How risky is Internet gambling? A comparison of subgroups of Internet gamblers based on problem gambling status
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Internet gambling offers unique features that may facilitate the development or exacerbation of gambling disorders. Higher rates of disordered gambling have been found amongst Internet than with land-based gamblers; however little research has explored whether Internet disordered gamblers are a distinct subgroup. The current study compared problem with non-problem and at-risk Internet gamblers to understand further why some Internet gamblers experience gambling-related harms, using an online survey with a sample of 2799 Australian Internet gamblers. Problem gambling respondents were younger, less educated, had higher household debt, lost more money and gambled on a greater number of activities, and were more likely to use drugs while gambling than non-problem and at-risk gamblers. Problem gamblers had more irrational beliefs about gambling, were more likely to believe the harms of gambling to outweigh the benefits, that gambling is morally wrong and that all types of gambling should be illegal. For problem gamblers, Internet gambling poses unique problems related to electronic payment and constant availability, leading to disrupted sleeping and eating patterns. However, a significant proportion of Internet problem gambling respondents also had problems related to terrestrial gambling, highlighting the importance of considering overall gambling involvement when examining subgroups of gamblers. It is argued that policy makers should consider carefully how features of Internet gambling contribute to gambling disorders requiring the implementation of evidence-based responsible gambling strategies.
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.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| 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 découle