിടത്തിൽ നിന്നുള്ള ഡാറ്റ ഗവേഷണത്തിൽ ഉപയോഗിക്കുമ്പോൾ, ആ ഫലങ്ങളിലേക്ക് നയിക്കുന്ന ഡാറ്റയുടെ പശ്ചാത്തലത്തിൽ ഫലങ്ങൾ അവതരിപ്പിക്കണം. തന്നിരിക്കുന്ന ഡാറ്റാ ഉറവിടത്തെ അശ്ലീലസാഹിത്യ വ്യവസായത്തെ മുഴുവനായും പ്രതിനിധീകരിക്കുന്നതായി വ്യക്തികൾ തെറ്റായി വ്യാഖ്യാനിക്കുമ്പോൾ പ്രശ്നങ്ങൾ ഉണ്ടാകുന്നു. സമാനമായ പ്രാതിനിധ്യമല്ലാത്ത ഡാറ്റ തെറ്റായി അമിതമായി സാമാന്യവൽക്കരിക്കപ്പെട്ട മറ്റ് നിരവധി ക്രമീകരണങ്ങളുണ്ട്. ഗവേഷകരും വ്യക്തികളും തങ്ങളുടെ കണ്ടെത്തലുകളുടെ ബാഹ്യ സാധുതയെക്കുറിച്ച് ബോധവാന്മാരായിരിക്കണം, അതേസമയം ഫലങ്ങൾ അമിതവൽക്കരിക്കാതിരിക്കാൻ മാധ്യമങ്ങളും വായനക്കാരും ശ്രദ്ധിക്കണം.

ഞങ്ങളുടെ ഡാറ്റാ ഉറവിടങ്ങളുടെ പരിമിതിയും ഞങ്ങൾ തിരിച്ചറിയുന്നു, അവ വ്യത്യസ്ത ചരിത്ര നിമിഷങ്ങളിൽ അശ്ലീലസാഹിത്യ വ്യവസായത്തെ പിടിച്ചെടുക്കുന്നു; Google ട്രെൻഡുകൾ (2013-2014), പണമടച്ചുള്ള സബ്‌സ്‌ക്രിപ്‌ഷൻ (2006-2008), പോൺ‌ഹബ് (2013), NFSS (2012). പണമടച്ചുള്ള സബ്സ്ക്രിപ്ഷൻ ഡാറ്റ മറ്റ് സ്രോതസ്സുകൾക്ക് ഏകദേശം 6-7 വർഷങ്ങൾക്ക് മുമ്പ് ശേഖരിച്ചു. ഈ സമയ വ്യത്യാസം ഞങ്ങളുടെ ഫലങ്ങളെ പക്ഷപാതമാക്കിയേക്കാം, എന്നിരുന്നാലും മൊത്തത്തിൽ ഡാറ്റാ ഉറവിടങ്ങളിലെ പൊതുവായ പ്രവണതകൾ ഞങ്ങളുടെ കണ്ടെത്തലുകൾ കൃത്യമാണെന്ന് ഞങ്ങൾ വിശ്വസിക്കുന്നു. 2006-2013- ൽ നിന്ന് സംസ്ഥാനങ്ങളിലുടനീളം അശ്ലീലസാഹിത്യത്തിന്റെ ആപേക്ഷിക ഉപയോഗത്തിലെ പ്രധാന മാറ്റങ്ങൾ ഈ പക്ഷപാതം സംഭവിക്കാൻ സാധ്യതയില്ലെന്ന് ഞങ്ങൾ വിശ്വസിക്കുന്നു.

ഏതെങ്കിലും തരത്തിലുള്ള പ്രവർത്തനങ്ങളെക്കുറിച്ച് ഓർ‌ഡർ‌ വ്യക്തികളെ റാങ്കുചെയ്യാൻ‌ ശ്രമിക്കുമ്പോൾ‌, വ്യത്യസ്‌ത ഫലങ്ങൾ‌ക്കായി ഒന്നിലധികം ഉറവിടങ്ങൾ‌ (ലഭ്യമാണെങ്കിൽ‌) കാണേണ്ടതുണ്ട്. ഓർഡറുകൾ സമാനമാണെങ്കിൽ അവയുടെ കൃത്യത കൂടുതൽ എളുപ്പത്തിൽ അനുമാനിക്കാം. അവ തമ്മിൽ വ്യത്യാസമുണ്ടെങ്കിൽ, പ്രശ്നത്തെക്കുറിച്ച് കൂടുതൽ മനസിലാക്കാൻ അവസരം ലഭിക്കുന്നു. ഞങ്ങളുടെ പ്രത്യേക സാഹചര്യത്തിൽ, വ്യത്യാസങ്ങൾ ഉണ്ടാകാൻ സാധ്യതയുണ്ട്, കാരണം ഉറവിടങ്ങൾ വ്യത്യസ്ത തരം അശ്ലീലസാഹിത്യ ഉപയോഗം പിടിച്ചെടുക്കുന്നു.

