Notice bibliographique
Résumé
Alors que les jeux de hasard et d’argent gagnent en accessibilité, de nombreuses études établissent un lien entre le jeu pathologique et la criminalité. La vie du joueur emprunterait un parcours précis vers la délinquance et s’inscrirait dans un cycle gambling - délinquance 2 . Or, l’inscription des trajectoires délinquantes dans un cycle aussi statique nous paraît discutable. Dans cet article, nous soutenons que chaque individu est soumis à l’influence de facteurs pouvant modifier la carrière du joueur et sa propension à commettre des délits. À l’aide d’une vingtaine d’entrevues, nous avons retracé la trajectoire des joueurs en abordant des thèmes susceptibles d’apporter un éclairage sur les modalités d’apparition de la délinquance chez ces individus. En analysant leur vie en termes de carrière, nous observons l’apparition, l’évolution et, parfois même, l’arrêt du jeu et des activités délictuelles. Quant aux facteurs susceptibles de moduler l’apparition des comportements délinquants, nous examinons l’influence des proches en termes d’opportunités criminelles et de dissuasion, l’effet précipitant des tensions financières et familiales, l’effet dissuasif de la peur ou, au contraire, les prédispositions caractérielles ou comportementales des joueurs et, finalement, l’ingéniosité des joueurs à financer et prolonger leurs activités de jeu. Nous souhaitons ainsi mettre en perspective le cycle gambling-délinquance en étudiant les éléments constitutifs de la carrière des joueurs pathologiques qui ont pour effet de neutraliser, retarder ou accélérer le passage à l’agir délictuel.
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 | 0,001 | 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,002 |
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 ».