Examining drinking game harms as a function of gender and college student status.
Notice bibliographique
Résumé
Drinking game (DG) participation among young adults is widespread. Because heavy alcohol consumption is commonly associated with playing DGs, this activity presents a health risk for those who play. In the present study, we explored the most common negative DG consequences experienced by young adults and how DG consequences differed by gender and college status. Participants were young adult drinking gamers (N = 1,600; age 18-25; Mage = 22.6; 47% men; 41% noncollege students; 77% White) recruited from Amazon's Mechanical Turk. They completed an online anonymous survey which included items on the Brief Young Adult Alcohol Consequences Questionnaire that were modified to measure DG consequences experienced in the past month. Over half of the participants reported experiencing a hangover, saying/doing embarrassing things, having less energy, and feeling sick as a result of playing DGs. Using IRT analysis, we also found differential item functioning (DIF) on several items across gender and college status. We then created a short-form version of the DG consequences measure that excluded items demonstrating DIF, and based on this modified measure, we examined differences in severity of negative DG consequences as a function of gender and college status. Controlling for age, college status, DG frequency/consumption, and alcohol use on non-DG occasions, we found that men experienced slightly more DG consequences than women. Similar findings emerged for college students compared to noncollege students. This study is an important first step toward understanding who is most at risk for experiencing certain types of negative DG consequences and how researchers/practitioners could measure this construct. (PsycINFO Database Record (c) 2019 APA, all rights reserved).
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) | 0,001 | 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) | 0,003 | 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 ».