En granskning av pornografi använder forskning: Metodik och resultat från fyra källor (2015): Utah är inte nummer 1 i pornoanvändning

Länk till artikeln 

En granskning av pornografi använder forskning: Metodik och resultat från fyra källor.

Cyberpsychology: Journal of Psychosocial Research on Cyberspace, 9(4), artikel 1. doi: 10.5817 / CP2015-4-4

Abstrakt

Nyckelord: pornografi, internetanvändning, data, representant

LADDA NER PDF

Beskrivning

Medan de flesta forskare håller med om att pornografi har blivit mer genomgripande under de senaste decennierna, förblir den exakta mätningen av användningen av pornografi i befolkningen en empirisk utmaning för samhällsforskare. Utbudet av tekniker som används för att få tillgång till pornografi har förändrats över tid, vilket gör det nästan omöjligt att konsekvent mäta samma mått som användningen av pornografi. Höghastighetsinternet, som gradvis har trängt in på marknaderna under de senaste femton åren, möjliggör en oöverträffad överkomlighet, anonymitet och lättillgänglighet i pornografikonsumtion (Cooper, 1998), vilket bidrar till den uppenbara allmänna ökningen av pornografianvändning (Wright, 2011). Hertlein och Stevenson (2010) noterar också andra funktioner som är specifika för bredbandsinternetpornografi för att bidra till branschens tillväxt: närmare tillnärmning till den fysiska världen, acceptabilitet, tvetydighet och boende mellan ens ”verkliga” och ”borde” jag.

Tidigare tillvägagångssätt för mätning av pornografi har förlitat sig starkt på undersökningsdata (se Buzzell, 2005). Onlinepornografiens elektroniska karaktär möjliggör emellertid alltmer ett antal alternativa metoder för att få tillförlitliga proxyser för användning av pornografi, inklusive sådana som samlats in från prenumeration eller onlinesökningsdata. Möjligheten att använda ett objektivt mått baserat på prenumerations- eller sökdata är fördelaktigt eftersom undersökningsbaserade data i allmänhet lider av en social önskvärdhet: respondenterna kan underrapportera aktiviteter som strider mot sociala normer (Fisher, 1993). Dessutom beror prenumerationsdata inte på en individs åsikt om vad som utgör pornografi; en naturlig begränsning av subjektiva undersökningsfrågor om användning av pornografi.

Två senaste studier har utnyttjat innovativa källor till data om användning av onlinepornografi. Edelman (2009) använder prenumerationsdata från en enda topp-tio leverantör av betalt pornografiskt innehåll för att skapa en rangordning av vilka stater som använder mest onlinepornografi och korrelerar dessa med flera statliga nivåer av sociala eller religiösa attityder. MacInnis och Hodson (2014) använder sökorddata från Google Trends som ett proxy för användning av pornografi och undersöker förhållandet mellan användning av statlig pornografi och mått på religiöshet och konservatism. De upplever att stater med mer högt lutande ideologiska attityder har högre frekvenser av pornografirelaterade Google-sökningar.

I detta dokument bedöms några av de påståenden som gjorts i tidigare studier om staternas rangordning och förhållandet mellan användning av statlig pornografi och olika sociala åtgärder på statlig nivå. Vi ger också ett ramverk som framtida forskare kan använda för att bedöma representativiteten för framtida statlig nivå eller till och med länets datasatser om användning av pornografi. Edelman (2009) var en pionjär när det gäller åtkomst till prenumerationsdata för en enda leverantör av betalt pornografiskt innehåll och denna användning av enskilda konsumentdata från privata företag kommer att bli ett användbart verktyg för att samla in data om svårt att mäta beteende. Nyckeln för den framtida användningen av denna typ av rik data kommer att identifiera i vilken grad uppgifterna från ett enda företag kan ge samma insikter som ett nationellt representativt urval.

I det här dokumentet utvidgar vi de data som användes i dessa två nyligen genomförda studier och kombinerar dem med ytterligare två datakällor. Eftersom var och en av de fyra datakällorna vi använder i detta papper ger ett mått på graden av användning av pornografi, uppskattar vi giltigheten för varje källa genom att jämföra den med den statliga nivån som vi får för de andra källorna.

