पोर्नोग्राफीचा आढावा संशोधन वापर: चार स्त्रोतांमधील कार्यप्रणाली आणि परिणाम (2015): अश्लील वापरासाठी यूटा नंबर 1 नाही

लेख दुवा 

पोर्नोग्राफीचा आढावा संशोधन वापरते: चार स्त्रोतांमधील कार्यप्रणाली आणि परिणाम.

सायबरप्साइकोलॉजी: सायबरस्पेसवर सायकोसायकियल रिसर्च जर्नल, 9(एक्सएनयूएमएक्स), लेख एक्सएनयूएमएक्स. डोई: 10.5817 / CP2015-4-4

सार

कीवर्डः पोर्नोग्राफी, इंटरनेट वापर, डेटा, प्रतिनिधी

पीडीएफ डाउनलोड करा

परिचय

बर्‍याच संशोधक सहमत असतील की अलीकडील दशकांमध्ये अश्लीलता अधिक व्यापक झाली आहे, परंतु लोकसंख्या मध्ये अश्लीलता वापरण्याच्या पातळीचे अचूक मोजमाप हे सामाजिक शास्त्रज्ञांसाठी अनुभवाचे आव्हान आहे. पोर्नोग्राफीमध्ये प्रवेश करण्यासाठी वापरल्या जाणार्‍या तंत्रज्ञानाचा काळ काळानुसार बदलला आहे, ज्यायोगे पोर्नोग्राफीच्या वापराचे समान मेट्रिक सातत्याने मोजणे जवळजवळ अशक्य झाले आहे. गेल्या पंधरा वर्षांत हळूहळू बाजारपेठेत प्रवेश करणार्‍या हाय-स्पीड इंटरनेटमुळे पोर्नोग्राफीच्या वापरामध्ये (राइट, एक्सएनयूएमएक्स) सामान्य वाढ होण्यास हातभार लावणारे अभूतपूर्व परवडणारी क्षमता, अनामिकपणा आणि पोर्नोग्राफीच्या उपभोगामध्ये सुलभता (कूपर, एक्सएनयूएमएक्स) सक्षम करते. हर्टलिन आणि स्टीव्हनसन (एक्सएनयूएमएक्स) उद्योगाच्या वाढीस हातभार लावण्यासाठी ब्रॉडबँड इंटरनेट पोर्नोग्राफीशी संबंधित इतर वैशिष्ट्ये देखील लक्षात घेतातः भौतिक जगाशी जवळचा जवळचा संबंध, स्वीकार्यता, अस्पष्टता आणि एखाद्याच्या "वास्तविक" आणि "पाहिजे" दरम्यानचे निवास.

पोर्नोग्राफीच्या वापराच्या मोजमापांकडे मागील दृष्टिकोन सर्वेक्षण डेटावर बरेच अवलंबून आहेत (पहा बुज्झेल, एक्सएनयूएमएक्स). ऑनलाइन पोर्नोग्राफीचे इलेक्ट्रॉनिक स्वरुप, परंतु सदस्यता किंवा ऑनलाइन शोध डेटामधून एकत्रित केलेल्या पोर्नोग्राफीच्या वापराच्या विश्वसनीय प्रॉक्सी मिळविण्यासाठी बर्‍याच पर्यायी पद्धती शक्य करते. सबस्क्रिप्शन किंवा शोध डेटाच्या आधारे उद्दीष्टात्मक उपाय वापरण्याची क्षमता फायदेशीर आहे कारण सर्वेक्षण-आधारित डेटा सामान्यत: सामाजिक इष्टतेचा आधार घेत असतो: उत्तर दिले जाणारे सामाजिक नियमांचे उल्लंघन करणार्‍या क्रियाकलापांची माहिती देऊ शकत नाहीत (फिशर, एक्सएनयूएमएक्स). याव्यतिरिक्त, सबस्क्रिप्शन डेटा पोर्नोग्राफी म्हणजे काय याबद्दल एखाद्याच्या मतावर अवलंबून नाही; पोर्नोग्राफीच्या वापराबद्दल व्यक्तिपरक सर्वेक्षण प्रश्नांची एक नैसर्गिक मर्यादा.

ऑनलाइन अलीकडील दोन अभ्यासानुसार पोर्नोग्राफीच्या वापराविषयी डेटाच्या नाविन्यपूर्ण स्त्रोतांचा वापर केला गेला. एडलमन (एक्सएनयूएमएक्स) एक रँक तयार करण्यासाठी सशुल्क अश्लील सामग्रीच्या शीर्ष-दहा प्रदात्याकडील सबस्क्रिप्शन डेटा वापरते ज्यापैकी राज्ये सर्वाधिक ऑनलाईन अश्लील साहित्य वापरतात आणि या सामाजिक किंवा धार्मिक वृत्तीच्या अनेक राज्य-स्तरीय उपायांशी संबंधित आहेत. मॅकनिस आणि हडसन (एक्सएनयूएमएक्स) अश्लीलतेच्या वापरासाठी प्रॉक्सी म्हणून गुगल ट्रेंड सर्च टर्म डेटा वापरते आणि राज्यस्तरीय अश्लीलता वापर आणि धार्मिकता आणि पुराणमतवादाच्या उपायांमधील संबंधांचे परीक्षण करतात. त्यांना असे दिसून आले आहे की अधिक उजवीकडील विचारसरणी असलेल्या राज्यांमध्ये अश्लीलतेशी संबंधित Google शोधांचा दर जास्त आहे.

