MétaCan
Menu
Retour à la cohorte
Enregistrement W2080536422 · doi:10.4306/pi.2013.10.4.365

Examining Antecedents and Consequences of Gambling Passion: The Case of Gambling on Horse Races

2013· article· en· W2080536422 sur OpenAlexaff
Choong‐Ki Lee, Ki‐Joon Back, David C. Hodgins, Tae Kyung Lee

Notice bibliographique

RevuePsychiatry Investigation · 2013
Typearticle
Langueen
DomainePsychology
ThématiqueGambling Behavior and Treatments
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésPassionPassionsPsychologySocial psychologyStructural equation modelingScale (ratio)Confirmatory factor analysisAffect (linguistics)Theology

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: This study investigated the antecedents and consequences of gambling passion using structural equation modeling to examine relationships among gambling motivation, passion, emotion, and behavioral intentions in the horse racing industry. METHODS: An onsite survey was conducted with 447 patrons at a horseracing park in South Korea. A confirmatory factor analysis showed that the Gambling Passion Scale was valid and reliable, resulting in two sub-scales: obsessive passion (OP) and harmonious passion (HP). RESULTS: Study results indicated that extrinsic motivation influenced OP whereas intrinsic motivation significantly affected HP. Furthermore, OP was correlated with negative emotion, whereas HP was related to positive emotion. Gamblers' satisfaction was found to be influenced positively by positive emotion and negatively by negative emotion. Finally, satisfaction appeared to affect gamblers' behavioral intentions. CONCLUSION: Study results echoed the notion of distinct and separate gambling motivations and passions among horse racing gamblers. Furthermore, results identified specific areas to which horse racing operators or policy makers should pay special attention in developing effective marketing strategies to promote responsible gambling.

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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,013
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,175
Tête enseignante GPT0,385
Écart entre enseignants0,211 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations19
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePsychiatry InvestigationMême sujetGambling Behavior and TreatmentsTravaux en français237 207