Data

Vårt papper bygger på fyra datakällor som innehåller information om variationer på statlig nivå i användning av pornografi. De två första datakällorna är nationellt representativa prover medan de två sista är baserade på betalda prenumerationer eller sidvisningar kopplade till en specifik leverantör av pornografiskt innehåll. I varje datakälla är vårt mått på användning av pornografi baserat på omständigheter där individer söker pornografiskt innehåll snarare än av misstag tittar på pornografi.

Vårt första datasätt baseras på ett nationellt representativt urval av 2,988-respondenter i NFSS (New Family Structures Survey). Datainsamlingen utfördes av Knowledge Networks (KN), ett forskningsföretag med uppgifter om att generera högkvalitativ data. Knowledge Networks rekryterade medlemmar i sin panel slumpmässigt via telefon- och postundersökningar, hushållen har tillgång till internet om det behövs. Den här panelen har fördelar genom att den inte är begränsad till nuvarande Internetanvändare eller datorägare och inte accepterar självutvalda volontärer.

NFSS inkluderar en fråga om huruvida svaranden avsiktligt tittade på pornografi året innan. Denna typ av fråga har fördelen med att fånga pornografibruk över vilken källa som individen använder för att komma åt. Det finns andra nationellt representativa prover, såsom den allmänna sociala undersökningen som innehåller frågor om pornografi. Vi använder data från NFSS eftersom de lätt kan nås av andra forskare och inkluderar statliga identifierare i dess offentligt tillgängliga form. Däremot kan statliga identifierare endast erhållas i den konfidentiella versionen av den allmänna sociala undersökningen. För analysen i detta dokument använder vi uppsättningen av fyrtiosex stater från NFSS-undersökningen för vilka det fanns minst 50 respondenter.

Den andra datakällan, Google Trends, fungerar som ett tidsserieindex för den sökvolym som registrerats i Google i ett visst geografiskt område. Dessa data har visat sig vara användbara i ekonomiska och medicinska ansträngningar som att förutsäga influensautbrott (Carneiro & Mylonakis, 2009) och att prognostisera kortsiktiga ekonomiska indikatorer som konsumenternas förtroende eller arbetslöshet (Choi & Varian, 2012). Preis, Moat och Stanley (2013) kvantifierar handelsbeteende med hjälp av Google Trends, vilket visar att vissa termer är kopplade till att aktievärdet ökar eller minskar. Vuxenunderhållningsindustrin kan också undersökas med hjälp av Google Trends sökdata i den utsträckning att viktiga funktioner i dess bransch kan mätas kvantitativt.

Den viktigaste utmaningen för att använda Google Trends-data är att välja de specifika termer som vi drar data på. De utvalda termerna måste vara en faktisk indikator på användning av pornografi för att vår analys ska vara användbar. Ho och Watters (2004) analyserade strukturella trender på pornografiska webbplatser. Som en del av deras analys skapar de en lista med termer som ofta visas på pornografiska webbplatser och som ofta misslyckas med att visas på icke-pornografiska webbplatser. De fyra bästa termerna var "porr", "xxx", "sex" och "f ***". Med hjälp av sökstatistik finner vi att sökningar efter dessa fyra termer är mycket korrelerade. Däremot är sökningar av termen "pornografi" okorrelerade med något av dessa fyra termer och är en term som sannolikt kommer att användas av personer som söker information om pornografi snarare än att få tillgång till faktiskt pornografiskt innehåll.