या लेखात राज्यांच्या रँक ऑर्डर आणि राज्यस्तरीय अश्लीलतेचा वापर आणि विविध राज्यस्तरीय सामाजिक उपाय यांच्यातील संबंधांविषयी मागील अभ्यासात केलेल्या काही दाव्यांचे मूल्यांकन केले गेले आहे. आम्ही एक फ्रेमवर्क देखील देतो जी भविष्यातील संशोधक पोर्नोग्राफीच्या वापराबद्दल भविष्यातील राज्य-स्तरीय किंवा अगदी काउन्टी-स्तरीय डेटासेटच्या प्रतिनिधित्वाचे मूल्यांकन करण्यासाठी वापरू शकतात. एडलमॅन (एक्सएनयूएमएक्स) सशुल्क अश्लील सामग्री प्रदात्याच्या एकाच प्रदात्याच्या वर्गणीच्या डेटामध्ये प्रवेश करण्यासाठी एक प्रणेते होते आणि खासगी कंपन्यांकडून वैयक्तिक ग्राहक डेटाचा हा वापर कठोर-उपाययोजना वर्तनासाठी डेटा गोळा करण्यासाठी उपयुक्त साधन ठरेल. भविष्यात या प्रकारच्या समृद्ध डेटाच्या वापरासाठी की एकल फर्ममधील डेटा राष्ट्रीय प्रतिनिधी नमुना म्हणून समान अंतर्दृष्टी प्रदान करू शकते हे ओळखणे आवश्यक आहे.

या पेपरमध्ये, आम्ही या दोन अलीकडील अभ्यासांमध्ये वापरलेल्या डेटाचा विस्तार करतो आणि त्यास दोन अतिरिक्त डेटा स्रोतांसह एकत्र करतो. आम्ही या पेपरमध्ये वापरत असलेल्या प्रत्येक चार डेटा स्त्रोतांमधून अश्लीलतेच्या वापराच्या पातळीचे काही प्रमाणात उत्पादन प्राप्त झाले आहे, आम्ही इतर स्त्रोतांसाठी प्राप्त केलेल्या राज्य-स्तरीय क्रमवारीच्या तुलनेत प्रत्येक स्रोताच्या वैधतेचा अंदाज लावतो.

डेटा

आमचे पेपर चार डेटा स्त्रोतांवर काढते ज्यात पोर्नोग्राफीच्या वापरामधील राज्य-स्तरावरील भिन्नतेची माहिती समाविष्ट आहे. पहिले दोन डेटा स्त्रोत राष्ट्रीय प्रतिनिधी नमुने आहेत तर शेवटचे दोन देय सदस्यता किंवा अश्लील सामग्रीच्या विशिष्ट प्रदात्याशी जोडलेल्या पृष्ठ दृश्यांवर आधारित आहेत. प्रत्येक डेटा स्त्रोतामध्ये आमचे अश्लीलतेचे वापराचे परिमाण अशा परिस्थितींवर आधारित आहे ज्यात लोक चुकून अश्लील साहित्य पाहण्याऐवजी अश्लील सामग्री शोधतात.

आमचे पहिले डेटासेट नवीन कौटुंबिक संरचना सर्वेक्षण (एनएफएसएस) मधील एक्सएनयूएमएक्स प्रतिसादकर्त्यांच्या राष्ट्रीय प्रतिनिधीच्या नमुन्यावर आधारित आहे. उच्च-गुणवत्तेचा डेटा तयार करण्याचा विक्रम असलेल्या नॉलेज नेटवर्क (केएन) या संशोधन संस्थेने डेटा संकलन केले. नॉलेज नेटवर्क त्याच्या पॅनेलमधील सदस्यांची यादृच्छिकपणे टेलिफोन व मेल सर्व्हेद्वारे भरती करते, आवश्यक असल्यास घरांना इंटरनेट प्रवेश प्रदान केला जातो. या पॅनेलमध्ये असे फायदे आहेत की ते सध्याच्या इंटरनेट वापरकर्त्यांसाठी किंवा संगणक मालकांपुरते मर्यादित नाहीत आणि स्वयं-निवडलेले स्वयंसेवक स्वीकारत नाहीत.

एनएफएसएसने मागील वर्षात जाणीवपूर्वक पोर्नोग्राफी पाहिले की नाही या प्रश्नाचा समावेश आहे. या प्रकारच्या प्रश्नामध्ये अश्‍लीलता वापरणे वैयक्तिकृत करण्यासाठी वापरण्यासाठी वापरत असलेल्या कोणत्याही स्त्रोतापर्यंतचा फायदा आहे. इतर सामाजिक पातळीवरील प्रतिनिधी नमुने आहेत ज्यात सामान्य सामाजिक सर्वेक्षणात अश्लीलतेच्या प्रश्नांचा समावेश आहे. आम्ही एनएफएसएस कडील डेटा वापरतो कारण त्यामध्ये इतर विद्वानांद्वारे सहजपणे प्रवेश केला जाऊ शकतो आणि त्याच्या सार्वजनिकरित्या उपलब्ध स्वरूपात राज्य अभिज्ञापकांचा समावेश आहे. याउलट, राज्य अभिज्ञापक केवळ सामान्य सामाजिक सर्वेक्षणांच्या गोपनीय आवृत्तीमध्येच मिळू शकतात. या पेपरमधील विश्लेषणासाठी, आम्ही एनएफएसएस सर्वेक्षणातील छत्तीस राज्यांचा संच वापरतो ज्यासाठी कमीतकमी एक्सएनयूएमएक्स उत्तरदाता होते.

