La méthodologie au service de l'avancement des connaissances en matière de jeux de hasard et d'argent
Notice bibliographique
Résumé
Cet article passe en revue trois méthodologies susceptibles de faire avancer les connaissances en matière de jeux de hasard et d'argent: la méthodologie longitudinale, la méthodologie expérimentale et la méthodologie génétique. Des exemples servent à illustrer comment ces méthodologies permettent: a) de documenter le développement des habitudes et des problèmes de jeu; b) d'identifier les facteurs de risque à présomption causale associés à leur apparition, à leur maintien ou à leur aggravation; c) d'explorer la signification de la cooccurrence des problèmes de jeu avec d'autres problèmes de santé mentale; d) d'analyser les possibles liens transactionnels entre les problèmes de jeu et d'autres problèmes d'adaptation; et, enfin, e) de dégager des leçons par rapport à la modélisation théorique et à l'intervention préventive.
Conservé avec la notice de tri, où il sert de preuve aux étiquettes ci-dessus.
Comment cette classification a été obtenuedéplier
Le tri à trois modèles
les 5 600 travaux triés →2 modèles sur 3 ont qualifié ce travail de métarecherche. Ce travail est contesté : il se situe à la frontière empirique du domaine, et son statut dépend du modèle interrogé. C'est l'un des 51 travaux du dossier des désaccords.
Reviews longitudinal, experimental, and genetic study designs and what they enable for advancing gambling knowledge; the object is research methodology and study design, though it is field-oriented.
This explicitly examines research methodologies used to advance knowledge in gambling studies.
Reviews longitudinal, experimental, and genetic methods as tools to advance gambling knowledge; domain methods guidance, not study of research itself.
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,016 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».