ညစ်ညမ်းအသုံးပြုမှုသုတေသနတစ်ဦးကပြန်လည်သုံးသပ်: နည်းလမ်းနှင့်အလေးသတင်းရင်းမြစ် (2015) မှရလဒ်များကို: Utah porn အသုံးပြုမှုအတွက် 1 ရေတွက်မထားဘူး

Gmeiner, အမ်, စျေး, ဂျေ, & Worley, အမ် (2015) ။ ဆောင်းပါး Link ကို ညစ်ညမ်းအသုံးပြုမှုသုတေသနတစ်ဦးကပြန်လည်သုံးသပ်: နည်းလမ်းနှင့်အလေးရင်းမြစ်များမှရလဒ်များကို။ Cyberpsychology: ဆိုက်ဘာစပေ့အပေါ်စိတ်ပိုင်းဆိုင်ရာသုတေသနဂျာနယ်, 9(4), ဆောင်းပါး 1 ။ Doi: 10.5817 / CP2015-4-4

မိုက်ကယ် Gmeiner¹ယောသပ်သည်စျေး²မိုက်ကယ် Worley³
^1,2,3 ဘရစ်ဂ်ဟမ်လူငယ်တက္ကသိုလ်, Provo, Utah, ယူနိုက်တက်စတိတ် ြဒပ်မဲ့သော ညစ်ညမ်း၏ကျယ်ပြန့်အီလက်ထရောနစ်ဂီယာဓမ္မဓိဋ္ဌာန်ကျကျညစ်ညမ်းအသုံးပြုမှုကိုတိုင်းတာရန်အချက်အလက်အသစ်ကိုသတင်းရင်းမြစ်အမျိုးမျိုးဘို့ခွင့်ပြုပါတယ်။ မကြာမီကလေ့လာမှုများတစ်ဦးချင်းအွန်လိုင်းညစ်ညမ်းအသုံးပြုနိုင်ရန်အတွက်အမေရိကန်ပြည်နယ်များအဆင့်အတန်းသတ်မှတ်ဤဒေတာကိုသုံးပါရန်နှင့်ပြည်နယ်အဆင့်မှာညစ်ညမ်းအသုံးပြုမှုများ၏ဆုံးအဖွတျကိုသိရှိနိုင်ဖို့စတင်ပါပြီ။ ဤစာတမ်း၏ရည်ရွယ်ချက်မှာနိုင်ငံတော်ကညစ်ညမ်းအသုံးပြုမှုကိုအကဲဖြတ်ဘို့နှစ်ခုသည်ယခင်နည်းစနစ်နှိုင်းယှဉ်ရန်အဖြစ်မျိုးစုံဒေတာသတင်းရင်းမြစ်ကို အသုံးပြု. အွန်လိုင်းညစ်ညမ်းအသုံးပြုမှုကိုတိုင်းတာရန်ဖြစ်ပါသည်။ Pornhub.com Google က Trends, နှင့်နယူးမိသားစု structures များစစ်တမ်းကနေပြည်နယ်အဆင့်အဆင့်သိသိသာသာတစ်ဦးချင်းစီကတခြားဆက်နွယ်နေကြောင်းဖြစ်ကြောင်းကျနော်တို့ကိုရှာပါ။ ဆနျ့ကငျြဘတှငျကြှနျုပျတို့တစ်ခုတည်းကြီးမားအခပေးစာရင်းပေးသွင်းညစ်ညမ်း website ကနေဒေတာတွေကိုအပျေါအခွခေံအဆင့်အခြားသုံးဒေတာသတင်းရင်းမြစ်အပေါ်အခြေခံပြီးအဆင့်သတ်မှတ်ချက်နှင့်အတူအဘယ်သူမျှမသိသိသာသာဆက်စပ်ရှိကြောင်းကိုရှာပါ။ အွန်လိုင်းညစ်ညမ်း၏ဤမျှလောက်အခမဲ့ရယူနေသည်ကတည်းကတစ်ခုတည်းကိုသာအခပေးစာရင်းပေးသွင်းဒေတာအပေါ်အခြေခံပြီးသုတေသနအထင်မြင်မှားစေသောကောက်ချက်လိုက်လျောလိမ့်မည်။ keywords: ညစ်ညမ်းသောရုပ်ပုံ, အင်တာနက်အသုံးပြုခြင်းကို, ဒေတာကိုယ်စားလှယ် DOWNLOAD PDF ဖိုင်ရယူရန် နိဒါန္း အများဆုံးသုတေသီများကြောင်းညစ်ညမ်းမကြာသေးမီဆယ်စုနှစ်များတွင်ပိုမိုနေရာအနှံ့ဖြစ်လာသည်သဘောတူမယ်လို့နေစဉ်, လူဦးရေအတွက်ညစ်ညမ်းအသုံးပြုမှုအဆင့်များတိကျမှန်ကန်တိုင်းတာခြင်းလူမှုရေးသိပ္ပံပညာရှင်တွေအနေနဲ့ပင်ကိုယ်မူလစိန်ခေါ်မှုနေဆဲဖြစ်သည်။ ညစ်ညမ်းဝင်ရောက်ဖို့အသုံးပြုသောနည်းပညာများကို၏ခင်းကျင်းကမဖြစ်နိုင်သလောက်တသမတ်တည်းညစ်ညမ်းအသုံးပြုမှု၏တူညီသောမက်ထရစ်ကိုတိုင်းတာရန်လုပ်, အချိန်ကျော်ပြောင်းလဲခဲ့ပါသည်။ ပြီးခဲ့သည့်တဆယ်ငါးနှစ်ကိုကျော်တဖြည်းဖြည်းစျေးကွက်ထိုးဖောက်သော high-speed ကိုအင်တာနက်, ညစ်ညမ်းအသုံးပြုမှုအတွက်သိသာယေဘုယျမြင့်တက် (Wright, 1998) အားအထောက်အကူပြုမကြုံစဖူးတတ်နိုင်, အမည်ဝှက်နှင့်ညစ်ညမ်းစားသုံးမှု (Cooper က, 2011) တွင် access ကိုလွယ်ကူနိုင်ပါတယ်။ Hertlein နှင့် Stevenson (2010) ကိုလည်းစက်မှုလုပ်ငန်းများဖွံ့ဖြိုးကြီးထွားစေရန်ပံ့ပိုးအတွက်အင်တာနက်ညစ်ညမ်း broadband ဖို့အထူးသဖြင့်တခြား features ကိုသတိပြုပါ: နီးကပ်လာရုပ်ပိုင်းဆိုင်ရာကမ္ဘာအကြမ်းဖျင်း, လက်ခံ, မရေရာဒွိဟနှင့်တဦးတည်းရဲ့ "အစစ်အမှန်" နှင့်ကိုယ့်ကိုယ်ကို "ဖုံးရမည်" အကြားနေရာထိုင်ခင်း။ ညစ်ညမ်းအသုံးပြုမှုကိုတိုင်းတာခြင်းမှအတိတ်ချဉ်းကပ်မှု (Buzzell, 2005 ကိုကြည့်ပါ) စစ်တမ်းဒေတာအပေါ်အကြီးအကျယ်မှီခိုပါပြီ။ အွန်လိုင်းညစ်ညမ်းများ၏အီလက်ထရောနစ်သဘောသဘာဝ, သို့သော်, ပို. ပို. ကြေးပေးသွင်းသို့မဟုတ်အွန်လိုင်းရှာဖွေရေးဒေတာကနေစုဝေးစေရှိသူများအပါအဝင်ညစ်ညမ်းအသုံးပြုမှုယုံကြည်စိတ်ချရသော proxies ကိုရယူဘို့အခြားရွေးချယ်စရာနည်းလမ်းဖြစ်နိုင်သမျှနံပါတ်စေသည်။ ကြေးပေးသွင်းသို့မဟုတ်ရှာဖွေရေးဒေတာစစ်တမ်း-based data တွေကိုကတည်းကအကျိုးရှိဖြစ်ပါသည်အပေါ်အခြေခံပြီးတစ်ဦးရည်မှန်းချက်အတိုင်းအတာသုံးစွဲဖို့စွမ်းရည်ယေဘုယျအားဖြင့်လူမှုရေးလိုလားဘက်လိုက်မှုကနေကြုံတွေ့နေကြရသည်: ဖြေဆိုသူလူမှုရေးစံချိန်စံညွှန်း (Fisher သည် 1993) ချိုးဖောက်ကြောင်းလှုပ်ရှားမှုများ underreport လိမ့်မည်။ ထို့အပြင်ခုနှစ်, subscription ကိုဒေတာညစ်ညမ်းပါဝငျသောအရာကိုအကြောင်းကိုတစ်ဦးချင်းရဲ့အမြင်ပေါ်မှာပဲမူတည်ပါဘူး; ညစ်ညမ်းအသုံးပြုမှုနှင့် ပတ်သက်. ပုဂ္ဂလဒိဋ္စစ်တမ်းမေးခွန်းတွေသဘာဝန့်အသတ်။ နှစ်ဦးကိုမကြာသေးခင်ကလေ့လာမှုများအွန်လိုင်းညစ်ညမ်းအသုံးပြုမှုနှင့် ပတ်သက်. အချက်အလက်များ၏ဆန်းသစ်သတင်းရင်းမြစ်သို့ပုတ်ပါပြီ။ Edelman (2009) ကိုအများဆုံးအွန်လိုင်းညစ်ညမ်းအသုံးပြုနိုင်သည်ဤသို့ဖော်ပြသည်နှင့်လူမှုရေးသို့မဟုတ်ဘာသာရေးသဘောထားတွေအတော်ကြာပြည်နယ်အဆင့်အတိုင်းအတာနှင့်အတူဤအဆက်နွယ်နေပါသည်ရသောတစ်ဦးအဆင့်သတ်မှတ်ချက်ကိုဖန်တီးရန် paid ညစ်ညမ်းအကြောင်းအရာတစ်ခုတည်းထိပ်တန်းတစ်ဆယ်ပေးသူထံမှ subscription ကိုဒေတာအသုံးပြုသည်။ MacInnis နှင့် Hodson (2014) ညစ်ညမ်းအသုံးပြုမှုအတွက်တစ်ဦးကို proxy