दुसरा डेटा स्रोत, गूगल ट्रेंड्स, विशिष्ट भौगोलिक क्षेत्रात गुगलमध्ये प्रविष्ट केलेल्या शोधांच्या खंडांची टाइम सिरीज़ इंडेक्स म्हणून कार्य करते. इन्फ्लूएन्झाचा उद्रेक (कार्नेरो आणि मायलोनाकिस, २००)) सांगणे आणि ग्राहकांचा आत्मविश्वास किंवा बेरोजगारी (चोई व व्हेरियन, २०१२) सारख्या अल्पकालीन आर्थिक निर्देशकांचा अंदाज लावण्यासारख्या आर्थिक आणि वैद्यकीय प्रयत्नांमध्ये या डेटा उपयुक्त ठरला आहे. प्रीस, खंदक आणि स्टॅनले (२०१)) गूगल ट्रेंडचा वापर करुन व्यापार वर्तन प्रमाणित करते, हे दर्शविते की विशिष्ट अटी स्टॉक मूल्यात वाढ किंवा कमी होण्याशी जोडलेली आहेत. प्रौढ करमणूक उद्योगाची तसेच Google ट्रेंड शोध डेटा वापरुन त्याच्या उद्योगातील महत्त्वपूर्ण वैशिष्ट्यांचे मोजमाप मोजता येते त्या प्रमाणात परीक्षण केले जाऊ शकते.

गूगल ट्रेंडचा डेटा वापरण्याचे सर्वात महत्त्वाचे आव्हान म्हणजे ज्या विशिष्ट अटींवर आम्ही डेटा काढतो त्या विशिष्ट पदांची निवड करणे. आमच्या विश्लेषणे उपयुक्त ठरण्यासाठी निवडलेल्या अटी अश्लीलतेच्या वापराचे वास्तविक सूचक असणे आवश्यक आहे. हो आणि वॉटर्स (एक्सएनयूएमएक्स) अश्लील वेबसाइट्समधील स्ट्रक्चरल ट्रेंडचे विश्लेषण केले. त्यांच्या विश्लेषणाचा भाग म्हणून ते अशा शब्दांची यादी तयार करतात जे वारंवार अश्लील वेबसाइटवर दिसतात आणि जे वारंवार अश्लील वेबसाइटवर दिसू शकत नाहीत. शीर्ष चार अटी “पॉर्न”, “एक्सएक्सएक्सएक्स”, “सेक्स” आणि “एफ ***” होती. शोध आकडेवारीचा वापर करून आम्हाला आढळले की या चार पदांसाठी शोध अत्यंत सहसंबंधित आहेत. याउलट, “अश्लीलता” या शब्दाचे शोध या चारही कोणत्याही अटींशी असंबंधित आहेत आणि असे एक शब्द आहे जे लोक अश्लील सामग्रीमध्ये प्रवेश करण्याऐवजी पोर्नोग्राफीबद्दल माहिती शोधत असतील.

“मऊ” आणि “मऊ” अश्लीलतेतही फरक आहे, ज्यात सामान्यत: लैंगिक स्वरूपाचे माध्यमे संदर्भित असतात, पण त्यातील प्रवेशाचे वर्णन केले जात नाही. यापूर्वी सूचीबद्ध केलेल्या चार अटी कठोर सामग्री शोधणार्‍या वापरकर्त्यांचा डेटा काढतील परंतु तरीही आम्ही दोन कारणांमुळे हे एक प्रभावी विश्लेषण मानतो. सॉफ्ट पॉर्न हा बर्‍याच दर्शकांकडून अश्लील चित्रण मानला जात नाही आणि याचा परिणाम म्हणून टेलिव्हिजन आणि चित्रपटांसह मुख्य प्रवाहातल्या माध्यमांमध्येही ती व्यापक आहे. दुसरे, आम्हाला आढळले आहे की हार्ड पोर्नोग्राफीच्या संज्ञेच्या अटींच्या शोधांच्या तुलनेत सॉफ्ट पोर्नोग्राफीच्या संज्ञेसंबंधित शोध कमीतकमी आहेत. आम्ही एक्सएनयूएमएक्स-एक्सएनयूएमएक्स वर "अश्लील" आणि "नग्न मुली" या शोध संज्ञांसाठी संबंधित शोध मूल्य केले. “अश्लील” या शब्दामुळे 2005 जास्तीत जास्त शोध व्हॉल्यूम घेतल्या गेल्याने दोन्ही पदांसाठी शोध सामान्य केले गेले. सामान्यीकृत कमाल तुलनेत, “नग्न मुली” मध्ये एक्सएनयूएमएक्सपेक्षा मोठा शोध खंड निर्देशांक कधीही नसतो.

गूगल ट्रेंडमधील डेटा भौगोलिक क्षेत्रात विशिष्ट टर्मसाठी केलेल्या शोधाची वास्तविक संख्या दर्शवत नाही. त्या क्षेत्रामधील सर्व शोधांच्या एकूण संख्येनुसार शब्दासाठी केलेल्या शोधांची संख्या विभागून प्रत्येक डेटा पॉइंट सामान्य केला जातो. लोकसंख्या आणि राज्यांमध्ये सर्च व्हॉल्यूममधील फरक यासाठी डेटा नियंत्रित केला जातो. गुगल ट्रेंड एकाच व्यक्तीला वारंवार होणारे शोध कमी कालावधीत काढून टाकते जेणेकरून एकाच व्यक्तीला निकालाचे काम टाळता येऊ नये.