Det finns också en åtskillnad mellan "hård" och "mjuk" pornografi, där "mjuk" i allmänhet hänvisar till media som är sexuella till sin natur, men inte avbildar penetration. De fyra termer som tidigare anges kommer bara att dra data om användare som söker hårt innehåll, men vi anser fortfarande att det är en effektiv analys av två skäl. Mjuk porr anses inte vara pornografi av många tittare, och som ett resultat är den genomgripande även i vanliga media, inklusive tv och filmer. För det andra konstaterar vi att de relativa sökningarna efter mjuka pornografiska termer är minimala jämfört med sökningar efter hårda pornografiska termer. Vi gjorde ett relativt sökvärde för söktermerna "porr" och "nakna flickor" under 2005-2013. Sökningar efter båda termerna normaliserades så att den maximala sökvolymen tog värdet 100, som förekom för termen "porr". I jämförelse med det normaliserade maximumet har "nakna flickor" aldrig ett sökvolymindex större än 6.

Uppgifterna från Google Trends anger inte det faktiska antalet sökningar efter en specifik term i ett geografiskt område. Varje datapunkt normaliseras genom att dela antalet sökningar för termen med det totala antalet alla sökningar i det området. Uppgifterna kontrolleras därför för både befolkning och skillnaderna i sökvolym mellan stater. Google Trends eliminerar också upprepade sökningar av en enskild individ på kort tid för att förhindra att en enskild individ skarar resultatet.

Data finns tillgängliga på statsveckans nivå från Google Trends. Vi använder data under året juli 2013-juli 2014. Våra observationer är anpassade till en 1-100 skala. Ett tillstånd med de högsta normaliserade sökningarna av en specifik term under en vecka i vårt datasätt har en avläsning av 100. Med hjälp av dessa data för varje term skapar vi ett index för pornografisökningar för varje tillståndsvecka av våra data med ett viktat belopp med de fyra termerna. Vi väger "porr" och "sex" tyngre eftersom deras relativa sökningar är mycket större än jämförda med "f ***" och "xxx". Specifikt använder vi den genomsnittliga relativa vikten för varje termin under det senaste året. Sedan använder vi denna vägda sökvolymrankning av stater av Google Trends för att geografiskt modellera vuxenunderhållningsindustrin.

En av fördelarna med att använda data från Google Trends i motsats till webbplatsspecifik prenumerationsdata är att den innehåller information om individer som söker både gratis och betald vuxenunderhållning. Doran (2008) konstaterar att ungefär 80-90% av besökarna på pornografiska webbplatser endast har tillgång till gratis pornografiskt material, vilket tyder på att analys av betald vuxenunderhållning kan dölja faktiska mönster för pornografikonsumtion i allmänhet.

Vår tredje datakälla registrerar antalet prenumerationer till en av de tio största leverantörerna av betalt pornografiskt innehåll som användes i en nyligen genomförd studie av Edelman (2009). Edelmans analys av detta datasats var ett nytt bidrag till litteraturen; tidigare studier av användning av pornografi hade endast undersökt undersökningsdata. Den specifika informationen som användes var postnumret för alla kreditkortsabonnemang mellan 2006 och 2008. Denna specifika innehållsleverantör har hundratals webbplatser som täcker ett brett utbud av vuxenunderhållning. Edelman (2009) erkänner emellertid att "det är svårt att bekräfta noggrant att denna säljare är representativ."

Även om källan till denna prenumerationsdata är en topp-10-säljare av vuxenunderhållning, är prenumerationerna mycket låga relativt mönstren för pornografibruk som vi observerar i undersökningsdata som NFSS, där 47% av vuxna rapporterar med pornografi under det senaste året . Staten med flest abonnemang per bredbandshushåll är Utah med 5.47 för varje 1,000 hushåll med bredband. Den lägsta staten är Montana med 1.92-abonnemang för alla 1,000-hushåll med bredband. Dessa låga priser tyder på att marknadsandelen för enskilda innehållsleverantörer av pornografi är liten, vilket gör det svårt att veta om uppgifterna från en leverantör kan ge en korrekt jämförelse mellan olika stater. Som nämnts tidigare har de allra flesta individer som får tillgång till pornografi online bara tillgång till gratis innehåll snarare än att använda en betald webbplats som de som studerats av Edelman (Doran, 2010).