വിവാഹമോചനം, സന്തോഷം, തൊഴിലാളി ഉൽപാദനക്ഷമത, ലൈംഗിക അതിക്രമം എന്നിവ പോലുള്ള പ്രധാന മേഖലകളെ ഇത് ബാധിച്ചേക്കാമെന്ന് അശ്ലീലസാഹിത്യ ഉപയോഗത്തെക്കുറിച്ചുള്ള മുൻകാല ഗവേഷണങ്ങൾ സ്പർശിച്ചു (ബെർഗൻ & ബോഗെൽ, 2000; ഡോറൻ & പ്രൈസ്, 2014; പാറ്റേഴ്‌സൺ & പ്രൈസ്, 2012; യംഗ്. & കേസ്, 2004). അത്തരം ഗവേഷണങ്ങൾ നടക്കുമ്പോൾ ഡാറ്റ വിശ്വസനീയവും സാമാന്യവൽക്കരിക്കാവുന്നതുമായ ഒരു ഉറവിടത്തിൽ നിന്ന് (അല്ലെങ്കിൽ ഉറവിടങ്ങളിൽ) ആയിരിക്കണം. അത്തരം ഏതെങ്കിലും ഫലങ്ങളുടെ ഫലങ്ങളും കണ്ടെത്തലുകളും വ്യക്തികളുടെ പ്രായം, ലിംഗഭേദം, ലൈംഗിക ഐഡന്റിറ്റി എന്നിവയുടെ വെളിച്ചത്തിലും പരിഗണിക്കേണ്ടതാണ് - ഈ പേപ്പറിൽ പരിഗണിക്കാത്ത ഘടകങ്ങൾ (സെവികോവ & ഡെയ്ൻബാക്ക്, 2014; സ്റ്റൂപ്സ്, 2015; ട്രീൻ & ഡെയ്ൻബാക്ക്, 2013 ; ട്രിപ്പോഡി മറ്റുള്ളവരും. 2015). അത്തരം ഗവേഷണ അവസരങ്ങളിൽ സംസ്ഥാനം അശ്ലീലസാഹിത്യ ഉപയോഗം വിശകലനത്തിൽ ഒരു പങ്കുവഹിച്ചേക്കാം. ഈ പേപ്പറിന്റെ ഫലങ്ങൾ കണക്കിലെടുക്കുമ്പോൾ അത്തരമൊരു വേരിയബിളിന്റെ ഡാറ്റാ ഉറവിടം അത്തരമൊരു റിഗ്രഷനിൽ വളരെയധികം പരിഗണിക്കേണ്ടതുണ്ട്, കൂടാതെ ഡാറ്റ ഉറവിടത്തിന്റെ പശ്ചാത്തലത്തിൽ ഫലം വ്യാഖ്യാനിക്കുകയും വേണം.

