MétaCan
Menu
Retour à la cohorte
Enregistrement W2604806010 · doi:10.1002/bdm.2010

On the Counterfactual Nature of Gambling Near‐misses: An Experimental Study

2017· article· en· W2604806010 sur OpenAlexaff
Yin Wu, Eric van Dijk, Hong Li, Michael R. F. Aitken, Luke Clark

Notice bibliographique

RevueJournal of Behavioral Decision Making · 2017
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueDecision-Making and Behavioral Economics
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesMedical Research CouncilDirectorate for Biological SciencesWellcomeShenzhen UniversityNational Natural Science Foundation of ChinaUniversity of CambridgeWellcome Trust
Mots-clésCounterfactual thinkingLuckCounterfactual conditionalRegretNear missPsychologySocial psychologyTask (project management)Cognitive psychologyEconomicsStatisticsMathematics

Résumé

récupéré en direct d'OpenAlex

Abstract Research on gambling near‐misses has shown that objectively equivalent outcomes can yield divergent emotional and motivational responses. The subjective processing of gambling outcomes is affected substantially by close but non‐obtained outcomes (i.e. counterfactuals). In the current paper, we investigate how different types of near‐misses influence self‐perceived luck and subsequent betting behavior in a wheel‐of‐fortune task. We investigate the counterfactual mechanism of these effects by testing the relationship with a second task measuring regret/relief processing. Across two experiments (Experiment 1, n = 51; Experiment 2, n = 104), we demonstrate that near‐wins (neutral outcomes that are close to a jackpot) decreased self‐perceived luck, whereas near‐losses (neutral outcomes that are close to a major penalty) increased luck ratings. The effects of near‐misses varied by near‐miss position (i.e. whether the spinner stopped just short of, or passed through, the counterfactual outcome), consistent with established distinctions between upward versus downward, and additive versus subtractive, counterfactual thinking. In Experiment 1, individuals who showed stronger counterfactual processing on the regret/relief task were more responsive to near‐wins and near‐losses on the wheel‐of‐fortune task. The effect of near‐miss position was attenuated when the anticipatory phase (i.e. the spin and deceleration) was removed in Experiment 2. Further differences were observed within the objective gains and losses, between “clear” and “narrow” outcomes. Taken together, these results help substantiate the counterfactual mechanism of near‐misses. © 2017 The Authors Journal of Behavioral Decision Making Published by John Wiley & Sons Ltd.

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)0,004
score de la tête « metaresearch » (Gemma)0,017
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,017
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,002
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,265
Tête enseignante GPT0,524
Écart entre enseignants0,259 · 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'étudeExpérimental (laboratoire)
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

Citations39
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Behavioral Decision MakingMême sujetDecision-Making and Behavioral EconomicsTravaux en français237 207