Vår fjärde datakälla är sidvisningsdata från Pornhub.com, som var den tredje största värden för vuxenunderhållning i USA vid den tiden. Vi använder Pornhub-uppgifterna på grund av dess storlek och tillgängligheten av data. Pornhub gjorde sidvisningarna per capita under året 2013 offentligt tillgängliga och rapporterade dessa uppgifter separat av staten. Pornhub-uppgifterna liknar Edelmans uppgifter eftersom de är ett objektivt mått på leverantören av användning av pornografi. Men dataregistreringar sidvyer istället för prenumeranter; intuitivt skulle uppgifterna avslöja mönster av tung användning per person och spridningsmönster bland befolkningen. Uppgifterna har också den relativa fördelen att inkludera både betald och obetald användning.

Utvärdera representativiteten för nya datakällor

Big data-revolutionen börjar dramatiskt öppna de typer av datakällor som kan användas för att mäta och studera beteenden, till exempel användning av pornografi. Prenumerationsdata som används av Edelman (2009) representerar typen av stora datamängder som alltmer kommer att bli tillgängliga för forskare i sin forskning. Ett viktigt första steg vid användning av denna typ av egendata kommer att bedöma i vilken grad uppgifterna från en enda leverantör är representativ för den allmänna intresserade befolkningen. I det här avsnittet tillhandahåller vi ett ramverk som bedömer representativiteten för ett datasystem genom att jämföra det med mönstren som observerats från en annan data som är känd för att vara nationellt representativ eller genom att jämföra den med en kombination av andra datakällor som kollektivt sannolikt representerar det sanna underliggande beteendemönster.

I tabell 1 listar vi de tio topp- och bottenlägena för pornografibruk baserat på var och en av de fyra källorna: prenumerationsdata, Pornhub, NFSS och Google Trends. Mississippi är ett tillstånd som rankas i de fyra bästa staterna i pornografi över alla fyra datasätten och Idaho ständigt rankas nära de lägsta priserna i alla stater i de flesta av åtgärderna. Däremot rankas andra stater som Arkansas och Utah i topp tio längs vissa åtgärder men i de tio nedre längs andra åtgärder. Dessa resultat tyder på att det kan vara lite problematiskt att identifiera vilket tillstånd som har de högsta graden av användning av pornografi baserat på en enda datakälla.

Tabell 1. Rangordning för stater baserat på fyra olika kontrollerade datakällor
för bredbandsanslutning till Internet.

I tabell 2-panel A uppskattar vi sambandet mellan var och en av datakällorna med de faktiska måtten på pornografianvändning från varje källa snarare än den ordinära rangordningen som rapporteras i tabell 1 från dessa åtgärder. De betalda prenumerationsdata har överlägset den svagaste korrelationen med de tre andra källorna och är till och med negativt korrelerade med NFSS-undersökningsdata. De betalda prenumerationsdata har en korrelation mellan -0.0358 med NFSS, 0.076 med Google Trends och 0.0066 med Pornhub. Ingen av dessa korrelationer är statistiskt signifikanta; motsvarande t-statistik är alla mindre än 0.6 (som motsvarar riktade p-värden större än .3). Däremot visar de tre andra rankningarna relativt anmärkningsvärda korrelationer. Google Trends och Pornhub har en korrelation av .487, NFSS och Google Trends har en korrelation av .655 och Pornhub och NFSS har en korrelation av .551. Alla dessa korrelationer är statistiskt signifikanta med en t-statistik mellan Google Trends och Pornhub av 3.78, mellan NFSS och Google Trends av 5.68, och mellan Pornhub och NFSS av 4.28. Alla dessa motsvarar riktade p-värden på mindre än .0004.

I panel B rapporterar vi korrelationer med hjälp av ordinära rangordningar skapade från varje datakälla. Korrelationer mellan NFSS, Google-trender och Pornhub har jämförbara korrelationskoefficienter och betydelse som de i panel A, likaledes är korrelationen mellan Google-trender och betalt prenumeration liknande. Panelen är anmärkningsvärd eftersom när betalda prenumerationsdata används bättre korrelerar det bättre med Pornhub- och NFSS-undersökningsdata, men korrelationerna är fortfarande obetydliga. De två panelerna låter oss dra liknande slutsatser, men de större koefficienterna för betald prenumerationsdata är värda att notera trots att de är obetydliga och särskilt svagare än korrelationerna mellan de andra källorna med varandra. Vi anser att korrelationerna med de faktiska måtten för pornografianvändning snarare än ordinära rangordningar bäst representerar industrin eftersom den står för den faktiska skillnaden i pornografibruk snarare än bara den specifika beställningen av staterna.

