MétaCan
Menu
Retour à la cohorte
Enregistrement W2339384634 · doi:10.1556/2006.5.2016.008

The impact of precommitment on risk-taking while gambling: A preliminary study

2016· article· en· W2339384634 sur OpenAlexaff
Damien Brevers, Xavier Noël, Luke Clark, Jekaterina Zyuzin, Joohwan Justin park, Antoine Bechara

Notice bibliographique

RevueJournal of Behavioral Addictions · 2016
Typearticle
Langueen
DomainePsychology
ThématiqueGambling Behavior and Treatments
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNational Institute on Drug AbuseNational Center for Responsible Gaming
Mots-clésPrecommitmentAttractivenessPsychologyActuarial scienceMicroeconomicsEconomics

Résumé

récupéré en direct d'OpenAlex

Background and aims Precommitment refers to the ability to prospectively restrict the access to temptations. This study examined whether risk-taking during gambling is decreased when an individual has the opportunity to precommit to his forthcoming bet. Methods Sixty individuals participated in a gambling task that consisted of direct choice (simply chose one monetary option among four available ones, ranging from low-risk to high-risk options) or precommitment trials (before choosing an amount, participants had the opportunity to make a binding choice that made high-risk options unavailable). Results We found that participants utilized the precommitment option, such that risk-taking was decreased on precommitment trials compared to direct choices. Within the precommitment trials, there was no significant difference in risk-taking following decisions to restrict versus non-restrict. Discussion These findings suggest that the opportunity to precommit may be sufficient to reduce the attractiveness of risk. Conclusions Present results might be exploited to create interventions aiming at enhancing one's ability to anticipate self-control failures while 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)0,001
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,197
Tête enseignante GPT0,468
Écart entre enseignants0,272 · 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

Citations55
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Behavioral AddictionsMême sujetGambling Behavior and TreatmentsTravaux en français237 207