On the Feasibility of In-Venue Observations of Electronic Gaming Machine Gamblers and Game Characteristics
Notice bibliographique
Résumé
Detailed observational studies of undisturbed gambler behaviour in venues are rare, especially when the focus is on continuous gambling such as electronic gaming machines (EGMs). EGMs are the main source of harmful gambling in New Zealand and all EGMs in New Zealand now include a mandatory pop-up message feature. The present study reports on 48 hours of in situ observations of EGM gamblers in casino and non-casino (pub) venues in New Zealand. We sought to establish whether relatively detailed observations of EGM features and gambler behaviour in venues were possible. The EGM feature that we focused on were pop-up messages, given their harm-minimization potential and the relative ease with which they can be observed. However, other EGM features were also documented, along with descriptive accounts of associated gambler behaviour. The results establish that relatively detailed (quantitative or qualitative) observational data can be collected in venues by using smart phones. The data showed that pop-up messages were generally attended to, but had little observable effect on gambler behaviour in venues. Direct in situ observation of gamblers can provide ecologically valid information to complement more common experimental and survey-based approaches. Suggestions are made for developing the procedure.Les études d’observation détaillée in situ sur le comportement non perturbé de joueurs sont rares, surtout si on met l’accent sur le jeu continu, comme avec les appareils de jeux électroniques. En Nouvelle-Zélande, ces appareils sont la principale source de jeux compulsifs, et tous les appareils dans ce pays incluent dorénavant une fonctionnalité obligatoire de message contextuel. La présente étude fait état de 48 heures d’observation in situ de joueurs sur appareils dans des casinos ou d’autres lieux (bars) en Nouvelle-Zélande, et on a cherché à déterminer s’il était possible de faire des observations relativement détaillées des caractéristiques et du comportement de joueurs dans ces lieux. On a mis l’accent sur la fonctionnalité des messages contextuels pour analyser leur potentiel de diminuer des méfaits et leur relative facilité à les observer. On a aussi consigné d’autres fonctionnalités d’appareils de jeu, ainsi que des comptes-rendus descriptifs du comportement des joueurs associés. Les résultats montrent que l’on peut recueillir des données d’observation in situ relativement détaillées (quantitatives ou qualitatives) à l’aide de téléphones intelligents. Les données montrent que les messages contextuels ont généralement été pris en compte, mais qu’ils ont eu peu d’effet observable sur le comportement des joueurs. L’observation directe de joueurs peut fournir des informations écologiquement valables pour appuyer les approches expérimentales communes par sondage. On y fait aussi quelques suggestions pour mettre en œuvre une procédure.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».