Tabell 2. Samband mellan de fyra datakällorna.

Det betydande sambandet mellan de tre datakällorna med icke-betalt prenumeration, trots de olika variablerna som de mäter (sökvolym, sidvisningar och andel pornografibesökare), tyder på att de mäter ett verkligt underliggande mönster av variation i pornografianvändning i olika stater; en som inte är korrelerad med prenumerationsdata som används av Edelman (2009).

Uppskattningskänslighet för den använda datakälla

För att illustrera vikten av att redovisa skillnaderna i statlig pornografihastighet mellan olika datakällor replikerar vi resultaten av en nyligen genomförd studie som fann att mer religiösa och mer konservativa stater var mer benägna att söka efter sexuellt innehåll på Google (MacInnis & Hodson, 2014). Vi undersöker om slutsatserna från det papperet gäller andra åtgärder för pornografisk användning med hjälp av de andra datakällorna som vi har beskrivit i denna uppsats. Resultaten av denna replikering ges i tabell 3. Vi standardiserade användningen av pornografi, religiositet och konservatism genom att subtrahera medelvärdet och dividera med standardavvikelsen för att möjliggöra jämförelser mellan de olika måtten för pornografianvändning (detta tillvägagångssätt motsvarar konvertering var och en av måtten till en Z-poäng).

Tabell 3. Korrelationer mellan religiöshet eller konservatism på statsnivå och varje metrisk nivå
för användning av pornografi.

I den ursprungliga studien gav MacInnis och Hodson (2014) resultat baserat på Google Trends-data separat för specifika söktermer som sex, porr och XXX, liknande de termer som vi använder i vårt Google Trends-mått. Resultaten i den första raden i tabell 3 visar att vi också hittar ett statistiskt signifikant samband mellan religiositet och konservatism i de flesta fall när vi använder Google Trends-uppgifterna. Men de andra raderna i tabell 3 visar att vi får ett mycket svagare statistiskt samband när vi använder någon av de andra tre datakällorna. Dessa resultat tyder på att om MacInnis och Hodson (2014) hade använt någon av de andra tre datakällorna, skulle de antagligen ha kommit till en annan slutsats i sitt papper om styrkan i relationen de undersökte.

Det faktum att MacInnis och Hodson (2014) hittar ett statistiskt signifikant samband mellan religiositet på statsnivå och användning av pornografi på statlig nivå är intressant med tanke på att tidigare studier som använder data på individnivå finner att individer som regelbundet går i kyrkan är mycket mindre benägna att använda pornografi ( Doran & Price, 2014; Patterson & Price, 2012; Stack, Wasserman, & Kearns, 2004). Denna typ av mönster där relationer på gruppnivå är motsatta vad som finns på individnivå har också hittats i förhållandet mellan utbildning och religion (Glaeser & Sacerdote, 2008) och förhållandet mellan inkomst och politisk tillhörighet (Glaeser & Sacerdote, 2007).

Diskussion

Var och en av de datakällor som behandlas ovan fångar en annan tvärsnittsvy av onlinepornografibranschen, och var och en har viktiga sårbarheter för forskare som är intresserade av allmänna nivåer av användning av pornografi av staten. NFSS-undersökningsdata, till exempel, underrapporterar sannolikt konsumtion av pornografi på grund av social önskvärdhet och motivets felaktiga minne. Google Trends-data misslyckas med att fånga all användning av pornografi som nås på annat sätt än en Google-sökning. Pornhub- och betald prenumerationsdata kan vara begränsade i deras representativitet; de mäter användning med avseende på endast ett enda företag i branschen.

