Examining the factor structure of the Motives for Playing Drinking Games measure among Australian university students
Notice bibliographique
Résumé
INTRODUCTION AND AIMS: Given the prevalence of drinking games among university students and the health risks associated with playing drinking games, it is important to consider motivations for participation. The psychometric properties of the Motives for Playing Drinking Games (MPDG) measure have been examined among US college student samples, but mixed findings have been reported regarding the number of factors in the measure. This is the first study to examine the factor structure and applicability of the MPDG measure among a sample of Australian university students. DESIGN AND METHODS: University students (N = 254; aged 18-46 years; 62% female) with prior drinking experience completed an online survey which included questions pertaining to demographics, drinking game frequency and consumption, drinking game consequences and the MPDG measure. RESULTS: Confirmatory factor analyses demonstrated that the originally proposed 8-factors within the MPDG measure were problematic in the current sample and a revised 7-factor solution was preferred. Analyses examining the relations of the revised 7 MPDG factors with drinking game behaviours (e.g. gaming-specific consequences and amount consumed during play) highlighted the importance of some MPDG (enhancement/thrills, conformity and sexual pursuit motives). DISCUSSION AND CONCLUSIONS: While the MPDG measure shows promise for assessing drinking game-specific motives, the need to consider the applicability of MPDG subscales across different samples was apparent.
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 | 0,005 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».