Funding of Gambling Research: Ethical Issues, Potential Benefit and Guidelines
Notice bibliographique
Résumé
There has been an unprecedented growth of legalized gambling opportunities in Canada over the past two decades, partly to generate revenues without raising taxes. Unfortunately, for 2-3% of the Canadian population, gambling can become disordered (i.e. develop into a gambling addiction). To help attenuate the harms and prevalence of disordered gambling, all provincial governments earmark a portion of gambling revenues for the prevention, treatment and research into disordered gambling. However, the field of gambling studies has recently come under criticism in the way research is conducted. At the forefront of the criticism is the issue of accepting funding from the gambling industry. We provide an overview of the ethical considerations, potential ethical issues, and the possible benefits of accepting such funding. The aim of the present paper is not to argue for or against accepting industry funding, but rather to delineate the potential ethical issues and benefits related to that acceptance. More importantly, we provide a summary of best practice ethical guidelines, and recommendations to guide in the ethical decision making process in accepting or declining funding from gambling industry. To this end, we use the Canadian Code of Ethics for Psychologists as a framework in which to situate our guidelines and recommendations. Given that Canadian researchers have a long history and continue to contribute valuable knowledge in the field of gambling studies, it is of important for gambling researchers to be aware of the ethical considerations and issues related to funding from gambling industry.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,000 | 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 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 ».