MétaCan
Menu
Retour à la cohorte
Enregistrement W2906439198 · doi:10.4309/jgi.2018.40.2

Self-exclusion and imposed exclusion as strategies for reducing harm: Data from three Swiss Casinos

2018· article· en· W2906439198 sur OpenAlexvenueno aff
Suzanne Lischer

Notice bibliographique

RevueJournal of Gambling Issues · 2018
Typearticle
Langueen
DomainePsychology
ThématiqueGambling Behavior and Treatments
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSocial exclusionHarmPsychologySample (material)Social psychologyInterdictionMarketingAdvertisingBusinessPolitical scienceEngineeringLaw

Résumé

récupéré en direct d'OpenAlex

Swiss gambling legislation is unique in that it includes health concerns and obligations for gambling operators. Specifically, the operators are required to provide social measures for the prevention of problem gambling. Moreover, gamblers with financial problems must either be banned from all casinos in Switzerland or exclude themselves. This study examines the reasons that lead to the application for a voluntary exclusion. It also considers to what extent excluded gamblers circumvent their respective prohibitions. Furthermore, it aims to identify the self-reported reasons why gamblers seek to lift the exclusion. The present study is the first of its kind to examine these questions, using data provided from three Swiss Casinos. A first step in the study involved analyzing the data obtained by trained Shift Managers during interviews with 8,170 gamblers, with the interviews taking place between 2006 and 2015. An invalidated casino questionnaire, based on DSM-IV criteria, was also completed by 3,650 participants from this sample. A second step involved evaluating forms. These forms were the documents completed during interviews with 1,005 gamblers who had successfully applied to have their interdiction terminated, with the person responsible for implementing social measures completing the forms. The findings indicated that most players had found other ways to gamble, during the exclusion period. The main reason gamblers gave for wishing to remove their ban was wanting to be able to visit a casino again. The possible reasons for this discovery are discussed, alongside the benefits and drawbacks of using industry-generated data.Résumé La législation suisse sur les jeux est unique en ce sens qu’elle inclut les problèmes de santé et des obligations pour les opérateurs de jeux. Plus précisément, ces derniers sont tenus de prévoir des mesures sociales pour prévenir la dépendance au jeu. De plus, les joueurs qui ont des problèmes financiers doivent soit être exclus de tous les casinos suisses, soit s’en exclure de manière volontaire. Cette étude examine les raisons qui sous-tendent la demande d’exclusion volontaire. Elle examine également dans quelle mesure les joueurs exclus contournent leur exclusion et elle vise à déterminer les raisons invoquées par les joueurs pour demander la levée de l’exclusion. La présente étude est la première du genre à examiner ces questions, en utilisant les données fournies par trois casinos suisses. Une première étape de l’étude a consisté à analyser les données obtenues auprès de 8 170 joueurs par des chefs de quart qualifiés, entre 2006 et 2015. De cet échantillon, 3 650 participants ont également répondu à un questionnaire non validé sur les casinos, basé sur les critères du DSM-IV. Une deuxième étape a consisté à évaluer les formulaires que la personne responsable de l’application des mesures sociales avait remplis lors d’entretiens auprès de 1 005 joueurs qui avaient réussi à faire lever leur exclusion. Les résultats indiquent que la plupart des joueurs ont trouvé d’autres moyens de jouer pendant la période d’exclusion. La principale raison invoquée par les joueurs pour la levée de leur exclusion est qu’ils souhaitaient pouvoir se rendre à nouveau dans un casino. Nous discutons des raisons possibles de cette situation, ainsi que des avantages et des inconvénients de l’utilisation de données générées par le secteur.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,348
Score d'incertitude au seuil0,812

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,352
Tête enseignante GPT0,486
Écart entre enseignants0,133 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Gambling IssuesMême sujetGambling Behavior and TreatmentsTravaux en français237 207