गूगल ट्रेंडकडून डेटा राज्य-आठवड्यात स्तरावर उपलब्ध आहे. आम्ही जुलै एक्सएनयूएमएक्स-जुलै एक्सएनयूएमएक्समध्ये डेटा वापरतो. आमची निरीक्षणे 2013-2014 स्केलवर समायोजित केली आहेत. आमच्या डेटासेटमध्ये एका आठवड्याच्या कालावधीत विशिष्ट टर्मचे सर्वाधिक सामान्यीकृत शोध असलेल्या राज्यात एक्सएनयूएमएक्सचे वाचन असते. प्रत्येक संज्ञेवरील हा डेटा वापरुन आम्ही चार पदांचा वापर करून आमच्या डेटाच्या प्रत्येक राज्य-आठवड्यासाठी अश्लीलते शोधांची अनुक्रमणिका तयार करतो. आम्ही “अश्लील” आणि “सेक्स” चे वजन जास्त वजनदार केले कारण त्यांचे "एफ ***" आणि "एक्सएक्सएक्सएक्स" च्या तुलनेत संबंधित शोध बरेच मोठे आहेत. विशेषत: आम्ही गेल्या वर्षभरात प्रत्येक संज्ञेचे सरासरी वजनाचे वजन वापरतो. त्यानंतर आम्ही प्रौढ करमणूक उद्योग भौगोलिकरित्या मॉडेल करण्यासाठी Google ट्रेंडद्वारे राज्यांची हे भारित शोध खंड रँकिंग वापरतो.

वेबसाइट-विशिष्ट सबस्क्रिप्शन डेटाच्या विरूद्ध Google ट्रेंडमधील डेटा वापरण्याचा एक फायदा म्हणजे त्यात विनामूल्य आणि सशुल्क प्रौढ मनोरंजन दोन्ही शोधणार्‍या व्यक्तींविषयीची माहिती समाविष्ट आहे. डोरन (एक्सएनयूएमएक्स) नोंदविते की अश्लील वेबसाइट्सवरील अभ्यागतांपैकी सुमारे एक्सएनयूएमएक्स-एक्सएनयूएमएक्स% केवळ विनामूल्य अश्लील सामग्रीमध्ये प्रवेश करतात, असे सुचवितो की देय प्रौढ करमणुकीचे विश्लेषण सर्वसाधारणपणे अश्लीलतेच्या वापराचे वास्तविक स्वरूप अस्पष्ट करू शकते.

आमचा तिसरा डेटा स्त्रोत एडेलमॅन (एक्सएनयूएमएक्स) च्या अलीकडील अभ्यासामध्ये वापरल्या गेलेल्या पेड अश्लील सामग्रीच्या पहिल्या दहा सर्वात मोठ्या प्रदात्यांपैकी एकाच्या वर्गणीची संख्या नोंदवते. या डेटासेटचे एडेलमनचे विश्लेषण हे साहित्यात काल्पनिक योगदान होते; पोर्नोग्राफीच्या पूर्वीच्या अभ्यासानुसार केवळ सर्वेक्षण डेटा तपासला गेला होता. वापरलेला विशिष्ट डेटा 2009 आणि 2006 दरम्यानच्या सर्व क्रेडिट कार्ड सदस्यतांसह संबद्ध पिप कोड होता. या विशिष्ट सामग्री प्रदात्याकडे शेकडो साइट्स आहेत ज्यात प्रौढांच्या मनोरंजनाची विस्तृत श्रेणी आहे. एडेलमन (एक्सएनयूएमएक्स) तथापि, हे कबूल करतो की “हा विक्रेता प्रतिनिधी आहे याची कठोरपणे पुष्टी करणे कठीण आहे.”

जरी या सबस्क्रिप्शन डेटाचा स्त्रोत प्रौढ करमणुकीचा एक टॉप-एक्सएनयूएमएक्स विक्रेता आहे, परंतु आम्ही एनएफएसएस सारख्या सर्वेक्षण डेटामध्ये पाळत असलेल्या पोर्नोग्राफीच्या वापराच्या नमुन्यांशी संबंधित सदस्यता खूपच कमी आहेत, जिथे एक्सएनयूएमएक्स% प्रौढ व्यक्ती गेल्या वर्षी पोर्नोग्राफी वापरल्याची नोंद करतात. . ब्रॉडबँड घरगुती प्रति सर्वाधिक सदस्यता असलेले राज्य ब्रॉडबँड असलेल्या प्रत्येक एक्सएनयूएमएक्स घरांसाठी एक्सएनयूएमएक्ससह युटा आहे. ब्रॉडबँड असलेल्या प्रत्येक एक्सएनयूएमएक्स कुटुंबांसाठी एक्सएनयूएमएक्सच्या सदस्यांसह सर्वात कमी राज्य मोन्टाना आहे. हे कमी दर सूचित करतात की पोर्नोग्राफीच्या वैयक्तिक सामग्री प्रदात्यांसाठी बाजारातील हिस्सा कमी आहे, ज्यामुळे एखाद्या प्रदात्याकडील डेटा अचूक क्रॉस-स्टेट तुलना प्रदान करू शकेल की नाही हे माहित करणे कठीण होते. आधी नमूद केल्याप्रमाणे, पोर्नोग्राफीवर ऑनलाइन प्रवेश करणारे बरेच लोक एडलमन (डोरान, एक्सएनयूएमएक्स) द्वारे अभ्यासलेल्या सशुल्क साइट वापरण्याऐवजी केवळ विनामूल्य सामग्रीमध्ये प्रवेश करतात.

