Selective attention to emotional pictures as a function of gambling motives in problem and nonproblem gamblers.
Notice bibliographique
Résumé
Problem gambling may reflect a maladaptive means of fulfilling specific affect-regulation motives, such as enhancing positive affect or coping with negative affect. Research with clinical populations indicates that disorders with prominent affective symptoms are characterized by attentional biases for symptom-congruent information. Thus, we assessed whether problem gamblers with enhancement motives for gambling would demonstrate attentional biases for positive emotional information, relative to other types of emotional information, and problem gamblers with coping motives for gambling would demonstrate attentional biases for negative emotional information, compared with other types of emotional information. In addition, we expected motive-congruent biases to be stronger in problem gamblers than nonproblem gamblers. To test these hypotheses, problem and nonproblem gamblers received an emotional orienting task in which neutral, negative, and positive pictorial cues appeared to one side of the computer screen, followed by target words in cued or uncued locations. In a look-away condition, participants had to shift attention away from pictures to respond to predominantly uncued targets, whereas in a look-toward condition, they had to orient to pictures to categorize predominantly cued targets. The results revealed motive-congruent orienting biases and disengagement lags for emotional pictures in problem gamblers. The link between motives and affective biases was less apparent in nonproblem gamblers. Results suggest that attentional measures may provide a useful complement to the subjective methodologies that are typically employed in studying problem gamblers.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 tête enseignante, 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 ».