MétaCan
Menu
Retour à la cohorte
Enregistrement W2909023447 · doi:10.4309/jgi.2018.40.7

Optimal Public Policy for Government-Operated Gambling

2018· article· en· W2909023447 sur OpenAlexvenueno aff
Irwin Lipnowski, Austin McWhirter

Notice bibliographique

RevueJournal of Gambling Issues · 2018
Typearticle
Langueen
DomainePsychology
ThématiqueGambling Behavior and Treatments
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesHarmPublic policyPolitical scienceGovernment (linguistics)Welfare economicsSociologyPhilosophyEconomicsLaw

Résumé

récupéré en direct d'OpenAlex

This paper presents a framework for formulating the optimal public policy for government-operated gambling. The goal of public policy with respect to government-operated gambling is typically stated as “harm minimization.” This claim masks the possible trade-off between an increase in social harm (H) and the government’s incremental net revenue (R) from increased gambling activity. Using a graphical approach, we depict first the feasible combinations of H and R, and then identify the combinations that could be classified as efficient, thereby allowing the minimum social harm for any given level of the government’s incremental net revenue from gambling. We indicate how the optimal combination of H and R could be identified and realized in both the short and long run. We then utilize the body of research on gambling and its effects to qualify what this trade-off operates in the real world.RésuméCe document présente un cadre pour l’élaboration d’une politique publique optimale encadrant les jeux de hasard gérés par le gouvernement. L’objectif d’une politique publique en matière de jeu géré par le gouvernement vise généralement une « minimisation des méfaits ». Cela permet de dissimuler le compromis possible entre une augmentation des dommages sociaux (H) et le revenu net supplémentaire du gouvernement (R) provenant d’une augmentation des activités de jeu. À l’aide d’une approche graphique, nous décrivons d’abord les combinaisons possibles entre les méfaits sociaux et les revenus (H et R), puis nous identifions les combinaisons « efficaces », ce qui permet de réduire au minimum les méfaits pour la société à tout niveau des revenus nets supplémentaires tirés du jeu par le gouvernement. Nous indiquons comment la combinaison optimale méfaits/revenus pourrait être établie et réalisée à court et à long terme. Nous utilisons ensuite le corpus de recherches sur le jeu et ses effets pour qualifier à quoi ressemble ce compromis dans le monde réel.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,619
Score d'incertitude au seuil0,904

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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,294
Tête enseignante GPT0,482
Écart entre enseignants0,188 · 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'étudeSans objet
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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

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