पोर्नहब डॉट कॉमवरील आमचा चौथा डेटा स्त्रोत पृष्ठ दृश्य डेटा आहे, जो त्यावेळी अमेरिकेत प्रौढ मनोरंजन करणारा तिसरा सर्वात मोठा ऑनलाइन होस्ट होता. आम्ही पोर्नहब डेटाचा आकार तसेच डेटाची उपलब्धता यामुळे वापरतो. एक्सएनयूएमएक्सने सार्वजनिकपणे उपलब्ध वर्षाच्या दरम्यान पोर्नहबने दरडोई पृष्ठ दृश्ये बनविली आणि या डेटाचा स्वतंत्रपणे राज्य अहवाल दिला. पोर्नहब डेटा एडेलमनच्या डेटासारखेच आहे कारण तो पोर्नोग्राफीच्या वापराचे प्रदाते-बाजू उद्देश आहे. तथापि, डेटा सदस्यांऐवजी पृष्ठ दृश्ये रेकॉर्ड करतो; अंतर्ज्ञानाने, डेटामध्ये प्रत्येक व्यक्तीच्या वापराचे नमुने तसेच लोकसंख्येच्या प्रसाराचे प्रमाण दिसून येईल. देय आणि न भरलेल्या दोन्ही वापरासह डेटाचा सापेक्ष फायदा देखील आहे.

नवीन डेटा स्रोतांच्या प्रतिनिधीत्वाचे मूल्यांकन करणे

मोठी डेटा क्रांति पोर्नोग्राफीच्या वापरासारख्या वर्तन मोजण्यासाठी आणि अभ्यास करण्यासाठी वापरल्या जाणार्‍या डेटा स्रोतांचे प्रकार नाटकीयरित्या उघडण्यास सुरूवात करीत आहे. एडेलमन (एक्सएनयूएमएक्स) द्वारे वापरलेला सबस्क्रिप्शन डेटा मोठ्या प्रमाणात डेटासेटचा प्रकार दर्शवितो जो त्यांच्या संशोधनात विद्वानांना वाढत्या प्रमाणात उपलब्ध होईल. या प्रकारच्या मालकीच्या डेटाचा वापर करण्यातील एक महत्त्वाचा पहिला टप्पा एकल प्रदात्याकडील डेटा सामान्य लोकसंख्येचा प्रतिनिधी असतो त्या पदवीचे मूल्यांकन करेल. या विभागात आम्ही डेटासेटच्या प्रतिनिधित्वाचे मूल्यांकन करणारा एक फ्रेमवर्क प्रदान करतो ज्याची राष्ट्रीय प्रतिनिधी म्हणून ओळखल्या जाणार्‍या दुसर्‍या डेटाद्वारे पाहिलेल्या नमुन्यांची तुलना करून किंवा एकत्रितपणे सत्य दर्शविण्याची शक्यता असलेल्या इतर डेटा स्रोतांच्या संयोजनाशी तुलना करून. वर्तन मूलभूत नमुना.

टेबल एक्सएनयूएमएक्समध्ये आम्ही पोर्नोग्राफीच्या वापरासाठी शीर्ष दहा आणि तळाच्या दहा राज्यांची यादी करतो त्या चार स्त्रोतांवर आधारित: सदस्यता डेटा, पोर्नहब, एनएफएसएस आणि Google ट्रेंड. मिसिसिपी हे असे एक राज्य आहे जे सर्व चार डेटाबेसमध्ये अश्लीलतेच्या प्रयोगात अव्वल चार राज्यांमधील आहे आणि बर्‍याच उपाययोजनांमध्ये आयडाहो सातत्याने कोणत्याही राज्यातील सर्वात कमी दराच्या जवळ आहे. याउलट, अर्केनसस आणि युटासारख्या इतर राज्यांत काही उपायांसह पहिल्या दहामध्ये परंतु इतर उपायांसह खालच्या दहामध्ये क्रमांक लागतो. हे परिणाम सूचित करतात की एकाच राज्यातल्या स्त्रोतावर आधारित पोर्नोग्राफीच्या वापराचे सर्वाधिक दर कोणत्या राज्यात असल्याचे दिसते हे ओळखणे थोडा त्रासदायक असू शकेल.

सारणी 1. नियंत्रित चार भिन्न डेटा स्रोतांवर आधारित राज्यांचा क्रम क्रम
ब्रॉडबँड इंटरनेट forक्सेससाठी.

टेबल एक्सएनयूएमएक्स पॅनेल ए मध्ये आम्ही या उपायांमधून टेबल एक्सएनयूएमएक्समध्ये नोंदविल्या गेलेल्या ऑर्डिनल रँकिंगऐवजी प्रत्येक स्त्रोताद्वारे अश्लीलतेच्या वापराचे वास्तविक उपाय वापरुन प्रत्येक डेटा स्त्रोतांमधील परस्परसंबंधाचा अंदाज करतो. देय सबस्क्रिप्शन डेटा, आतापर्यंत अन्य तीन स्रोतांशी सर्वात कमकुवत संबंध आहे आणि एनएफएसएस सर्वेक्षण डेटाशी नकारात्मकपणे सहसंबंधित आहे. सशुल्‍क सदस्‍यता डेटाचा एनएफएसएस -2, Google ट्रेंडसह 1 आणि पोर्नहबसह 0.0358 चा परस्पर संबंध आहे. यापैकी कोणतेही परस्परसंबंध सांख्यिकीय दृष्टीने महत्त्वपूर्ण नाहीत; संबंधित टी-आकडेवारी सर्व 0.076 पेक्षा कमी आहेत (जे .0.0066 पेक्षा मोठे दिशानिर्देशित पी-मूल्यांशी संबंधित आहेत). याउलट, इतर तीन क्रमवारीत तुलनेने लक्षणीय परस्पर संबंध दर्शविले जातात. गूगल ट्रेंड्स आणि पोर्नहब यांचा एक्सएक्सएनएमएक्स, एनएफएसएस आणि गूगल ट्रेंडचा परस्पर संबंध आहे .0.6 आणि पोर्नहब आणि एनएफएसएसचा .3 चा परस्परसंबंध आहे. हे सर्व परस्पर संबंध एक्सएनयूएमएक्सच्या Google ट्रेंड आणि पोर्नहब, एनएफएसएस आणि एक्सएनयूएमएक्सच्या Google ट्रेंड दरम्यान आणि एक्सएनयूएमएक्सच्या पोर्नहब आणि एनएफएसएस दरम्यान टी-स्टॅटिस्टिकसह सांख्यिकीय दृष्टीने महत्त्वपूर्ण आहेत. हे सर्व .487 पेक्षा कमीच्या दिशात्मक पी-मूल्यांशी संबंधित आहेत.