အဖြစ်ဂူဂဲလ်ခေတ်ရေစီးကြောင်းရှာဖွေရေးသက်တမ်းဒေတာကိုသုံးပါနှင့်ပြည်နယ်အဆင့်ညစ်ညမ်းအသုံးပြုခြင်းနှင့်ယာနျဘာသာတရားကိုနှင့်ရှေးရိုးစွဲများ၏အစီအမံအကြားဆက်ဆံရေးဆန်းစစ်။ သူတို့ကပိုပြီး Right-မြှောင်အတွေးအခေါ်ရှင်သဘောထားများနှင့်အတူပြည်နယ်များညစ်ညမ်း-related Google ရှာဖွေမှုများပိုမိုမြင့်မားမှုနှုန်းရှိသည်ရှာပါ။ ဤစာတမ်းသည်ပြည်နယ်များ၏ရာထူးအမိန့်နှင့်ပြည်နယ်အဆင့်ညစ်ညမ်းအသုံးပြုခြင်းနှင့်အမျိုးမျိုးသောပြည်နယ်အဆင့်လူမှုရေးဆောင်ရွက်ချက်များအကြားဆက်ဆံရေးနှင့် ပတ်သက်. အတိတ်လေ့လာမှုများရာ၌တောင်းဆိုမှုများအချို့အကဲဖြတ်ထားပါသည်။ ငါတို့သည်လည်းအနာဂတ်သုတေသီများညစ်ညမ်းအသုံးပြုမှုနှင့်ပတ်သက်ပြီးအနာဂတ်ပြည်နယ်အဆင့်သို့မဟုတ်ပင်ခရိုင်-Level အချက်အလက်စာရင်းများအတွက်ကိုယ်စားပြုမှုအကဲဖြတ်ရန်သုံးနိုငျတဲ့မူဘောင်ပေးပါ။ Edelman (2009) ပေးဆောင်ညစ်ညမ်းအကြောင်းအရာတစ်ခုတည်းပံ့ပိုးပေးရဲ့ subscription ကိုဒေတာကိုရယူသုံးအတွက်ရှေ့ဆောင်တစ်ဦးဖြစ်ခဲ့သည်နှင့်ပုဂ္ဂလိကကုမ္ပဏီများမှထံမှတစ်ဦးချင်းစီစားသုံးသူအချက်အလက်များ၏ဒီအသုံးပြုမှုကို Hard-To-အတိုင်းအတာအပြုအမူအပေါ်စုရုံးဒေတာအတွက်တစ်ဦးအသုံးဝင်သော tool ကိုဖြစ်လာပါလိမ့်မယ်။ ငွေရတတ်သောသူအချက်အလက်များ၏ဤအမျိုးအစားများ၏အနာဂတ်အသုံးပြုမှုအတွက် Key ကိုတစ်ခုတည်းကုမ္ပဏီတခုအနေဖြင့်ဒေတာများတစ်တစ်နိုင်ငံလုံးကိုယ်စားလှယ်နမူနာကဲ့သို့တူညီသောထိုးထွင်းသိမြင်မှုကိုပေးနိုငျမှရသောဘွဲ့ဖော်ထုတ်ပါလိမ့်မည်။ ဤစာတမ်းအတွက်ကျနော်တို့အဲဒီနှစျခုမကြာသေးခင်ကလေ့လာမှုများအတွက်အသုံးပြုတဲ့ဒေတာကိုအပေါ်ကိုချဲ့ထွင်ခြင်းနှင့်နှစ်ဦးကိုအပိုဆောင်းဒေတာသတင်းရင်းမြစ်နှင့်အတူကပေါင်းစပ်။ ကြှနျုပျတို့သညျဤစာတမ်းတွင်သုံးလေးခုဒေတာသတင်းရင်းမြစ်တစ်ဦးချင်းစီညစ်ညမ်းအသုံးပြုမှုအဆင့်တစ်အတိုင်းအတာဖြစ်ထွန်းကတည်းကကျနော်တို့ကတခြားသတင်းရင်းမြစ်အဘို့အရယူသောပြည်နယ်အဆင့်အဆင့်ဆန့်ကျင်ပါကနှိုင်းယှဉ်ခြင်းဖြင့်တစ်ဦးချင်းစီအရင်းအမြစ်များ၏တရားဝင်မှုခန့်မှန်းကြသည်။ ဒေတာများ ကျွန်ုပ်တို့၏စက္ကူညစ်ညမ်းအသုံးပြုမှုအတွက်ပြည်နယ်အဆင့်အပြောင်းအလဲအပေါ်သတင်းအချက်အလက်များပါဝင်သည်လေးဒေတာသတင်းရင်းမြစ်အပေါ်ဆွဲယူလာသည်။ ပြီးခဲ့သည့်နှစ်ဦးကိုညစ်ညမ်းအကြောင်းအရာတိကျတဲ့ပံ့ပိုးပေးဖို့ချိတ်ဆက်အခပေးစာရင်းမှာသွင်းခြင်းများသို့မဟုတ်စာမျက်နှာအမြင်များအပေါ်အခြေခံပြီးနေစဉ်ပထမဦးဆုံးနှစ်ဦးကိုဒေတာသတင်းရင်းမြစ်တစ်နိုင်ငံလုံးကိုယ်စားလှယ်နမူနာဖြစ်ကြသည်။ တစ်ခုချင်းစီကိုဒေတာအရင်းအမြစ်အတွက်ညစ်ညမ်းအသုံးပြုမှုကျွန်တော်တို့ရဲ့အတိုင်းအတာတစ်ဦးချင်းစီမဟုတ်ဘဲမတော်တဆညစ်ညမ်းကြည့်ရှုသည်ထက်ညစ်ညမ်းအကြောင်းအရာထွက်ရှာအံ့သောငှါအရာအတွက်အခြေအနေများအပေါ်အခြေခံသည်။ ကျနော်တို့ရဲ့ပထမဦးဆုံး Datasets သစ်မိသားစု structures များစစ်တမ်း (NFSS) တွင် 2,988 ဖြေဆိုသူတစ်ဦးတစ်နိုင်ငံလုံးကိုယ်စားလှယ်နမူနာအပေါ်အခြေခံသည်။ အဆိုပါဒေတာစုဆောင်းခြင်းအသိပညာကွန်ယက် (KN), အရည်အသွေးမြင့်ဒေတာထုတ်လုပ်နေတဲ့စံချိန်နှင့်အတူသုတေသနကုမ္ပဏီအားဖြင့်ကောက်ယူခဲ့သည်။ အသိပညာကွန်ယက်လိုအပ်ပါကအိမ်ထောင်စုအင်တာနက် access ကိုပေးနေကြတယ်, တယ်လီဖုန်းနှင့်အီးမေးလ်စစ်တမ်းများအားဖြင့်ကျပန်းယင်း၏ panel ကအဖွဲ့ဝင်များစုဆောင်း။ ဤသည် panel ကိုကလက်ရှိအင်တာနက်အသုံးပြုသူသို့မဟုတ်ကွန်ပျူတာပိုင်ရှင်များကန့်သတ်ထားသည်မဟုတ်, နှင့် Self-ရွေးချယ်ထားသည့်စေတနာ့ဝန်ထမ်းလကျမခံပါဘူးအားသာချက်များအတွက်ရှိပါတယ်။ အဆိုပါ NFSS တုံ့ပြန်ရည်ရွယ်ချက်ရှိရှိယခင်နှစ်များတွင်ညစ်ညမ်းကြည့်ရှုအားပေးရှိမရှိနှင့် ပတ်သက်. မေးခွန်းတစ်ခုပါဝင်သည်။ ဆိုတဲ့မေးခွန်းကိုဒီအမျိုးအစားကတော့တစ်ဦးချင်းစီဝင်ရောက်ဖို့အသုံးပြုနေသည်သမျှအရင်းအမြစ်ကိုဖြတ်ပြီးညစ်ညမ်းအသုံးပြုမှုကိုဖမ်းယူ၏အားသာချက်ရှိပါတယ်။ ညစ်ညမ်းမေးခွန်းများကိုပါဝင်သည်ထိုကဲ့သို့သောအထွေထွေလူမှုစစ်တမ်းကဲ့သို့သောအခြားတစ်နိုင်ငံလုံးကိုယ်စားလှယ်နမူနာရှိပါတယ်။ ဒါကြောင့်လွယ်လွယ်ကူကူနဲ့အခြားပညာရှင်များအားဖြင့်ဝင်ရောက်နှင့်၎င်း၏လူသိရှင်ကြားမရရှိနိုင် form မှာပြည်နယ်ဖေါ်ထုတ်ပါဝင်သည်နိုင်ပါတယ်ဘာဖြစ်လို့လဲဆိုတော့ကျနော်တို့ NFSS ကနေဒေတာတွေကိုသုံးပါ။ ဆနျ့ကငျြ, ပြည်နယ်ဖေါ်ထုတ်သာအထွေထွေလူမှုစစ်တမ်း၏လျှို့ဝှက်ဗားရှင်းအတွက်ရရှိသောနိုင်ပါသည်။ ဤစာတမ်းအတွက်ခွဲခြမ်းစိတ်ဖြာဘို့ကျနော်တို့အနည်းဆုံး 50 ဖြေဆိုသူရှိခဲ့ရာများအတွက် NFSS စစ်တမ်းကနေလေးဆယ်ခြောက်ပြည်နယ်များ၏ set ကိုသုံးပါ။ ဒုတိယအချက်အလက်အရင်းအမြစ်ဖြစ်သော Google Trends သည်ပထ ၀ ီနယ်မြေအတွင်းဂူဂဲလ်သို့ ၀ င်ရောက်သောရှာဖွေမှုပမာဏ၏အချိန်စီးရီးအညွှန်းကိန်းအဖြစ်အလုပ်လုပ်သည်။ ဤအချက်အလက်များသည်စီးပွားရေးနှင့်ဆေးဘက်ဆိုင်ရာကြိုးပမ်းမှုများတွင်တုပ်ကွေးရောဂါဖြစ်ပွားမှုကိုကြိုတင်ခန့်မှန်းခြင်း (Carneiro & Mylonakis, 2009) နှင့်စားသုံးသူယုံကြည်မှုနှင့်အလုပ်လက်မဲ့များကဲ့သို့ရေတိုစီးပွားရေးညွှန်းကိန်းများခန့်မှန်းခြင်းတို့တွင်အသုံးဝင်ကြောင်းသက်သေပြခဲ့သည် (Choi & Varian, 2012) ။ Preis, Moat နှင့် Stanley (၂၀၁၃) သည် Google Trends ကို အသုံးပြု၍ ကုန်သွယ်မှုဆိုင်ရာအပြုအမူများကိုတွက်ချက်သည်။ အချို့သောဝေါဟာရများသည်စတော့ရှယ်ယာတန်ဖိုးများတိုးပွားလာခြင်းသို့မဟုတ်ကျဆင်းခြင်းနှင့်ဆက်စပ်နေကြောင်းပြ အရွယ်ရောက်ပြီးသူဖျော်ဖြေရေးလုပ်ငန်းကိုအလားတူပင်ဂူးဂဲလ် Trends ရှာဖွေရေးအချက်အလက်များကို အသုံးပြု၍ ၎င်း၏စက်မှုလုပ်ငန်း၏အရေးကြီးသောလက္ခဏာများကိုတိုင်းတာနိုင်သည်။ ဂူဂဲလ်ခေတ်ရေစီးကြောင်း data တွေကိုသုံးပြီးအတွက်အရေးအပါဆုံးစိန်ခေါ်မှုကျနော်တို့ data ကိုဆွဲရသောအပေါ်တိကျသောအသုံးအနှုန်းများကိုရွေးချယ်ခြင်းဖြစ်ပါတယ်။ ရွေးချယ်ထားသည့်စည်းကမ်းချက်များအသုံးဝင်သောဖြစ်ငါတို့၏ကိုယ်ဆန်းစစ်ဘို့ညစ်ညမ်းအသုံးပြုမှုကိုတစ်ဦးအမှန်တကယ်ညွှန်ပြချက်ဖြစ်ရပါမည်။ ho နှင့် Watters (2004) ညစ်ညမ်းဝက်ဘ်ဆိုက်များအတွက်အခြေခံအဆောက်အဦးခေတ်ရေစီးကြောင်းခွဲခြမ်းစိတ်ဖြာ။ သူတို့ရဲ့ခွဲခြမ်းစိတ်ဖြာ၏တစ်စိတ်တစ်ပိုင်းအဖြစ်သူတို့ညစ်ညမ်းဝက်ဘ်ဆိုက်များတွင်မကြာခဏပေါ်လာများနှင့်မကြာခဏ Non-ညစ်ညမ်းဝက်ဘ်ဆိုက်များပေါ်တွင်ပေါ်လာရန်ပျက်ကွက်သည့်အရာအသုံးအနှုန်းများများစာရင်းကိုဖန်တီးပါ။ ထိပ်လေးအသုံးအနှုန်းများ "porn", "xxx", "လိင်" နှင့် "f *" ခဲ့ကြသည်။ ဒီလေးယောက်အသုံးအနှုန်းများများအတွက်ရှာဖွေမှုများကိုမြင့်မားစွာဆက်နွယ်နေကြောင်းနေကြသည်ကွောငျးတှေ့ရှာဖွေရေးစာရင်းဇယားအသုံးပြုခြင်း။ ဆနျ့ကငျြ, ဟူသောဝေါဟာရကို "ညစ်ညမ်း" ၏ရှာဖွေမှုများကိုဤတရားလေးပါးအသုံးအနှုန်းများမဆိုအတူ uncorrelated ဖြစ်ကြပြီးညစ်ညမ်းအကြောင်းသတင်းအချက်အလက်ရှာကြံထက်အမှန်တကယ်ညစ်ညမ်းအကြောင်းအရာများကိုကြည့်ရှုလူတွေအသုံးပြုသောခံရဖွယ်ရှိသောအသုံးအနှုန်းဖြစ်ပါတယ်။ "ခက်" နှင့် "အပျော့" ညစ်ညမ်း, "ပျော့" ယေဘုယျအားဖြင့်သဘာဝလိင်ပိုင်းဆိုင်ရာကြောင်းမီဒီယာကိုရည်ညွှန်းပေမယ့်ထိုးဖောက်မှုပုံဖော်ပါဘူးတွေနဲ့ခြားနားလည်းရှိပါသည်။ ယခင်ကစာရင်းလေးပါးအသုံးအနှုန်းများသာခက်အကြောင်းအရာရှာကြံသည်အသုံးပြုသူများအပေါ်ဒေတာဆွဲလိမ့်မယ်, ဒါပေမဲ့ကျွန်တော်နေဆဲဒီအကြောင်းရင်းနှစ်ခုများအတွက်ထိရောက်သောခွဲခြမ်းစိတ်ဖြာဖြစ်စဉ်းစားပါ။ soft porn အများအပြားကြည့်ရှုခြင်းဖြင့်ညစ်ညမ်းဖြစ်စဉ်းစားများနှင့်ရလဒ်ကြောင့်ပင်တယ်လီဗေးရှင်းနှင့်ရုပ်ရှင်များအပါအဝင်ခေတ်ရေစီးကြောင်းမီဒီယာအတွက်နေရာအနှံ့ဖြစ်ပါတယ်မဟုတ်ပါ။ ဒုတိယအချက်မှာကျွန်တော်ပျော့ညစ်ညမ်းအသုံးအနှုန်းများများအတွက်ဆွေမျိုးရှာဖွေမှုများကိုကြိုးစားပမ်းစားညစ်ညမ်းအသုံးအနှုန်းများများအတွက်ရှာဖွေမှုများကိုနှိုင်းယှဉ်လျှင်အနည်းငယ်မျှသာဖြစ်ကြောင်းကိုရှာပါ။ ကျနော်တို့ 2005-2013 ကျော်ရှာဖွေရေးဝေါဟာရများ "porn" နှင့် "ဝတ်လစ်စလစ်မိန်းကလေးငယ်များ" အတွက်တစ်ဦးဆွေမျိုးရှာဖွေရေးတန်ဖိုးကိုပြုလေ၏။ နှစ်ဦးစလုံးအသုံးအနှုန်းများများအတွက်ရှာဖွေမှုအများဆုံးရှာဖွေရေးအသံအတိုးအကျယ်ဟူသောဝေါဟာရကို "porn" အဘို့အဖြစ်ပျက်, တန်ဖိုး 100 အပေါ်ကိုယူကြောင်းထိုကဲ့သို့ပုံမှန်ခဲ့ကြသည်။ ပုံမှန်အများဆုံး, "ဝတ်လစ်စလစ်မိန်းကလေးငယ်များ" ကိုနှိုင်းယှဉ်ခုနှစ်တွင် 6 ထက် သာ. ကြီးမြတ်တဲ့ရှာဖွေရေးအသံအတိုးအကျယ်ညွှန်းကိန်းရှိပါတယ်ဘူး။ ဂူဂဲလ်ခေတ်ရေစီးကြောင်းကနေဒေတာတွေကိုတစ်ပထဝီဧရိယာ၌တိကျတဲ့သက်တမ်းအတွက်ရှာဖွေမှုများအမှန်တကယ်အရေအတွက်ကိုညွှန်ပြကြဘူး။ တစ်ခုချင်းစီကိုဒေတာအချက်ကြောင့်ဧရိယာထဲမှာအားလုံးရှာဖွေမှုများစုစုပေါင်းအရေအတွက်အားဖြင့်ဟူသောဝေါဟာရကိုများအတွက်ရှာဖွေမှုအရေအတွက်ကိုပိုင်းခြားခြင်းဖြင့်ပုံမှန်ဖြစ်ပါတယ်။ အဆိုပါဒေတာထို့ကြောင့်လူဦးရေနှင့်ပြည်နယ်များအကြားရှာဖွေရေး volume ထဲမှာခြားနားချက်များနှစ်ဦးစလုံးအတှကျအထိန်းချုပ်ထားသည်။ ဂူဂဲလ်ခေတ်ရေစီးကြောင်းကိုလည်းရလဒ်များကို skewing ကနေတစ်ခုတည်းတစ်ဦးချင်းကာကွယ်တားဆီးဖို့အချိန်တိုတောင်းတဲ့ကာလအတွက်တစ်ခုတည်းတစ်ဦးချင်းအားဖြင့်အထပ်ထပ်ရှာဖွေမှုများကိုရှင်းလင်းစေပါတယ်။ ဒေတာကို Google Trends ကနေ State-ရက်သတ္တပတ်အဆင့်မှာရရှိနိုင်ပါသည်။ ကျနော်တို့နှစ်ကဇူလိုင်လ 2013-ဇူလိုင်လ 2014 ကျော်ဒေတာကိုသုံးပါ။ ကျွန်ုပ်တို့၏လေ့လာတွေ့ရှိချက်တစ်ခု 1-100 စကေးမှချိန်ညှိနေကြသည်။ ကျွန်တော်တို့ရဲ့ Datasets အတွက်တစုံတယောက်ကိုရက်သတ္တပတ်ကာလအတွင်းတိကျတဲ့သက်တမ်းအမြင့်ဆုံးပုံမှန်ရှာဖွေမှုများကိုအတူတစ်ဦးကပြည်နယ် 100 တစ်စာဖတ်ခြင်းရှိပါတယ်။ ကျနော်တို့လေးယောက်အသုံးအနှုန်းများသုံးပြီးချိန်ပေါင်းလဒ်နဲ့အတူကျွန်တော်တို့ရဲ့အချက်အလက်များ၏တစ်ဦးချင်းစီပြည်နယ်-တစ်ပတ်ညစ်ညမ်းရှာဖွေမှုများကိုတစ်ဦးအညွှန်းကိန်းဆောက်လုပ်တစ်ဦးချင်းစီသက်တမ်းပေါ်မှာဤဒေတာကိုသုံးနိုင်သည်။ ကျနော်တို့ကပိုအကြီးအကျယ်အလေးချိန် "porn" နှင့် "လိင်" သူတို့ဆွေမျိုးရှာဖွေမှုများကို "* f", နဲ့ "xxx" ကိုနှိုင်းယှဉ်ထက်အများကြီး သာ. ကွီးမွတျသောကွောငျ့။ အထူးသကျနော်တို့အတိတ်တစ်နှစ်ကျော်ကတစ်ဦးချင်းစီသက်တမ်းယုတ်ဆွေမျိုးတွက်ဆကိုအသုံးပြုပါ။ ကျနော်တို့ထို့နောက်ပထဝီအနေအထားအရအရွယ်ရောက်ဖျော်ဖြေရေးစက်မှုလုပ်ငန်းပုံစံသည် Google Trends အားဖြင့်ပြည်နယ်များရဲ့ဒီချိန်ရှာဖွေရေးအသံအတိုးအကျယ်အဆင့်သတ်မှတ်ချက်ကိုအသုံးပြုပါ။ website ကို-တိကျတဲ့ subscription