Gambling despite financial loss—the role of losses disguised as wins in multi‐line slots
Notice bibliographique
Résumé
BACKGROUND AND AIMS: Slot machines pose serious problems for a subset of gamblers. On multi-line slots, many small credit returns are less than one's spin wager, resulting in a net loss to the player. These outcomes are called 'losses disguised as wins' (LDWs). We aimed to show that different proportions of LDWs could differentially affect gambling persistence (continuing to gamble despite financial loss), but that such LDW effects may depend on problem gambling symptomatology. DESIGN: Gamblers were randomized to play 100 spins on a game with few, moderate or many LDWs (between-subjects design), then continued playing for as long as they wished during (unbeknown to players) a losing streak (to measure gambling persistence). SETTING: A custom-built casino in a gambling research laboratory in Waterloo, Canada. PARTICIPANTS: Experienced gamblers (n = 132) with varying levels of problem gambling symptomatology from the Waterloo, Canada community. MEASUREMENTS: We measured the number of voluntary spins participants played (persistence) during the losing streak following the 100-spin playing sessions. We measured problem gambling symptomatology using the Problem Gambling Severity Index, and classified them as non-problem (n = 53), low-risk (n = 55) or higher-risk (n = 24) gamblers. FINDINGS: Persistence trends differed depending on LDW frequency and problem-gambling status (interaction: P = 0.037). High-risk gamblers showed a 'sweet spot' for LDW reinforcement, persisting for longer in the moderate than few or many LDW games (quadratic trend across LDW games: P = 0.028). Non-problem gamblers showed a linear trend across LDW games, gambling for longer in the few LDW game (P = 0.007). For low-risk gamblers, the quadratic contrast was not significant, P = 0.032. CONCLUSIONS: Multi-line slots contain outcomes in which one gains less than the original wager (losses disguised as wins or LDWs). Moderate (versus few and high) proportions of LDWs appear to make higher-risk players gamble for longer despite financial loss.
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 | 0,000 | 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».