MétaCan
Menu
Retour à la cohorte
Enregistrement W1568013318 · doi:10.1111/psyp.12336

Near‐wins and near‐losses in gambling: A behavioral and facial <scp>EMG</scp> study

2014· article· en· W1568013318 sur OpenAlexaff
Yin Wu, Eric van Dijk, Luke Clark

Notice bibliographique

RevuePsychophysiology · 2014
Typearticle
Langueen
DomainePsychology
ThématiqueGambling Behavior and Treatments
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesWellcome Trust
Mots-clésLuckPsychologyReactivity (psychology)Counterfactual thinkingAffect (linguistics)Facial electromyographyAudiologySocial psychologyFacial expressionDevelopmental psychologyCommunicationTheology

Résumé

récupéré en direct d'OpenAlex

This study investigated responses to near-wins (i.e., nonwin outcomes that were close to a major win, and their counterpart, near-losses (nonwin outcomes that are proximal to a major loss) in a decision-making task, measuring (a) luck ratings, (b) adjustment of bet amount, and (c) facial muscle reactivity at zygomaticus and corrugator sites. Compared to full-misses, near-wins decreased self-perceived luck and near-losses increased self-perceived luck, consistent with the effects of upward versus downward counterfactual thinking, respectively. Wins and losses both increased zygomaticus reactivity, and losses selectively enhanced corrugator reactivity. Near-wins heightened zygomaticus activity, but did not affect corrugator activity, thus showing a similar response pattern to actual wins. There were no significant facial EMG effects of near-losses. We infer that near-wins engender some appetitive processing, despite their objective nonwin status.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,091
Tête enseignante GPT0,406
Écart entre enseignants0,315 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations37
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePsychophysiologyMême sujetGambling Behavior and TreatmentsTravaux en français237 207