MétaCan
Menu
Retour à la cohorte
Enregistrement W2113024478 · doi:10.1111/j.1360-0443.2010.03050.x

Losses disguised as wins in modern multi‐line video slot machines

2010· article· en· W2113024478 sur OpenAlexaff
Mike J. Dixon, Kevin Harrigan, Rajwant Sandhu, Karen Collins, Jonathan A. Fugelsang

Notice bibliographique

RevueAddiction · 2010
Typearticle
Langueen
DomainePsychology
ThématiqueGambling Behavior and Treatments
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésLine (geometry)Computer sciencePsychologyInternet privacyMathematics

Résumé

récupéré en direct d'OpenAlex

AIMS: Players can wager on multiple lines of modern slot machines. When they spin and fail to gain any credits, the machine goes into a state of relative quiet. By contrast, when they spin and win, these spins are accompanied by reinforcing sights and sounds. Such reinforcement also occurs when the amount won is less than the spin wager. We sought to show that these 'losses disguised as wins', or LDWs, would be as arousing as wins, and more arousing than regular losses. MEASUREMENT AND PARTICIPANTS: We measured skin conductance response (SCR) amplitudes and heart-rate changes following wins, LDWs and losses for 40 novices playing a multi-line slot machine. FINDINGS: SCR amplitudes were similar for wins and LDWs-both were significantly larger than for regular losses. CONCLUSIONS: For novice players, the reinforcing sights and sounds of the slot machine triggered arousal on wins, where the number of credits gained was greater than the spin wager, but also on 'losses disguised as wins' where the amount 'won' was less than the spin wager. Despite the fact that players lost money on these spins, these outcomes were more arousing than regular losses where no credits were gained. Although these findings involve novice players, the heightened arousal associated with these losses may have implications for the development of problem gambling, as arousal has been viewed as a key reinforcer in gambling behaviour.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,056
Tête enseignante GPT0,388
Écart entre enseignants0,332 · 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

Citations181
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAddictionMême sujetGambling Behavior and TreatmentsTravaux en français237 207