Conceptual Framework of Harmful Gambling: An International Collaboration Revised September 2015
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
Although it is seen by many as a form of leisure and recreation, gambling can have serious repercussions for individuals, families, and society as a whole. The harmful effects of gambling have been studied for decades in an attempt to understand individual differences in gambling engagement and the life-course of gambling-related problems. In this publication, we present a comprehensive, internationally relevant conceptual framework of “harmful gambling” that moves beyond a symptoms-based view of harm and addresses a broad set of factors related to population risk, community and societal effects. Interactive factors depicted in the framework represent major themes in gambling that range from specific (gambling environment, exposure, types, and resources) to general (cultural, social, psychological, and biological). The framework has been created by international interdisciplinary experts and stakeholders - including researchers, treatment providers, operators, policy makers, as well as individuals and their families - in order to facilitate an understanding of harmful gambling. It reflects the state of knowledge related to factors influencing harmful gambling; and serves a secondary purpose as a guide for the development of future research programs and education of policy makers on issues related to harmful gambling. Gambling Research Exchange Ontario (GREO) (formerly the Ontario Problem Gambling Research Centre (OPGRC) located in Guelph, Ontario, Canada) has facilitated the development of the Conceptual Framework of Harmful Gambling and will retain responsibility for keeping it up-to-date.
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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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