Strategies to customize responsible gambling messages: a review and focus group study
Notice bibliographique
Résumé
BACKGROUND: Responsible gambling messages are widely used as a tool to enable informed choice and encourage appropriate gambling behavior. It is generally accepted that gamblers have different levels of risk of developing gambling problems and require various harm minimization tools and resources. Therefore, it is reasonable to expect that responsible gambling messages should be customized and target specific groups of gamblers. This project aimed to understand hypothesized differences between cohorts of gamblers and receive qualitative feedback on archetypal targeted messages used to increase use of responsible gambling tools. METHODS: Focus groups were held to test messages for specific cohorts: young adults (18-24 years), seniors (60+ years), frequent gamblers (weekly), and gamblers of skill-based games (poker, sports betting). RESULTS: Cohorts exhibited different preferences and responses to message archetypes. Seniors preferred messages about limit setting, whilst young adults and frequent gamblers responded to messages about their own play and expertise. Skill game gamblers were interested in the odds of winning and their own outcomes over time. However, all groups agreed that using positive, non-judgmental language in messaging is important. CONCLUSIONS: This research makes an important contribution to the field by demonstrating that the wording of message content will likely influence the effectiveness of such messages differentially across various groups of gamblers for engaging gamblers in harm reduction tools. Guidance is provided on themes that can be used by public health marketers.
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 | 0,006 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».