Effects of expertise on football betting
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
BACKGROUND: Football (soccer) is one of the most popular sports in the world, including Europe. It is associated with important betting activities. A common belief, widely spread among those who participate in gambling activities, is that knowledge and expertise on football lead to better prediction skills for match outcomes. If unfounded, however, this belief should be considered as a form of "illusion of control." The aim of this study was to examine whether football experts are better than nonexperts at predicting football match scores. METHODS: Two hundred and fifty-eight persons took part in the study: 21.3% as football experts, 54.3% as laypersons (non-initiated to football), and 24.4% as football amateurs. They predicted the scores of the first 10 matches of the 2008 UEFA European Football Championship. Logistic regressions were carried out to assess the link between the accuracy of the forecasted scores and the expertise of the participants (expert, amateur, layperson), controlling for age and gender. RESULTS: The variables assessed did not predict the accuracy of scoring prognosis (R2 ranged from 1% to 6%). CONCLUSIONS: Expertise, age, and gender did not appear to have an impact on the accuracy of the football match prognoses. Therefore, the belief that football expertise improves betting skills is no more than a cognitive distortion called the "illusion of control." Gamblers may benefit from psychological interventions that target the illusion of control related to their believed links between betting skills and football expertise. Public health policies may need to consider the phenomenon in order to prevent problem gambling related to football betting.
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) | 0,000 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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