पॅनेल बी मध्ये आम्ही प्रत्येक डेटा स्रोतामधून तयार केलेल्या ऑर्डिनल रँकिंगचा वापर करुन परस्परसंबंध नोंदवतो. एनएफएसएस, गूगल ट्रेंड आणि पोर्नहब यांच्यातील संबंधांमध्ये पॅनेल ए मधील तुलनात्मक परस्पर संबंध गुणक आणि महत्त्व आहे, त्याचप्रमाणे Google ट्रेंड आणि सशुल्क सदस्यता दरम्यानचे परस्परसंबंध समान आहे. पॅनेल उल्लेखनीय आहे कारण ऑर्डिनल रँकिंग पेड सबस्क्रिप्शन डेटा वापरताना पोर्नहब आणि एनएफएसएस सर्वेक्षण डेटाशी अधिक चांगला संबंध ठेवता येतो, तथापि परस्पर संबंध अद्यापही महत्व नसतात. दोन पॅनेल्स आपल्याला समान निष्कर्ष काढू देतात, तथापि सशुल्क वर्गणी डेटासाठी मोठे गुणांक लक्षात घेण्यासारखे आहेत की ते इतर स्त्रोतांच्या परस्परसंबंधांपेक्षा एकमेकांशी संबंधित नसण्यापेक्षा नगण्य आहेत. आमचा असा विश्वास आहे की पोर्टलोग्राफीच्या वास्तविक उपायांचा वापर करुन सामान्य क्रमवारी लावण्याऐवजी परस्परसंबंध त्या उद्योगाचे प्रतिनिधित्व करतात कारण त्यात केवळ राज्यांच्या विशिष्ट क्रमापेक्षा पोर्नोग्राफीच्या वापरामधील वास्तविक फरक आहे.

सारणी 2. चार डेटा स्रोतांमधील सहसंबंध.

तीन नॉन-पेड सबस्क्रिप्शन डेटा स्रोतांमधील महत्त्वपूर्ण परस्पर संबंध, जरी ते मोजतात भिन्न भिन्न (सर्च व्हॉल्यूम, पृष्ठ दृश्ये आणि पोर्नोग्राफी दर्शकांचे प्रमाण) असूनही, असे सूचित करतात की ते पोर्नोग्राफीच्या वापरामधील भिन्नतेचे वास्तविक मूलभूत राज्ये मोजत आहेत; एडेलमन (एक्सएनयूएमएक्स) द्वारे वापरलेल्या सबस्क्रिप्शन डेटाशी सहसंबंधित नसलेला एक.

वापरलेल्या डेटा स्रोतावर अंदाजांची संवेदनशीलता

वेगवेगळ्या डेटा स्रोतांमध्ये राज्य अश्लीलतेच्या दराच्या फरकांबद्दलच्या हिशोबाचे महत्त्व स्पष्ट करण्यासाठी आम्ही नुकत्याच केलेल्या अभ्यासाचे नक्कल काढतो ज्यामध्ये असे आढळले आहे की अधिक धार्मिक आणि अधिक पुराणमतवादी राज्ये Google वर लैंगिक सामग्री शोधण्याची शक्यता (मॅकनिस आणि हडसन, 2014). आम्ही या पेपरात वर्णन केलेल्या इतर डेटा स्रोतांचा वापर करुन अश्लीलतेच्या वापराच्या इतर उपायांवर त्या कागदाचे निष्कर्ष लागू आहेत की नाही याची तपासणी करतो. या प्रतिकृतीचे परिणाम तक्ता 3 मध्ये दिले आहेत. आम्ही अश्लीलता वापर, धार्मिकता आणि पुराणमतवाद उपायांचे प्रमाण कमी करुन वेगवेगळ्या पोर्नोग्राफी वापराच्या उपायांची तुलना करण्यास प्रमाणित विचलनाद्वारे विभाजित केले (ही पध्दत रुपांतर करण्याइतकीच आहे) झेड-स्कोअरमधील प्रत्येक उपाय).

सारणी 3. राज्य-स्तरीय रिलिजिओसिटी किंवा कंझर्व्हेटिझम आणि प्रत्येक मेट्रिक दरम्यान सहकार्य
पोर्नोग्राफी वापराची.

