MétaCan
Menu
Retour à la cohorte
Enregistrement W2982458677 · doi:10.4309/jgi.2019.43.2

A Behaviour Sequence Analysis of Young People and Gambling-Related Harm

2019· article· en· W2982458677 sur OpenAlexvenueno aff
David Keatley, Adrian Parke, Ellen Townsend, Claire Markham, David D. Clarke

Notice bibliographique

RevueJournal of Gambling Issues · 2019
Typearticle
Langueen
DomainePsychology
ThématiqueGambling Behavior and Treatments
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHarmPsychologyIntervention (counseling)Social psychologyHumanitiesPsychiatry

Résumé

récupéré en direct d'OpenAlex

Gambling is a worldwide issue that requires continued, extensive investigation. Most people have gambled at some point in their lives, and many do so without incurring problems. However, a number of individuals do experience gambling-related harm, and understanding the pathways or life histories these individuals have experienced may elucidate how and why their gambling became harmful. The current research uses a novel method, Behaviour Sequence Analysis, to understand the temporal pathways that young people experience when first gambling. Behaviour Sequence Analysis takes multiple qualitative accounts, first-person interviews in the current study, and collates the data into statistical pathway models that show the chains between behaviours and events. A sample of 66 participants provided details of their life experiences regarding what led them to first gamble. Results indicated that parents and peers had a large influence and were facilitators in the first-time gambling episode, which was expected. However, the results also showed that many participants suggested that receiving scratch cards in their birthday cards was their first experience of gambling, and this seemingly innocuous act was the first step towards a pathway into gambling-related harm. The findings, therefore, support previous literature, while highlighting a novel method for future research, and various key intervention points for which strategies could be developed to reduce the potential for developing gambling-related harm behaviours.RésuméLes jeux de hasard constituent un problème mondial qui nécessite des études approfondies et continues. La plupart des gens ont joué à un moment de leur vie et beaucoup le font sans problème. Cependant, un certain nombre de personnes subissent des préjudices liés au jeu. Comprendre les parcours ou les histoires de vie de ces personnes peut expliquer comment et pourquoi leur jeu est devenu préjudiciable. Les recherches actuelles utilisent une méthode innovante, la Behaviour Sequence Analysis (analyse séquentielle de comportement) pour comprendre les parcours temporels qu’empruntent les jeunes lorsqu’ils commencent à jouer. Cette forme d’analyse séquentielle se fonde sur plusieurs analyses qualitatives et des entretiens à la première personne, et les données sont regroupées dans des modèles de parcours statistique qui mettent en évidence les liens entre les comportements et les événements. Soixante-six participants ont fourni des détails sur leur première expérience de jeu et sur ce qui les a amenés à jouer la première fois. Les résultats indiquent que les parents et les pairs ont une grande influence sur le premier épisode de jeu, ce à quoi l’on s’attendait. Cependant, les résultats montrent également que de nombreux participants ont indiqué que des cartes à gratter en guise de cadeau d’anniversaire étaient leur première expérience de jeu, et que cet acte apparemment anodin était le premier pas dans une voie menant à une dépendance au jeu. Les résultats corroborent donc la littérature antérieure, tout en soulignant une méthode innovante pour les recherches futures et divers points d’intervention clé pour lesquels des stratégies pourraient être élaborées afin de réduire le potentiel de développement de comportements préjudiciables liés au jeu.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
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 Opus0,174
Tête enseignante GPT0,442
Écart entre enseignants0,267 · 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.

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

Citations4
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

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