The Modified Gambling Motivation Scale: Confirmatory Factor Analysis and Links With Problem Gambling
Notice bibliographique
Résumé
The Gambling Motivation Scale (GMS), a scale based on self-determination theory, consists of seven motivations: to learn the game, to feel competent, to experience excitement, to socialize, to feel important, to win money, and to continue gambling aimlessly (Chantal, Vallerand, & Vallieres, 1994). The GMS has never been tested with confirmatory factor analysis to determine the appropriate structure of gambling motivation. In the present study, we developed the Modified Gambling Motivation Scale (MGMS) to improve the reading comprehension and psychometrics of the GMS. We also proposed a simpler interpretation of motivation scores than that applied to the previous scoring system. Confirmatory factor analysis, structural equation modelling, and measurement invariance were performed on the GMS and the MGMS, which suggested that six motivations were distinct and important to gambling behaviour: to experience an intellectual challenge (combined motivations to learn and to feel competent), to experience excitement, to socialize, to feel important, to win money, and to continue gambling aimlessly. This six-factor structure of gambling motivation aligns more closely with self-determination theory and removes problems with estimations in the seven-factor structure. The results showed that gamblers who were motivated to experience excitement and to socialize had more problem gambling than did other gamblers.RésuméL’Échelle de motivation envers les jeux de hasard et d’argent, fondée sur la théorie de l’autodétermination, est constituée de sept motivations : apprendre le jeu, se sentir compétent, vivre une expérience excitante, socialiser, se sentir important, gagner de l’argent et continuer à jouer pour le simple plaisir (Chantal, Vallerand, et Vallières, 1994). La structure de l’échelle n’a jamais été soumise à des tests avec analyse factorielle confirmatoire pour déterminer la structure appropriée de la motivation du jeu. Dans la présente étude, nous avons mis au point une échelle modifiée de motivation de jeu pour améliorer la compréhension de la lecture et la psychométrie de l’échelle. Nous proposons également une simplification de l’interprétation des pointages de motivation par rapport au système précédent. L’analyse factorielle confirmatoire, la modélisation de l’équation structurelle et l’invariance de mesure ont été réalisées sur les deux échelles de motivation, et les résultats démontrent que six motivations étaient distinctes et importantes pour le comportement du jeu. Il s’agissait des motivations relatives au défi intellectuel (combinées à des motivations d’apprendre et de se sentir compétent), de vivre une expérience excitante, de socialiser, de se sentir important, de gagner de l’argent et de continuer à jouer pour le simple plaisir. Cette structure de motivation envers les jeux à six facteurs correspond davantage à la théorie de l’autodétermination et supprime les problèmes d’estimation avec la structure à sept facteurs. Les résultats ont montré que les joueurs qui étaient motivés à vivre une expérience excitante et à socialiser avaient plus de problèmes de jeux compulsifs.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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 ».