मूळ अभ्यासानुसार, मॅक्सीनिस आणि हडसनने (एक्सएनयूएमएक्स) लिंग, पोर्न आणि एक्सएक्सएक्स सारख्या विशिष्ट शोध संज्ञेसाठी स्वतंत्रपणे गुगल ट्रेंडच्या आधारावर निकाल दिले आहेत, ज्याप्रमाणे आपण आमच्या गुगल ट्रेंडच्या मापनात वापरत असलेल्या अटींसारखेच असतात. टेबल एक्सएनयूएमएक्सच्या पहिल्या पंक्तीतील परिणाम दर्शवितो की जेव्हा आम्ही Google ट्रेंड डेटा वापरतो तेव्हा आम्हाला धार्मिकता आणि पुराणमतवाद यांच्यात सांख्यिकीय दृष्टीने महत्त्वपूर्ण संबंध देखील आढळतो. तथापि, सारणी 2014 मधील इतर ओळी दर्शविते की इतर तीन डेटा स्त्रोतांपैकी एक वापरताना आम्हाला खूपच सांख्यिकीय संबंध मिळतो. हे परिणाम सूचित करतात की जर मॅकिनिस आणि हडसन (एक्सएनयूएमएक्स) इतर तीन डेटा स्त्रोतांचा वापर करीत असतील तर ते कदाचित ज्या परीक्षेची तपासणी करीत होते त्या संबंधात त्यांच्या पेपरमध्ये वेगळा निष्कर्ष काढला असता.

मॅक्निनीस आणि हडसन (२०१)) हे राज्यस्तरीय धार्मिकता आणि राज्यस्तरीय अश्लीलतेच्या वापरामधील सांख्यिकीय दृष्टीने महत्त्वपूर्ण संबंध असल्याचे आढळून येते की वैयक्तिक स्तरावरील डेटा वापरुन मागील अभ्यासांमध्ये असे आढळले आहे की नियमितपणे चर्चमध्ये जाणा attend्या व्यक्तींमध्ये पोर्नोग्राफीचा वापर करण्याची शक्यता खूपच कमी आहे ( डोरान आणि किंमत, २०१;; पॅटरसन अँड प्राइस, २०१२; स्टॅक, वासेरमन आणि केर्न्स, २००)). या प्रकारातील गट-स्तराचे संबंध वैयक्तिक पातळीवर आढळणार्‍या विरोधाभास असणारे शिक्षण आणि धर्म यांच्यातील संबंध (ग्लेझर आणि सॅसेर्दोट, २००)) आणि उत्पन्न आणि राजकीय संबंध (ग्लेझर आणि सॅसेर्दोट, 2014).

चर्चा

वर नमूद केलेला प्रत्येक डेटा स्त्रोत ऑनलाइन पोर्नोग्राफी उद्योगाचा भिन्न क्रॉस-सेक्शनल दृश्य प्राप्त करतो आणि प्रत्येकाला राज्य स्तराद्वारे अश्लील साहित्य वापरण्याच्या सामान्य पातळीत रस असणार्‍या संशोधकांसाठी महत्त्वपूर्ण असुरक्षा आहेत. एनएफएसएस सर्वेक्षण डेटा, उदाहरणार्थ, कदाचित सामाजिक इच्छाशक्ती पूर्वाग्रह आणि विषयांच्या सदोष स्मृतीमुळे पोर्नोग्राफीचा वापर कमी केला जातो. Google शोध व्यतिरिक्त अन्य माध्यमांद्वारे प्रवेश केला जाणारा कोणताही अश्लील साहित्य वापरण्यात Google ट्रेंड डेटा अयशस्वी होतो. पोर्नहब आणि सशुल्क सदस्यता डेटा त्यांच्या प्रतिनिधित्वामध्ये मर्यादित असू शकतो; ते उद्योगातील केवळ एका फर्मच्या संदर्भात उपयोग मोजतात.

जेव्हा कोणत्याही स्त्रोतावरील डेटा संशोधनात वापरला जातो, तेव्हा त्या परिणामाकडे नेणार्‍या डेटाच्या संदर्भात परिणाम सादर करणे आवश्यक आहे. जेव्हा लोक एखाद्या पोर्नोग्राफी उद्योगाचे संपूर्ण प्रतिनिधित्व करतात म्हणून दिलेल्या डेटा स्रोताचे चुकून अर्थ लावतात तेव्हा समस्या उद्भवतात. अशा बर्‍याच सेटिंग्ज आहेत ज्यात अशाच प्रकारे गैर-प्रतिनिधी डेटा चुकीच्या पद्धतीने जास्त-सामान्यीकृत केला जाऊ शकतो. संशोधकांना आणि व्यक्तींना त्यांच्या निष्कर्षांच्या बाह्य वैधतेबद्दल माहिती असणे आवश्यक आहे तर मीडिया आणि वाचकांनी निकालांना जास्त प्रमाणात न घेता काळजी घ्यावी.

आम्ही आमच्या डेटा स्रोतांची एक मर्यादा देखील ओळखतो ज्यामध्ये त्यांनी पोर्नोग्राफीचा उद्योग वेगवेगळ्या ऐतिहासिक क्षणांमध्ये हस्तगत केला; Google Trends (2013-2014), सशुल्क सदस्यता (2006-2008), पोर्नहब (2013) आणि NFSS (2012). सशुल्क सदस्यता डेटा इतर स्त्रोतांपूर्वी अंदाजे 6-7 वर्षांपूर्वी गोळा केला गेला. या वेळी फरक कदाचित आमच्या निकालांचा आधार घेईल, परंतु संपूर्ण डेटा स्रोतमधील सामान्य ट्रेंड असे आहेत की आमचा निष्कर्ष अचूक असल्याचा आम्हाला विश्वास आहे. एक्सएनयूएमएक्स-एक्सएनयूएमएक्सपासून पोर्नोग्राफीच्या सापेक्ष उपयोगात मोठ्या बदलांसाठी हे पूर्वाग्रह होणे आवश्यक आहे जे आम्हाला वाटते की हे संभव नाही.