ကိုဒေတာဆန့်ကျင်အဖြစ်ဂူဂဲလ်ခေတ်ရေစီးကြောင်းထဲကနေဒေတာအသုံးပြုခြင်း၏အားသာချက်များတစ်ခုမှာကအခမဲ့နှင့်အရွယ်ရောက်ပြီးသူဖျော်ဖြေရေး paid နှစ်ဦးစလုံးမှထွက်ရှာဖွေနေတစ်ဦးချင်းစီနဲ့ပတ်သက်တဲ့သတင်းအချက်အလက်များပါဝင်သည်သောကွောငျ့ဖွစျသညျ။ Doran (2008) ညစ်ညမ်းဝက်ဘ်ဆိုက်များမှဧည့်သည်များ 80-90 အကြောင်းကို% သာပေးဆောင်အရွယ်ရောက်ပြီးသူဖျော်ဖြေရေး၏ခွဲခြမ်းစိတ်ဖြာယေဘုယျအားဖြင့်ညစ်ညမ်းစားသုံးမှုအမှန်တကယ်ပုံစံများဖုံးကွယ်စေခြင်းငှါအကြံပြုခြင်းအခမဲ့ညစ်ညမ်းပစ္စည်းကိုရယူကြောင်းမှတ်ချက်ပြုထားသည်။ ကျွန်ုပ်တို့၏တတိယဒေတာအရင်းအမြစ် Edelman (2009) ကလတ်တလောလေ့လာမှုများတွင်အသုံးပြုပေးဆောင်ညစ်ညမ်းအကြောင်းအရာ၏ထိပ်-တစ်ဆယ်အကြီးဆုံးပံ့ပိုးပေးတ subscriptions ကို၏နံပါတ်မှတ်တမ်းတင်ထားသည်။ ဒီ Datasets ၏ Edelman ရဲ့သုံးသပ်ချက်စာပေမှတစ်ဝတ္ထုအလှူငွေရှိ၏ ညစ်ညမ်းအသုံးပြုမှုယခင်လေ့လာမှုများသာစစ်တမ်း data တွေကိုလေ့လာခဲ့သည်။ အသုံးပြုတဲ့တိကျတဲ့ဒေတာ 2006 နှင့် 2008 အကြားအားလုံးခရက်ဒစ်ကဒ် subscriptions ကိုနဲ့ဆက်စပ်ဇစ်ကုဒ်ဖြစ်ခဲ့သည်။ ဤသည်အထူးသဖြင့်အကြောင်းအရာပံ့ပိုးပေးသူအရွယ်ရောက်ပြီးသူဖျော်ဖြေရေး၏ကျယ်ပြန့်အကွာအဝေးကိုဖုံးအုပ်ထားဆိုဒ်များရာပေါင်းများစွာရှိနေပါတယ်။ Edelman (2009) "ဒီရောင်းချသူကိုယ်စားလှယ်ကြောင်းအသေးစိတ်အတည်ပြုရန်ခက်ခဲသည်။ " အကြောင်း, သို့သော်ဝန်ခံ ဒီ subscription ကိုအချက်အလက်များ၏အရင်းအမြစ်အရွယ်ရောက်ပြီးသူဖျော်ဖြေရေး၏ထိပ်တန်း-10 ရောင်းချသူဖြစ်သော်လည်းစာရင်းသွင်းမှုများကိုကျနော်တို့အရွယ်ရောက် 47% ပြီးခဲ့သည့်နှစ်များတွင်ညစ်ညမ်း အသုံးပြု. သတင်းပို့ရှိရာ NFSS ကဲ့သို့စစ်တမ်းဒေတာအတွက်စောငျ့ရှောကျညစ်ညမ်းအသုံးပြုမှုများ၏ပုံစံများရန်အလွန်နိမ့်ဆွေမျိုးများမှာ ။ ဘရော့ဒ်ဘန်းအိမ်ထောင်စုနှုန်းအများဆုံးစာရင်းပေးသွင်းထားမှုနှင့်အတူပြည်နယ်ဘရော့ဘန်းနှင့်အတူတိုင်း 5.47 အိမ်ထောင်စုများအတွက် 1,000 နှင့်အတူ Utah ဖြစ်ပါတယ်။ နိမ့်ဆုံးပြည်နယ်ဘရော့ဘန်းနှင့်အတူတိုင်း 1.92 အိမ်ထောင်စုများအတွက် 1,000 subscriptions ကိုအတူ Montana ဖြစ်ပါတယ်။ ဤရွေ့ကားအနိမ့်နှုန်းကခက်ခဲတဦးတည်းဝန်ဆောင်မှုပေးကနေဒေတာတွေကိုကာတိကျမှန်ကန် Cross-ပြည်နယ်နှိုင်းယှဉ်ပေးနိုင်ပါသည်ရှိမရှိသိရန်လုပ်, ညစ်ညမ်း၏တစ်ဦးချင်းစီအကြောင်းအရာပံ့ပိုးပေးဘို့စျေးကွက်ဝေစုအသေးကြောင်းအကြံပြုအပ်ပါသည်။ ရှေ့မှာဖော်ပြခဲ့တဲ့အဖြစ်, အွန်လိုင်းညစ်ညမ်းရယူသူကိုတစ်ဦးချင်းစီ၏ကျယ်ပြန့်အများစုသာမဟုတ်ဘဲထိုကဲ့သို့သော Edelman (Doran, 2010) ကလေ့လာခဲ့သူတွေကိုအဖြစ်ပေးဆောင် site ကို အသုံးပြု. ထက်အခမဲ့အကြောင်းအရာရယူသုံးပါ။ ကျွန်ုပ်တို့၏စတုတ္ထဒေတာအရင်းအမြစ်အချိန်တွင်အမေရိကန်ပြည်ထောင်စုရှိအရွယ်ရောက်ပြီးသူဖျော်ဖြေရေး၏တတိယအကြီးဆုံးအွန်လိုင်းအိမ်ရှင်ခဲ့သည့် Pornhub.com မှစာမျက်နှာအမြင်ဒေတာဖြစ်ပါတယ်။ ကျနော်တို့က၎င်း၏အရွယ်အစားအဖြစ်အချက်အလက်များ၏ရရှိနိုင်မှုကြောင့် Pornhub ဒေတာကိုသုံးပါ။ Pornhub 2013 လူသိရှင်ကြားမရရှိနိုင်သည့်တစ်နှစ်ကာလအတွင်းတစ်ဦးချင်းစာမကျြနှာအမြင်များကိုဖန်ဆင်းနှင့်ပြည်နယ်တို့ကသီးခြားစီဒီဒေတာကိုအစီရင်ခံထားသည်။ ဒါကြောင့်ညစ်ညမ်းအသုံးပြုမှုကိုတစ်ဦးပံ့ပိုးပေး-side ရည်မှန်းချက်အတိုင်းအတာကြောင်းအတွက် Pornhub ဒေတာ Edelman ရဲ့ဒေတာကိုမှသဘာဝဆင်တူသည်။ သို့သော်ဒေတာမှတ်တမ်းများစာမျက်နှာအမြင်များအစား subscriber များအား; အလိုလို, ဒေတာမိုးသည်းထန်စွာနှုန်း-လူတစ်အသုံးပြုမှုပုံစံများအဖြစ်လူဦးရေကြားတွင်ပြန့်ပွား၏ပုံစံများထုတ်ဖေါ်လိမ့်မယ်။ အဆိုပါဒေတာများကိုလည်းအသုံးပြုမှုကိုအခကြေးငွေနှင့်မရတဲ့နှစ်ဦးစလုံးအပါအဝင်၏ဆွေမျိုးအားသာချက်ရှိပါတယ်။ အချက်အလက်အသစ်ကိုသတင်းရင်းမြစ်များ၏ကိုယ်စားပြုမှုအကဲဖြတ် အဆိုပါကြီးမားတဲ့ data တွေကိုတော်လှန်ရေးသိသိသာသာထိုကဲ့သို့သောညစ်ညမ်းအသုံးပြုမှုအဖြစ်အပြုအမူတွေ, တိုင်းတာလေ့လာရန်အသုံးပြုနိုင်သည့်ဒေတာသတင်းရင်းမြစ်အမျိုးအစားများကိုဖွင့်ဖို့စတင်တာဖြစ်ပါတယ်။ Edelman (2009) အသုံးပြုတဲ့ကြေးပေးသွင်း data တွေကို ပို. ပို. ၎င်းတို့၏သုတေသနပြုမှုအတွင်းပညာရှင်များမှမရရှိနိုင်ဖြစ်လာလိမ့်မည်ဟုကြီးမားသောအချက်အလက်စာရင်းများအတွက်အမျိုးအစားကိုကိုယ်စားပြုတယ်။ စီးပွားဖြစ်အချက်အလက်များ၏ဤအမျိုးအစားကိုအသုံးပြုပြီးအတွက်အရေးပါသောပထမခြေလှမ်းတစ်ခုတည်းဝန်ဆောင်မှုပေးကနေဒေတာတွေကိုအတိုး၏အထွေထွေလူဦးရေရဲ့ကိုယ်စားလှယ်ဖြစ်သောဖို့ဒီဂရီအကဲဖြတ်လိမ့်မည်။ ဒီအပိုင်းမှာကျနော်တို့တစ်နိုင်ငံလုံးကိုယ်စားလှယ်ဖြစ်လူသိများသည်အခြားဒေတာကနေလေ့လာတွေ့ရှိသည့်ပုံစံများကနှိုင်းယှဉ်ခြင်းဖြင့်သို့မဟုတ်စုပေါင်းစစ်မှန်တဲ့ကိုယ်စားပြုများပါတယ်အခြား data တွေကိုသတင်းရင်းမြစ်တစ်ဦးပေါင်းစပ်ဖို့ကနှိုင်းယှဉ်ခြင်းဖြင့်တစ်ဦး Datasets ၏ကိုယ်စားပြုမှုအကဲဖြတ်မူဘောင်များကို အပြုအမူ၏နောက်ခံပုံစံ။ subscription ကိုဒေတာ, Pornhub, NFSS, နှင့် Google Trends: စားပွဲတင် 1 ငါတို့သည်လေးပါးသတင်းရင်းမြစ်များ၏အသီးအသီးပေါ်အခြေခံပြီးညစ်ညမ်းအသုံးပြုမှုအတွက်ထိပ်တန်းတစ်ဆယ်နှင့်အောက်ခြေတဆယ်ပြည်နယ်များစာရင်းပြုစု။ မစ္စစ္စပီအားလုံးလေးယောက်ဒေတာအစုကိုဖြတ်ပြီးညစ်ညမ်းအသုံးပြုမှုအတွက်ထိပ်တန်းလေးပြည်နယ်များအတွက်အဆင့်နှင့်အိုင်ဒါဟိုတသမတ်တည်းအတိုင်းအတာအများစုအနှံ့မည်သည့်ပြည်နယ်များ၏နိမ့်ဆုံးနှုန်းအနီးအဆင့်တပြည်နယ်ဖြစ်ပါတယ်။ ဆနျ့ကငျြ, ထိုကဲ့သို့သော Arkansas ပြည်နယ်နှင့် Utah ရာထူးအဖြစ်အခြားပြည်နယ်များအချို့သောအတိုင်းအတာတစ်လျှောက်တွင်ထိပ်ဆုံးတစ်ဆယ်အတွက်ဒါပေမဲ့တခြားအစီအမံတလျှောက်အောက်ခြေတဆယ်၌တည်၏။ ဤရလဒ်သည်တစ်ခုတည်းဒေတာအရင်းအမြစ်အပေါ်အခြေခံပြီးညစ်ညမ်းအသုံးပြုမှုအမြင့်မားဆုံးနှုန်းရှိသည်ဖို့ပုံရသည်ဖြစ်သောပြည်နယ်ဖော်ထုတ်နည်းနည်းပြဿနာဖြစ်နိုင်သည်ကိုအကြံပြုအပ်ပါသည်။ စားပွဲတင် 1 ။ သတင်းရပ်ကွက်များထိန်းချုပ်ထားလေးအမျိုးမျိုးမှာ Data အပေါ်အခြေခံပြီးပွညျထောငျစု၏ရာထူးအမိန့် Broadband အင်တာနက်က Access ကိုအဘို့။ စားပွဲတင် 2 panel ကိုတစ်ဦးကကျွန်တော်တို့တစ်ဦးချင်းစီအရင်းအမြစ်မှညစ်ညမ်းအသုံးပြုမှုအမှန်တကယ်အတိုင်းအတာထက်ကဤအစီအမံများထံမှစားပွဲတင် 1 အစီရင်ခံသောတရားတို့ကိုအဆင့်သတ်မှတ်ချက်ကိုသုံးပြီး data ကိုသတင်းရင်းမြစ်များ၏အသီးအသီးတို့အကြားဆက်စပ်မှုခန့်မှန်းကြသည်။ အဆိုပါအခပေးစာရင်းပေးသွင်းဒေတာ, ဝေးအသုံးပြုပုံအခြားသုံးသတင်းရင်းမြစ်နှင့်အတူအနည်းဆုံးဆက်စပ်မှုရှိပြီးတောင်မှအနုတ်လက္ခဏာဟာ NFSS စစ်တမ်းဒေတာဆက်နွယ်နေကြောင်းဖြစ်ပါတယ်။ အဆိုပါအခပေးစာရင်းပေးသွင်းအချက်အလက်များကို NFSS, ဂူဂဲလ်ခေတ်ရေစီးကြောင်းနှင့်အတူ 0.0358 နှင့် Pornhub နှင့်အတူ 0.076 နှင့်အတူ -0.0066 တစ်ဆက်စပ်မှုရှိပါတယ်။ ဤအဆက်စပ်မှု၏အဘယ်သူမျှမကစာရင်းအင်းသိသာပါ၏ သက်ဆိုင်ရာ t-စာရင်းဇယားအားလုံး (.0.6 ထက်ကို p-တန်ဖိုးများကို သာ. ကြီးမြတ် directional ကိုက်ညီတဲ့အရာ) 3 ထက်လျော့နည်းဖြစ်ကြသည်။ ဆနျ့ကငျြ, အခြားသုံးအဆင့်အတော်လေးသိသာဆက်စပ်မှုကိုပြ။ ဂူဂဲလ်ခေတ်ရေစီးကြောင်းနှင့်အ Pornhub .487, NFSS နှင့် Google Trends .655 နှင့် Pornhub ၏ဆက်စပ်မှုရှိသည်နှင့် NFSS တစ်ဆက်စပ်မှု .551 တစ်ဆက်စပ်မှုရှိရှိသည်။ ဤအဆက်စပ်မှုအားလုံးသည် NFSS နှင့် 3.78 ၏ဂူဂဲလ်ခေတ်ရေစီးကြောင်းအကြားနှင့် Pornhub နှင့် 5.68 ၏ NFSS အကြား, ဂူဂဲလ်ခေတ်ရေစီးကြောင်းနှင့် 4.28 ၏ Pornhub အကြားတစ်ဦး t-စာရင်းဇယားနှင့်အတူကစာရင်းအင်းသိသိသာသာရှိပါတယ်။ ဤအရာအားလုံးသည် .0004 ထက်လျော့နည်း၏ p-တန်ဖိုးများ directional ကိုက်ညီတဲ့။ panel ကို B ကိုငါတို့သည်တစ်ဦးချင်းစီဒေတာအရင်းအမြစ်မှ created တရားတို့ကိုအဆင့်ကို အသုံးပြု. ဆက်စပ်မှုသတင်းပို့ပါ။ NFSS Google ကခေတ်ရေစီးကြောင်းနှင့် Pornhub အကြားဆက်စပ်မှု panel ကိုတစ်ဦးအတွက်သူတို့အားနှိုင်းယှဉ်ဆက်စပ်ကိန်းနှင့်အရေးပါမှုရှိသည်, Google ကခေတ်ရေစီးကြောင်းနှင့်အခပေးစာရင်းပေးသွင်းအကြားထိုနည်းတူအဆိုပါဆက်စပ်မှုဆင်တူသည်။ ORDINAL အဆင့်တွေကိုအသုံးပြုတဲ့အခါသို့သော်ဆက်စပ်မှုနေဆဲအရေးမပါ, ပိုကောင်း Pornhub နှင့် NFSS စစ်တမ်းဒေတာနှင့်အတူပတျသကျ subscription ကိုဒေတာ paid ကြောင့် panel ကိုမှတ်သားလောက်ဖြစ်ပါတယ်။ နှစ်ခုပြားသို့သော်အခပေးစာရင်းပေးသွင်းဒေတာများအတွက်ပိုကြီးတဲ့ကိန်းသူတို့အရေးမဖြစ်ကြပြီးတစ်ဦးချင်းစီကတခြားတွေနဲ့အခြားသတင်းရင်းမြစ်များ၏ဆက်စပ်မှုထက်အထူးသအားနည်းဆိုတဲ့အချက်ကိုကြားမှသတိပြုရကျိုးနပ်ဖြစ်ကြကျွန်တော်တို့ကိုအလားတူကောက်ချက်ဆွဲရန်ခွင့်ပြုသည်။ ကျနော်တို့ညစ်ညမ်းအသုံးပြုမှုအမှန်တကယ်အတိုင်းအတာထက် ORDINAL အဆင့်ကမဟုတ်ဘဲပြည်နယ်၏ရုံသတ်သတ်မှတ်မှတ်သာသနာကိုထက်ညစ်ညမ်းအသုံးပြုမှုအတွက်အမှန်တကယ်ကွာခြားချက်အဘို့အကောင့်ဘာဖြစ်လို့လဲဆိုတော့အကောင်းဆုံးစက်မှုလုပ်ငန်းကိုယ်စားပြုသုံးပြီးဆက်စပ်မှုယုံကြည်ပါတယ်။ စားပွဲတင် 2 ။ အဆိုပါလေးဦးမှာ Data သတင်းရပ်ကွက်များအကြားဆက်စပ်မှု။ ထိုသုံးဦးသည် non-paid subscription ကိုဒေတာသတင်းရင်းမြစ်များအကြားသိသာထင်ရှားသောဆက်စပ်မှု, သူတို့က (ရှာဖွေရေးအသံအတိုးအကျယ်, စာမျက်နှာအမြင်များနှင့်ညစ်ညမ်းကြည့်ရှု၏အချိုးအစား) ကိုတိုင်းမတူညီတဲ့ variable တွေကိုရှိနေသော်လည်းသူတို့ပြည်နယ်ကိုဖြတ်ပြီးညစ်ညမ်းအသုံးပြုမှုအတွက်အပြောင်းအလဲ၏တကယ့်နောက်ခံပုံစံကိုတိုင်းတာဖြစ်ကြောင်းအကြံပြု; Edelman အသုံးပြုတဲ့ကြေးပေးသွင်းဒေတာဆက်နွယ်နေကြောင်းမဟုတ်ကြောင်းတဦးတည်း (2009) ။ အသုံးပြုသော data တွေကိုအရင်းအမြစ်မှခန့်မှန်းတွက်ချက်မှုများ sensitivity ကွဲပြားခြားနားသောအချက်အလက်ရင်းမြစ်များရှိပြည်နယ်ညစ်ညမ်းစာပေရုပ်ပုံနှုန်းများကွဲပြားမှုကိုတွက်ချက်ရန်အရေးကြီးပုံကိုသရုပ်ဖော်နိုင်ရန်အတွက်ဘာသာရေးနှင့်ရှေးရိုးစွဲပြည်နယ်များသည်ဂူးဂဲလ်တွင်လိင်ဆိုင်ရာအကြောင်းအရာများကိုပိုမိုရှာဖွေလေ့ရှိကြောင်းမကြာသေးမီကပြုလုပ်ခဲ့သောလေ့လာမှု၏ရလဒ်များကိုပြန်လည်ပုံဖော်သည်။ Hodson, 2014) ။ ထိုစာတမ်း၏နိဂုံးများသည်ဤစာတမ်းတွင်ဖော်ပြထားသောအခြားအချက်အလက်ရင်းမြစ်များကို အသုံးပြု၍ အခြားသောညစ်ညမ်းရုပ်ပုံစာပေရုပ်ပုံအသုံးပြုမှုနှင့်သက်ဆိုင်မှုရှိမရှိကျွန်ုပ်တို့စစ်ဆေးသည်။ ဤပုံတူပွားခြင်း၏ရလဒ်များကိုဇယား ၃ တွင်ဖော်ပြထားသည်။ ကျွန်ုပ်တို့သည်ညစ်ညမ်းရုပ်ပုံစာပေများအသုံးပြုမှု၊ ဘာသာရေးနှင့်ရှေးရိုးစွဲဝါဒများအားယုတ်နုတ်နုတ်ပယ်ခြင်းနှင့်ကွဲပြားခြားနားသောညစ်ညမ်းရုပ်ပုံစာပေအသုံးပြုမှုတိုင်းတာမှုများကိုနှိုင်းယှဉ်ခြင်းများပြုလုပ်ရန်စံသတ်မှတ်ချက်သွေဖီခြင်းဖြင့်ခွဲဝေခြင်းအားဖြင့်ကျွန်ုပ်တို့သည်စံချိန်စံညွှန်းမီညစ်ညမ်းရုပ်ပုံစာပေများအသုံးပြုခြင်း၊ တစ် ဦး Z- ရမှတ်သို့အစီအမံတစ်ခုချင်းစီ) ။ စားပွဲတင် 3 ။ ပြည်နယ်အဆင့်စျယာနျဘာသာတရားကိုသို့မဟုတ်ရှေးရိုးစွဲနဲ့တစ်ခုချင်းစီ Metric အကြားဆက်စပ်မှု ညစ်ညမ်းသောရုပ်ပုံအသုံးပြုခြင်း၏။ မူရင်းလေ့လာမှုမှာတော့ MacInnis နှင့် Hodson (2014) ထိုသို့သောလိင်, porn နှင့်ကျွန်ုပ်တို့ဂူဂဲလ်ခေတ်ရေစီးကြောင်းအတိုင်းအရှည်အတွက်အသုံးပြုနေသည်သောအသုံးအနှုန်းများဆင်တူ XXX ကအဖြစ်သတ်သတ်မှတ်မှတ်ရှာဖွေရေးအသုံးအနှုန်းများကိုသီးခြားစီက Google Trends ဒေတာအပေါ်အခြေခံပြီးရလဒ်များကိုအပ်ပေးတော်မူ၏။ စားပွဲတင် 3 ၏ပထမဦးဆုံးအတန်းအတွက်ရလဒ်တွေကိုကျနော်တို့ကို Google Trends data တွေကိုအသုံးပြုတဲ့အခါငါတို့သည်လည်းအများဆုံးကိစ္စများတွင်စျယာနျဘာသာတရားကိုနှင့်ရှေးရိုးစွဲအကြားတစ်ဦးကစာရင်းအင်းသိသိသာသာဆက်ဆံရေးမျိုးကိုရှာဖွေပြသခဲ့ကြသည်။ သို့သော်စားပွဲတင် 3 အတွက်အခြားအတန်းအခြားသုံးဒေတာအရင်းအမြစ်တစ်ခုခုသုံးပြီးတဲ့အခါမှာကျွန်တော်တစ်ဦးသိပ်အားနည်းစာရင်းအင်းကြားဆက်ဆံရေးအရဖော်ပြသည်။ ဤရလဒ်သည် MacInnis နှင့် Hodson (2014) အခွားသုံးဒေတာအရင်းအမြစ်ကိုမဆိုအသုံးပြုခဲ့လျှင်, သူတို့ဖြစ်ကောင်းသူတို့ဆန်းစစ်ခဲ့ကြသည်ဆက်ဆံရေး၏ခွန်အားနှင့် ပတ်သက်. ၎င်းတို့၏စက္ကူတစ်ဦးကွဲပြားခြားနားသောနိဂုံးချုပ်ဖို့လာကြပြီမယ်လို့အကြံပြုအပ်ပါသည်။ MacInnis နှင့် Hodson (၂၀၁၄) သည်ပြည်နယ်အဆင့်ဘာသာရေးနှင့်နိုင်ငံတော်အဆင့်ညစ်ညမ်းစာပေရုပ်ပုံအသုံးပြုမှုအကြားစာရင်းအင်းဆိုင်ရာသိသာထင်ရှားသည့်ဆက်နွယ်မှုကိုတွေ့ရှိခဲ့ခြင်းသည်လွန်စွာစိတ်ဝင်စားဖွယ်ကောင်းသည်။ တစ် ဦး ချင်းအဆင့်အချက်အလက်များကို အသုံးပြု၍ အတိတ်လေ့လာမှုများကဘုရားကျောင်းမှန်မှန်တက်ရောက်သူများသည်ညစ်ညမ်းရုပ်ပုံစာပေများကိုကြည့်ရှုရန်အလွန်နည်းပါးသည်။ Doran & Price, 2014; Patterson & Price, 2014; Stack, Wasserman, & Kearns, 2012) ။ တစ် ဦး ချင်းအဆင့်တွင်တွေ့ရသည့်အုပ်စုနှင့်အဆက်အသွယ်ရှိသောဤပုံစံသည်ပညာရေးနှင့်ဘာသာရေးအကြားဆက်စပ်မှု (Glaeser & Sacerdote, 2004) နှင့် ၀ င်ငွေနှင့်နိုင်ငံရေးဆက်နွယ်မှု (Glaeser & Sacerdote) တို့တွင်လည်းတွေ့နိုင်သည်။ 2008) ။ ဆွေးနွေးမှု အထက်ထည့်သွင်းစဉ်းစားဒေတာအရင်းအမြစ်တစ်ခုချင်းစီကိုအွန်လိုင်းညစ်ညမ်းစက်မှုလုပ်ငန်းတဲ့နေရာမှာမတူညီတဲ့ Cross-Section အမြင်ဖမ်းယူနှင့်တစ်ဦးချင်းစီပြည်နယ်များကညစ်ညမ်းအသုံးပြုမှုယေဘုယျအဆင့်ဆင့်ကိုစိတ်ဝင်စားသုတေသီများများအတွက်အရေးကြီးသောအားနည်းချက်ရှိပါတယ်။ NFSS စစ်တမ်းဒေတာ, ဥပမာအားဖြင့်, ဖြစ်ကောင်းဘာဖြစ်လို့လဲဆိုတော့လူမှုရေးလိုလားဘက်လိုက်မှုနှင့်ဘာသာရပ်များ '' ပျက်ယွင်းနေမှတ်ဉာဏ်၏ညစ်ညမ်းစားသုံးမှု underreports ။ ဂူဂဲလ်ခေတ်ရေစီးကြောင်းဒေတာကို Google Search ကိုထက်အခြားနည်းလမ်းများမှတဆင့်ဝင်ရောက်ကြောင်းမည်သည့်ညစ်ညမ်းအသုံးပြုမှုကိုဖမ်းဆီးဖို့ပျက်ကွက်။ Pornhub နှင့်အခပေးစာရင်းပေးသွင်း data တွေကိုသူတို့ရဲ့ကိုယ်စားပြုမှုအတွက်ကန့်သတ်ခြင်းကိုခံရလိမ့်မည် သူတို့ကစက်မှုလုပ်ငန်းအတွက်သာတစ်ခုတည်းကုမ္ပဏီတခုမှလေးစားမှုနဲ့တွဲသုံးတိုင်းတာ။ မည်သည့်အရင်းအမြစ်မှဒေတာများသုတေသနအတွက်အသုံးပြုသည်အခါ, ရလဒ်များကိုသူတို့အားရလဒ်များကိုမှဦးဆောင်လမ်းပြသောအချက်အလက်များ၏အခြေအနေတွင်ပေးအပ်ရမည်ဖြစ်သည်။ တစ်ဦးချင်းစီမှားယွင်းညစ်ညမ်းစက်မှုလုပ်ငန်းများတခုလုံးကိုကိုယ်စားပြုအဖြစ်ပေးထားသောဒေတာအရင်းအမြစ်အနက်ကိုဘော်ပြရသောအခါကိစ္စရပ်များကိုပေါ်ထွန်း။ အလားတူ Non-ကိုယ်စားလှယ် data တွေကိုကျော်-General မှားယှငျးစှာဖွစျနိုငျသောများစွာသောအခြား setting များရှိပါသည်။ မီဒီယာများနှင့်စာဖတ်သူများရလဒ်များကို overgeneralize ဖို့သတိထားပါဖြစ်ရမည်စဉ်သုတေသီများနှင့်တစ်ဦးချင်းစီကသူတို့ရဲ့တွေ့ရှိချက်များ၏ပြင်ပတရားဝင်မှုသတိထားဖြစ်ရမည်။ သူတို့ကွဲပြားခြားနားသောသမိုင်းဆိုင်ရာအချိန်လေးအတွင်းညစ်ညမ်းစက်မှုလုပ်ငန်းဖမ်းယူသောငါတို့သည်လည်းကျွန်တော်တို့ရဲ့ဒေတာသတင်းရင်းမြစ်တစ်ဦးန့်အသတ်ကိုအသိအမှတ်မပြု; ဂူဂဲလ်ခေတ်ရေစီးကြောင်း (2013-2014), အခပေးစာရင်းပေးသွင်း (2006-2008), Pornhub (2013), နှင့် NFSS (2012) ။ Paid subscription ကိုဒေတာမတိုင်မီအခြားသတင်းရပ်ကွက် 6-7 နှစ်ပေါင်းခန့်မှန်းခြေအားဖြင့်ကောက်ယူခဲ့သည်။ ခြားနားချက်ကျွန်ုပ်တို့၏ရလဒ်များကိုနေကြပါတယ်စေခြင်းငှါဤအချိန်, သို့သော်တစ်ဖွဲ့လုံးက data တွေကိုသတင်းရင်းမြစ်အတွက်ယေဘုယျခေတ်ရေစီးကြောင်းကျွန်တော်တို့ရဲ့တွေ့ရှိချက်တိကျမှုဖြစ်ယုံကြည်ထိုကဲ့သို့သောဖြစ်ကြသည်။ ဒီဘက်လိုက်မှုကျွန်တော်တို့ဟာမဖြစ်နိုင်ယုံကြည်ရသောဖြစ်ပေါ်ရန်အဘို့အ 2006-2013 ထံမှပြည်နယ်များကိုဖြတ်ပြီးညစ်ညမ်း၏ဆွေမျိုးအသုံးပြုမှုအတွက်ဗိုလ်မှူးဆိုင်းလိုအပ်မည်ဖြစ်သည်။ လှုပ်ရှားမှုအချို့ကိုပုံစံနှင့် ပတ်သက်. အမိန့်တစ်ဦးချင်းစီအဆင့်အတန်းသတ်မှတ်ရန်ကြိုးစားနေသည့်အခါမျိုးစုံသတင်းရင်းမြစ် (မရရှိနိုင်လျှင်) ခြားနားရလဒ်များဘို့အလိုငှါကြည့်ရှုအားပေးရပါမည်။ အမိန့်ဟာသူတို့ရဲ့တိကျမှန်ကန်မှုကိုပိုပြီးအလွယ်တကူယူဆနိုင်ပါတယ်အလားတူဖြစ်သင့်သည်။ သူတို့အခွင့်အလမ်းကိစ္စနှငျ့ ပတျသကျ. ပိုပြီးနားလည်ရန်ပေါ်ပေါက်, ကွာခြားသငျ့သညျ။ ကျွန်တော်တို့ရဲ့အထူးသဖြင့်အမှု၌, ခြားနားချက်များအဆိုပါသတင်းရပ်ကွက်များကညစ်ညမ်းအသုံးပြုမှုအမျိုးမျိုးကိုဖမ်းယူသောကွောငျ့ပျေါပေါကျဖို့များပါတယ်။ ညစ်ညမ်းရုပ်ပုံစာပေများကြည့်ရှုခြင်းနှင့်ပတ်သက်သောယခင်သုတေသနကကွာရှင်းခြင်း၊ ပျော်ရွှင်ခြင်း၊ အလုပ်သမား၏ကုန်ထုတ်စွမ်းအားနှင့်လိင်ပိုင်းဆိုင်ရာအကြမ်းဖက်မှုစသည့်အရေးကြီးသောကဏ္areasများကိုအကျိုးသက်ရောက်နိုင်သည့်အတိုင်းအတာကိုထိမိခဲ့သည် (Bergen & Bogle, 2000; Doran & Price, 2014; Patterson & Price, 2012; Young) & ဖြစ်ရပ်မှန်, 2004) ။ ထိုကဲ့သို့သောသုတေသနပြုလုပ်နေသည့်အခါအချက်အလက်သည်ယုံကြည်စိတ်ချရပြီးယေဘူယျအားဖြင့် (သို့မဟုတ်အရင်းအမြစ်များ) မှဖြစ်ရမည်။ ထိုကဲ့သို့သောသက်ရောက်မှုများ၏ရလဒ်များနှင့်တွေ့ရှိချက်များကိုအသက်၊ ကျား၊ မနှင့်လိင်ပိုင်းဆိုင်ရာလက္ခဏာများအရထည့်သွင်းစဉ်းစားရမည် - ဤစာတမ်းတွင်ထည့်သွင်းစဉ်းစားခြင်းမရှိသောအချက်များ (Sevcikova & Daneback, 2014; Stoops, 2015; Traeen & Daneback, 2013) ; ။ Tripodi et al 2015) ။ ထိုသို့သောသုတေသနအခွင့်အလမ်းများတွင်နိုင်ငံတော်မှညစ်ညမ်းရုပ်ပုံစာပေရုပ်ပုံများအသုံးပြုခြင်းသည်ခွဲခြမ်းစိတ်ဖြာခြင်းတွင်အခန်းကဏ္ play မှပါ ၀ င်နိုင်သည်။ ဤစာတမ်း၏ရလဒ်များကိုဖော်ပြသောထိုကဲ့သို့သော variable တစ်ခု၏ဒေတာအရင်းအမြစ်ကိုထိုကဲ့သို့သောဆုတ်ယုတ်မှုတွင်အကြီးအကျယ်ထည့်သွင်းစဉ်းစားရမည်ဖြစ်ပြီးရလဒ်ကိုအချက်အလက်အရင်းအမြစ်၏အခြေအနေတွင်အဓိပ္ပာယ်ကောက်ယူရမည်။ ကောက်ချက် တိကျတဲ့ကုမ္ပဏီများကပေးအပ်သည့်ဒေတာအများပြည်သူဆိုင်ရာကိစ္စရပ်များသို့အရေးကြီးသောထိုးထွင်းသိမြင်မှုကိုပေးအလားအလာရှိသည်။ တစ်ခုတည်းကုမ္ပဏီတောင်မှအလွန်ကြီးမားတဲ့တဦးတည်း၏ဒေတာတစ်ခုလုံးလူဦးရေရဲ့ကိုယ်စားလှယ်ဖြစ်ကြောင်းထိုးထွင်းသိမြင်မှုကိုပေးနိုငျသညျ့အခါတစ်ဦးကအဓိကစိန်ခေါ်မှုအဆုံးအဖြတ်ဖြစ်ပါတယ်။ ပြည်နယ်များကိုဖြတ်ပြီးညစ်ညမ်း၏ဆွေမျိုးနှုန်းထားများ 2006-2013 ကနေအဓိကအပြောင်းအလဲများရှိသည်မဟုတ်ခဲ့ပါယူဆရင်, ကျွန်တော်တို့ရဲ့စက္ကူ၏ရလဒ်များကိုအချို့ကိစ္စများတွင်တစ်ခုတည်းကုမ္ပဏီထံမှသတင်းအချက်အလက်များတိကျတဲ့အပြုအမူများ၏ပထဝီပုံစံများတစ်ဦးအထင်အမြင်မှားစေရုပ်ပုံဘို့လုပ်စေခြင်းငှါအကြံပြုအပ်ပါသည်။ ဒီအွန်လိုင်းမဟုတ်ဘဲတစ်ဦးပေးဆောင်ဆိုဒ် (Doran, 2008) ကို အသုံးပြု. ထက်အကြောင်းအရာအခမဲ့သာ access ကိုညစ်ညမ်းရယူသူကိုတစ်ဦးချင်းစီ၏ကျယ်ပြန့်အများစုကတည်းကညစ်ညမ်းအသုံးပြုရန်အထူးအရေးကြီးသောနိုင်ပါတယ်။ ဤစာတမ်း၏ရလဒ်များကိုတစ်နိုင်ငံလုံးကိုယ်စားလှယ်ဒေတာ (ဂူဂဲလ်ခေတ်ရေစီးကြောင်းနှင့် NFSS) ပါဝင်နှစ်ခုအပါအဝင်ညစ်ညမ်းအသုံးပြုမှုနှင့် ပတ်သက်. လေးခုကွဲပြားခြားနားသောဒေတာများသတင်းရပ်ကွက်များပေါ်ဆွဲပါ။ ကျနော်တို့ကိုသူတို့ရှိသမျှသည်ပြည်နယ်များကိုဖြတ်ပြီးညစ်ညမ်းအသုံးပြုမှုအတွက်အလားတူနောက်ခံပုံစံရောင်ပြန်ဟပ်ကြောင်းအကြံပြုကျွန်တော်တို့ရဲ့ဒေတာအရင်းအမြစ်သုံးခုအကြားသိသိသာသာဆက်စပ်ရှာပါ။ ဆနျ့ကငျြဘအခပေးစာရင်းပေးသွင်းဒေတာအတွက်, မီဒီယာအာရုံစိုက်မှုများ၏မျှတသောငွေပမာဏကိုလက်ခံရရှိခဲ့သည်ကွောငျးတစျခုအရင်းအမြစ်, အမှန်တကယ်အခြားသတင်းရပ်ကွက်များနှင့်အတူမဟုတ်ဘဲညံ့ဖျင်းဆက်နွယ်နေပါသည်။ ငါတို့သည်လည်းဒေတာသတင်းရင်းမြစ်ကိုဖြတ်ပြီးရွေးချယ်မှုလေ့လာမှုများဆွဲသောကောက်ချက်အကျိုးသက်ရောက်စေခြင်းနှင့်ကတိကျသောအပြုအမူတစ်ခုစံပြအတိုင်းအတာအရစိန်ခေါ်သောအဘို့ကိစ္စများဆန်းစစ်တဲ့အခါမှာအနာဂတ်လေ့လာမှုများဒေတာသတင်းရင်းမြစ်ကိုဖြတ်ပြီး sensitivity ကိုစမ်းသပ်မှုများပါဝင်သည်ကြောင်းအကြံပြုနိုင်သည်ကိုပြသပါ။ ကိုးကား Bergen, R. , & Bogle, K. (2000) ။ ညစ်ညမ်းရုပ်ပုံစာပေနှင့်လိင်အကြမ်းဖက်မှုအကြားဆက်နွယ်မှုကိုရှာဖွေခြင်း။ အကြမ်းဖက်မှုနှင့်သားကောင်များ, 15, 227-234 ။ Buzzell, တီ (2005) ။ သုံးနည်းပညာအခင်းအကျင်းအတွက်ညစ်ညမ်းသုံးပြီးပုဂ္ဂိုလ်များ၏လူဦးရေဆိုင်ရာသွင်ပြင်လက္ခဏာများ။ လိင် & ယဉ်ကျေးမှု။ ၉, 28-48 ။ http://dx.doi.org/10.1007/BF02908761 Carneiro, HA, & Mylonakis, အီး (2009) ။ ဂူးဂဲလ်ခေတ်ရေစီးကြောင်း - ရောဂါဖြစ်ပွားမှုများကိုအချိန်နှင့်တပြေးညီစောင့်ကြည့်ခြင်းအတွက်ဝက်ဘ်အခြေပြုကိရိယာတစ်ခု။ လက်တွေ့ကူးစက်ရောဂါ, 49, 1557-1564 ။ http://dx.doi.org/10.1086/630200 Choi, အိပ်ချ်, & Varian, အိပ်ချ် (2012) ။ Google ခေတ်ရေစီးကြောင်းနှင့်အတူပစ္စုပ္ပန်ခန့်မှန်း။ စီးပွားရေးဇုန်မှတ်တမ်း, 88(s1), 2-9 ။ http://dx.doi.org/10.1111/j.1475-4932.2012.00809.x Cooper က, အေ (1998) ။ လိင်နှင့်အင်တာနက်: သစ်ကိုထောင်စုနှစ်သို့ surfing ။ ဆိုက်ဘာစိတ်ပညာနှင့်အပြုအမူ၊ ၈, 187-193 ။ http://dx.doi.org/10.1089/cpb.1998.1.187 Doran, K. (2010) ။ စက်မှုလုပ်ငန်းအရွယ်အစား၊ တိုင်းတာမှုနှင့်လူမှုရေးကုန်ကျစရိတ်များ။ အမ် Eberstadt & MA Layden (Eds ။ ) ၌တည်၏, ညစ်ညမ်း၏လူမှုရေးကုန်ကျစရိတ်: စာတမ်းများ၏တစ်ဦးစုဆောင်းမှု။ Princeton, NJ: အဆိုပါ Witherspoon Institute မှ။ Doran, K. , & စျေး, ဂျေ (2014) ။ အပြာစာပေနှင့်အိမ်ထောင်ရေး။ မိသားစုနှင့်စီးပွားရေးကိစ္စများ, 35 ၏ဂျာနယ်, 489-498 ။ http://dx.doi.org/10.1007/s10834-014-9391-6 Edelman, ခ (2009) ။ စျေးကွက်များ: အနီရောင်အလင်းပြည်နယ်များ: အွန်လိုင်းအရွယ်ရောက်ပြီးသူဖျော်ဖြေရေးဝယ်ယူဘယ်သူနည်း စီးပွားရေးပတ်သ က်. ၏ဂျာနယ်, 23(1), 209-220 ။ http://dx.doi.org/10.1257/jep.23.1.209 Fisher သည် R. (1993) ။ သွယ်ဝိုက်မေးမြန်း၏လူမှုလိုလားဘက်လိုက်မှုနှင့်တရားဝင်မှု။ စားသုံးသူသုတေသန 20 ၏ဂျာနယ်, 303-315 ။ http://dx.doi.org/10.1086/209351 Glaeser, အီး, & Sacerdote, ခ (2007) ။ သတင်းအချက်အလက်စုစည်းခြင်းပြောင်းပြန်နှင့်ယုံကြည်ချက်၏လူမှုရေးဖွဲ့စည်းရေး။ NBER အလုပ်အဖွဲ့စက္ကူအမှတ် 13031 ။ မှရယူရန် http://www.nber.org/papers/w13031.pdf Glaeser, အီး, & Sacerdote, ခ (2008) ။ ပညာရေးနှင့်ဘာသာရေး။ လူ့မြို့တော်, 2 ၏ဂျာနယ်, 188-215 ။ http://dx.doi.org/10.1086/590413 Hertlein, K. , & Stevenson, အေ (2010) ။ အင်တာနက်နှင့်ဆက်စပ်သောရင်းနှီးသောပြproblemsနာများကိုအထောက်အကူပြုသော“ As” (၇) ခု - စာပေပြန်လည်သုံးသပ်ခြင်း။ Cyberpsychology: ဆိုက်ဘာစပေ့အပေါ်စိတ်ပိုင်းဆိုင်ရာသုတေသနဂျာနယ်, 4(1), ဆောင်းပါး 1 ။ မှရယူရန် http://www.cyberpsychology.eu/view.php?cisloclanku=2010050202 ဟို, ဒဗလျူ, & Watters, P. (2004) ။ အင်တာနက်ညစ်ညမ်းမှုကိုစီစစ်ရန်စာရင်းအင်းနှင့်ဖွဲ့စည်းတည်ဆောက်ပုံဆိုင်ရာနည်းလမ်းများ။ In စနစ်များ, လူသားနှင့်ဆက်သွယ်မှုလေ့လာရေး, 2004 ကို IEEE International ကညီလာခံအပေါ်: vol ။ 5, (စစ။ 4792-4798) ။ MacInnis, C, & Hodson, G. အ (၂၀၁၄) ။ ဘာသာရေးနှင့်ရှေးရိုးစွဲလူ ဦး ရေများသောအမေရိကန်နိုင်ငံများသည်ဂူးဂဲလ်တွင်လိင်ဆိုင်ရာအကြောင်းအရာများကိုပိုမိုရှာဖွေပါသလား။ လိင်ပိုင်းဆိုင်ရာအပြုအမူ၏မော်ကွန်း, 44, 137-147 ။ http://dx.doi.org/10.1007/s10508-014-0361-8 ပက်တာ, R. , & စျေး, ဂျေ (2012) ။ ညစ်ညမ်းရုပ်ပုံစာပေ၊ ဘာသာတရားနှင့်ပျော်ရွှင်မှုကွာဟမှု - ညစ်ညမ်းရုပ်ပုံစာပေသည်တက်ကြွသောဘာသာရေးကိုကွဲပြားစွာသက်ရောက်သလား။ ဘာသာတရား၏သိပ္ပံလေ့လာမှုဂျာနယ်, 51, 79-89 ။ http://dx.doi.org/10.1111/j.1468-5906.2011.01630.x Preis, T. , ကျ, အိပ်ချ်, & Stanley, အိပ်ချ် (2013) ။ Google Trends ကို အသုံးပြု၍ ဘဏ္marketsာရေးစျေးကွက်ရှိကုန်သွယ်မှုဆိုင်ရာအပြုအမူများကိုအရေအတွက်။ သိပ္ပံနည်းကျအစီရင်ခံစာများ, 3, 1684 ။ Sevcikova, အေ, & Daneback, K. (2014) ။ အွန်လိုင်းညစ်ညမ်းစာပေများကိုဆယ်ကျော်သက်အရွယ်တွင်အသုံးပြုခြင်း။ အသက်နှင့်ကျား၊ မကွဲပြားမှု။ Developmental စိတ်ပညာ၏ဥရောပဂျာနယ်, 11, 674-686 ။ http://dx.doi.org/10.1080/17405629.2014.926808 Stack, အက်စ်, Wasserman, ဗြဲ, & Kern, R. (2004) ။ အရွယ်ရောက်ပြီးသူလူမှုရေးနှောင်ကြိုးနှင့်အင်တာနက်ညစ်ညမ်းရုပ်ပုံများအသုံးပြုခြင်း။ လူမှုရေးသိပ္ပံလပတ်, 85, 75-88 ။ http://dx.doi.org/10.1111/j.0038-4941.2004.08501006.x ကျိုးပဲ့လျက်, ဂျေ (2015) ။ နှောင်းပိုင်းတွင်ကိုးရာစုဗြိတိန်နိုင်ငံမှာရှိတဲ့ညစ်ညမ်းကုန်သွယ်မှု class နှင့်ကျား, မဒိုင်းနမစ်။ သမိုင်းဆိုင်ရာဂျာနယ်, 58, 137-156 ။ http://dx.doi.org/10.1017/S0018246X14000090 Traeen, ခ, & Daneback, K. (2013) ။ မတူညီသောလိင်ဆိုင်ရာတိမ်းညွတ်မှုရှိသောနော်ဝေအမျိုးသားနှင့်အမျိုးသမီးများအကြားညစ်ညမ်းရုပ်ပုံစာပေနှင့်လိင်အပြုအမူများအသုံးပြုမှု Sexologies, 22, e41-e48 ။ http://dx.doi.org/10.1016/j.sexol.2012.03.001 Tripodi, အက်ဖ်, Eleuteri, အက်စ်, Giuliani, အမ်, Rossi, R. , Livi, အက်စ်, Petruccelli, ဗြဲ, Petruccelli, အက်ဖ်, Daneback, K. , & Simonelli C. (2015) ။ ဆွီဒင်နှင့်အီတလီတက္ကသိုလ်မှကျောင်းသားများအတွက်ပုံမှန်မဟုတ်သောအွန်လိုင်းလိင်ဆိုင်ရာစိတ်ဝင်စားမှုများ။ Sexologies, အဆင့်မြင့်အွန်လိုင်းထုတ်ဝေ။ http://dx.doi.org/10.1016/j.sexol.2015.03.003 Wright, P. (2011) ။ အမေရိကန်အထီးနှင့်အညစ်ညမ်း, 1973-2010: စားသုံးမှု, ခန့်မှန်း, Correlate ။ လိင်သုတေသန 50 ၏ဂျာနယ်, 60-71 ။ http://dx.doi.org/10.1080/00224499.2011.628132 လူငယ်, K. , & ဖြစ်ရပ်မှန်, C. (2004) ။ အလုပ်ခွင်၌အင်တာနက်အလွဲသုံးစားမှု - အန္တရာယ်စီမံခန့်ခွဲမှုလမ်းကြောင်းသစ်များ။ CyberPsychology နှင့်အပြုအမူ, 7, 105-111 ။ http://dx.doi.org/10.1089/109493104322820174 စာပေးစာယူမှ: ယောသပ်သည်စျေး 130 ဌာနရုံးအဆောက်အဦး Provo, Utah အမေရိကန်ြပည်ထောင်စု 84602 Email: joe_price (မှာ) byu.edu