När data från någon källa används i forskning måste resultaten presenteras i samband med de uppgifter som leder till dessa resultat. Problem uppstår när individer felaktigt tolkar en given datakälla som representerar hela pornografibranschen. Det finns många andra inställningar där liknande icke-representativa data kan felaktigt övergeneraliseras. Forskare och individer måste vara medvetna om den externa giltigheten av sina resultat medan media och läsare måste vara försiktiga med att inte övergeneralisera resultat.

Vi känner också igen en begränsning av våra datakällor genom att de fångar pornografibranschen i olika historiska ögonblick; Google Trends (2013-2014), betald prenumeration (2006-2008), Pornhub (2013) och NFSS (2012). Betald prenumerationsdata samlades ungefär 6-7 år före de andra källorna. Denna tidsskillnad kan förspänna våra resultat, men de allmänna trenderna i datakällorna som helhet är sådana att vi anser att våra resultat är korrekta. Stora förskjutningar i den relativa användningen av pornografi mellan stater från 2006-2013 skulle behövas för att denna förspänning skulle inträffa, vilket vi anser att det är osannolikt.

När man försöker rangordna beställningspersoner beträffande någon form av aktivitet, måste flera källor (om tillgängliga) ses för att få kontrasterande resultat. Om beställningarna är liknande kan deras noggrannhet lättare antas. Om de skiljer sig upp, uppstår en möjlighet att förstå mer om frågan. I vårt speciella fall kommer skillnaderna troligen att uppstå eftersom källorna fångar olika typer av pornografibruk.

Tidigare forskning om användning av pornografi har berört i vilken grad det kan påverka viktiga intresseområden som skilsmässa, lycka, arbetstagarnas produktivitet och sexuella våld (Bergen & Bogle, 2000; Doran & Price, 2014; Patterson & Price, 2012; Young & Case, 2004). När sådan forskning genomförs måste uppgifterna komma från en pålitlig och generaliserbar källa (eller källor). Resultat och resultat av sådana effekter måste beaktas mot bakgrund av individernas ålder, kön och sexuella identitet - faktorer som inte beaktas i denna uppsats (Sevcikova & Daneback, 2014; Stoops, 2015; Traeen & Daneback, 2013 ; Tripodi et al. 2015). I sådana forskningsmöjligheter kan pornografisk användning av staten spela en roll i analysen. Med tanke på resultaten av denna uppsats måste datakällan för en sådan variabel beaktas kraftigt i en sådan regression och resultatet måste tolkas i sammanhang med datakällan.

Slutsats

Uppgifter från specifika företag har potential att ge viktiga insikter i offentliga frågor. En stor utmaning är att bestämma när data från ett enda företag, till och med ett mycket stort, kan ge insikter som är representativa för hela befolkningen. Förutsatt att relativa frekvenser av pornografi mellan stater inte hade stora förändringar från 2006-2013, tyder resultaten från vårt papper på att informationen från ett enda företag i vissa fall kan ge en vilseledande bild av de geografiska mönstren för ett specifikt beteende. Detta kan vara särskilt viktigt för användning av pornografi eftersom de stora majoriteten av individer som har tillgång till pornografi online bara får tillgång till gratis innehåll snarare än att använda en betald webbplats (Doran, 2008).

Resultaten av denna artikel bygger på fyra olika datakällor om användning av pornografi, inklusive två som involverar nationellt representativa data (Google Trends och NFSS). Vi finner en betydande korrelation mellan tre av våra datakällor som tyder på att de alla återspeglar ett liknande underliggande mönster i pornografianvändning i olika stater. Till skillnad från betald prenumerationsdata, den källan som har fått en hel del uppmärksamhet i media, korrelerar faktiskt ganska dåligt med de andra källorna. Vi visar också att val mellan datakällor kan påverka slutsatserna som studier drar och föreslår att framtida studier inkluderar känslighetstester över datakällor när man undersöker frågor som det är utmanande att få ett idealiskt mått på det specifika beteendet.

Referensprojekt