When should players be taught to gamble responsibly? Timing of educational information upregulates responsible gambling intentions
Notice bibliographique
Résumé
Educating gamblers about responsible gambling (RG) practices (e.g. setting and adhering to a pre-set money limit) plays a central role in minimizing the harms associated with electronic gaming machine (EGM) play. However, little is known about when such educational information is best presented. Herein, using the principle of active learning, we tested the idea that players’ intentions to gamble responsibly will be heightened if RG educational information is provided in advance of (as opposed to following) a RG-related decision. To this end, a community sample of EGM players who were at a gaming venue (N = 98) were recruited to play an ostensibly real virtual reality slot machine and complete a survey prior to their planned gambling session. Participants were shown a RG-oriented educational animation just prior to initiating play or in advance of making a decision about whether to continue playing after their money limit was reached. As predicted, players who viewed the educational animation in advance of a RG-related decision about continuing play were more likely to express an intention to set a money limit in their upcoming gambling session at the gaming venue. Disordered gambling symptomatology moderated this effect—players low (compared to those high) in disordered gambling symptomatology expressed greater intention to set a money limit when the educational animation was viewed directly in advance of making a RG-related decision. Results suggest that learning RG actively (i.e. pairing RG education with its associated behavior, in vivo) can increase players’ intention to gamble responsibly.
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 | 0,000 | 0,005 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».