काही क्रियाकलापांच्या संदर्भात व्यक्तींना ऑर्डर देण्याचा प्रयत्न करीत असताना, विरोधाभासी निकालांसाठी एकाधिक स्त्रोत (उपलब्ध असल्यास) पहाणे आवश्यक आहे. ऑर्डरिंग्ज समान असणे आवश्यक असल्यास त्यांची अचूकता अधिक सहजतेने गृहित धरली जाऊ शकते. जर ते भिन्न असतील तर समस्येसंदर्भात अधिक समजून घेण्याची संधी निर्माण होईल. आमच्या विशिष्ट बाबतीत, फरक उद्भवण्याची शक्यता आहे कारण स्त्रोत विविध प्रकारचे अश्लील साहित्य वापरतात.

पोर्नोग्राफीच्या वापरावरील मागील संशोधनातून घटस्फोट, आनंद, कामगार उत्पादकता आणि लैंगिक हिंसा यासारख्या स्वारस्य असलेल्या महत्त्वपूर्ण क्षेत्रावर परिणाम होऊ शकतो (बर्गन आणि बोगल, २०००; डोरान आणि किंमत, २०१;; पॅटरसन अँड प्राइस, २०१२; यंग) आणि केस, 2000). जेव्हा असे संशोधन केले जाते तेव्हा डेटा विश्वसनीय आणि सामान्यीकरण करण्यायोग्य स्रोत (किंवा स्त्रोत) पासून असणे आवश्यक आहे. अशा कोणत्याही परिणामाच्या परिणामाचे निष्कर्ष आणि व्यक्तींचे वय, लिंग आणि लैंगिक ओळख यावर प्रकाश टाकला पाहिजे - या पेपरमध्ये ज्या गोष्टींचा विचार केला जात नाही (सेव्हिसिकोवा आणि डेनिबॅक, २०१;; स्टूप्स, २०१;; ट्रेन आणि डॅनबॅक, २०१ 2014) ; त्रिपोडी इत्यादी. 2012). अशा संशोधन संधींमध्ये राज्याने अश्लीलतेचा वापर विश्लेषणामध्ये भूमिका बजावू शकतो. या पेपरचा निकाल दिल्यास अशा व्हेरिएबलच्या डेटा स्रोताचा अशा रीग्रेशनमध्ये जोरदारपणे विचार केला जाणे आवश्यक आहे आणि त्याचा परिणाम डेटा स्रोताच्या संदर्भात करणे आवश्यक आहे.

निष्कर्ष

विशिष्ट कंपन्यांद्वारे प्रदान केलेल्या डेटामध्ये सार्वजनिक समस्यांविषयी महत्त्वपूर्ण अंतर्दृष्टी प्रदान करण्याची क्षमता असते. एक मोठे आव्हान हे निर्धारित करते की जेव्हा एकाच कंपनीचा डेटा अगदी अगदी मोठ्या कंपनीने संपूर्ण लोकांचे प्रतिनिधीत्व असलेले अंतर्दृष्टी प्रदान केले. राज्यभरातील अश्लीलतेचे सापेक्ष दर गृहीत धरून एक्सएनयूएमएक्स-एक्सएनयूएमएक्सकडून मोठे बदल झाले नाहीत, आमच्या पेपरच्या निकालांवरून असे सूचित केले जाते की काही प्रकरणांमध्ये विशिष्ट वर्तनाच्या भौगोलिक नमुन्यांची दिशाभूल करणारी एखादी कंपनी बनू शकते. पोर्नोग्राफीच्या वापरासाठी हे विशेषतः महत्वाचे आहे कारण ऑनलाइन पोर्नोग्राफीवर प्रवेश करणारे अनेक लोक सशुल्क साइट (डोरान, एक्सएनयूएमएक्स) वापरण्याऐवजी विनामूल्य सामग्रीमध्ये प्रवेश करतात.

या कागदाचा निकाल पोर्नोग्राफीच्या वापराबद्दल चार वेगवेगळ्या डेटा स्रोतांवर आकर्षित करतो ज्यात राष्ट्रीय प्रतिनिधी डेटा (गूगल ट्रेंड्स आणि एनएफएसएस) समाविष्ट असलेल्या दोनचा समावेश आहे. आम्हाला आमच्या तीन डेटा स्रोतांमध्ये एक महत्त्वपूर्ण परस्पर संबंध आढळतो जो सूचित करतो की ते सर्व राज्यभरात अश्लीलतेच्या वापरामध्ये समान मूलभूत पद्धती प्रतिबिंबित करतात. कॉन्ट्रास्ट पेड सबस्क्रिप्शन डेटाच्या बाबतीत, एक स्रोत ज्यास योग्य प्रमाणात माध्यमांचे लक्ष प्राप्त झाले आहे, ते इतर स्त्रोतांशी असमाधानकारकपणे संबंधित आहे. आम्ही हे देखील दर्शवितो की डेटा स्त्रोतांवरील निवडी अभ्यासांच्या निष्कर्षांवर परिणाम करू शकतात आणि असे सूचित करतात की विशिष्ट वर्तनाचा आदर्श उपाय मिळविणे ज्यास आव्हानात्मक आहे अशा समस्यांची तपासणी करताना भविष्यातील अभ्यासांमध्ये डेटा स्त्रोतांवर संवेदनशीलता चाचण्या समाविष्ट असतात.

संदर्भ