തീരുമാനം

നിർദ്ദിഷ്ട കമ്പനികൾ നൽകുന്ന ഡാറ്റയ്ക്ക് പൊതു പ്രശ്നങ്ങളെക്കുറിച്ച് പ്രധാനപ്പെട്ട ഉൾക്കാഴ്ചകൾ നൽകാൻ കഴിവുണ്ട്. ഒരൊറ്റ കമ്പനിയുടെ ഡാറ്റയ്ക്ക്, വളരെ വലിയ ഒരു കമ്പനിക്ക് പോലും മുഴുവൻ ജനസംഖ്യയുടെയും പ്രതിനിധികളായ സ്ഥിതിവിവരക്കണക്കുകൾ നൽകാൻ കഴിയുമെന്നത് നിർണ്ണയിക്കുക എന്നതാണ് ഒരു പ്രധാന വെല്ലുവിളി. സംസ്ഥാനങ്ങളിലുടനീളമുള്ള അശ്ലീലസാഹിത്യത്തിന്റെ ആപേക്ഷിക നിരക്കുകളിൽ 2006-2013- ൽ നിന്ന് വലിയ മാറ്റങ്ങളൊന്നും ഉണ്ടായിട്ടില്ലെന്ന് കരുതുക, ഞങ്ങളുടെ പേപ്പറിന്റെ ഫലങ്ങൾ ചില സന്ദർഭങ്ങളിൽ ഒരൊറ്റ കമ്പനിയിൽ നിന്നുള്ള വിവരങ്ങൾ ഒരു പ്രത്യേക സ്വഭാവത്തിന്റെ ഭൂമിശാസ്ത്രപരമായ പാറ്റേണുകളെ തെറ്റിദ്ധരിപ്പിക്കുന്ന ഒരു ചിത്രത്തിന് കാരണമാകുമെന്ന് സൂചിപ്പിക്കുന്നു. അശ്ലീലസാഹിത്യ ഉപയോഗത്തിന് ഇത് വളരെ പ്രധാനമാണ്, കാരണം ഓൺ‌ലൈനിൽ അശ്ലീലസാഹിത്യത്തിലേക്ക് പ്രവേശിക്കുന്ന വ്യക്തികളുടെ ബഹുഭൂരിപക്ഷവും പണമടച്ചുള്ള സൈറ്റ് (ഡോറൻ, എക്സ്എൻ‌യു‌എം‌എക്സ്) ഉപയോഗിക്കുന്നതിനേക്കാൾ സ content ജന്യ ഉള്ളടക്കം മാത്രം ആക്സസ് ചെയ്യുന്നു.

ഈ പേപ്പറിന്റെ ഫലങ്ങൾ അശ്ലീലസാഹിത്യ ഉപയോഗത്തെക്കുറിച്ചുള്ള നാല് വ്യത്യസ്ത ഡാറ്റാ സ്രോതസ്സുകളിൽ ദേശീയ പ്രാതിനിധ്യ ഡാറ്റ (Google ട്രെൻഡുകൾ, എൻ‌എഫ്‌എസ്എസ്) ഉൾപ്പെടുന്ന രണ്ടെണ്ണം ഉൾക്കൊള്ളുന്നു. ഞങ്ങളുടെ മൂന്ന് ഡാറ്റാ ഉറവിടങ്ങൾ തമ്മിൽ കാര്യമായ ബന്ധമുണ്ടെന്ന് ഞങ്ങൾ കണ്ടെത്തി, അവയെല്ലാം സംസ്ഥാനങ്ങളിലുടനീളമുള്ള അശ്ലീലസാഹിത്യ ഉപയോഗത്തിൽ സമാനമായ അന്തർലീനമായ ഒരു മാതൃക പ്രതിഫലിപ്പിക്കുന്നുവെന്ന് സൂചിപ്പിക്കുന്നു. വിപരീതമായി പണമടച്ചുള്ള സബ്‌സ്‌ക്രിപ്‌ഷൻ ഡാറ്റ, ഒരു മാധ്യമ ശ്രദ്ധ ആകർഷിച്ച ഒരു ഉറവിടം യഥാർത്ഥത്തിൽ മറ്റ് ഉറവിടങ്ങളുമായി മോശമായി ബന്ധപ്പെട്ടിരിക്കുന്നു. ഡാറ്റാ സ്വഭാവത്തിലുടനീളമുള്ള ചോയ്‌സുകൾ നിർദ്ദിഷ്ട സ്വഭാവത്തിന്റെ അനുയോജ്യമായ അളവ് നേടുന്നത് വെല്ലുവിളിക്കുന്ന പ്രശ്‌നങ്ങൾ പരിശോധിക്കുമ്പോൾ ഡാറ്റാ ഉറവിടങ്ങളിലുടനീളമുള്ള സംവേദനക്ഷമത പരിശോധനകൾ ഉൾക്കൊള്ളുന്നുവെന്ന് പഠനങ്ങൾ എടുക്കുന്ന നിഗമനങ്ങളെ ബാധിക്കുമെന്നും ഞങ്ങൾ കാണിക്കുന്നു.

അവലംബം