MétaCan
Menu
Retour à la cohorte
Enregistrement W2994764135 · doi:10.4309/jgi.2019.43.3

Effects of Gambling on the Welfare of Nigerian Youths: A Case Study of Lagos State

2019· article· en· W2994764135 sur OpenAlexvenueno aff
Saidi Atanda Mustapha, Oluwafemi Sunday Enilolobo

Notice bibliographique

RevueJournal of Gambling Issues · 2019
Typearticle
Langueen
DomainePsychology
ThématiqueGambling Behavior and Treatments
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésUnemploymentYouth unemploymentWelfareTax revenuePopulationDemographic economicsEconomicsWelfare economicsLabour economicsEconomic growthSociologyDemographyPublic economics

Résumé

récupéré en direct d'OpenAlex

With the increasing rate of youth unemployment in the country, Nigeria’s youths have invested their time, money, and intrinsic efforts in several gambling avenues, such as Baba Ijebu, Naira Bet, Western Lotto Bet, and others. These commitments provide them with financial resources to meet daily expenses, augment low incomes arising from unemployment, and help mitigate the rising crime rate that results from the high unemployment rate. The overall unemployment rate for the population is 70%, and youth unemployment accounts for about 58%. This study examined the participation of youths in gambling in Lagos State and the effects of youth gambling on household welfare and spending. A two-stage survey design was used: a qualitative component comprising targeted focus group discussions and probit modelling to estimate the importance of the identified challenges. The results showed that Nigeria’s unemployed youths have an intense interest in gambling to sustain their income sources and to meet their daily spending needs. These activities have reduced crime rates orchestrated by youths, with rising displacement effects on household welfare and spending. Gambling thus has adverse effects on youth welfare. The authors recommend that the Lagos State Government embark on formalizing all gambling activities to protect gambling youths, as well as on strengthening tax revenue collection through the introduction of a “win tax.” RésuméLe Nigéria connaît un taux croissant de chômage chez les jeunes, et les jeunes Nigérians investissent leur temps et leur argent et consacrent d’intenses efforts dans plusieurs domaines de jeu tels que le Baba Ijebu, le Naira Bet, le Westen Lotto Bet, etc. pour tenter de couvrir leurs dépenses quotidiennes. Cela contribue à réduire le taux de criminalité qui aurait été important en raison du taux élevé de chômage qui est de 70 % pour l’ensemble de la population, et d’environ 58 % chez les jeunes. Compte tenu de ce taux élevé chez les jeunes dans le pays, l’étude a permis d’examiner le niveau de participation des jeunes aux jeux dans l’État de Lagos. On a en outre examiné les effets du jeu des jeunes sur le bien-être et les dépenses des ménages. Les méthodes utilisées dans l’étude incluent : un plan de sondage en deux étapes, une composante qualitative qui comprend les discussions de groupe ciblées et la modélisation probit pour estimer l’importance des défis recensés. L’étude révèle que les jeunes chômeurs nigérians ont tout intérêt à jouer pour préserver leur source de revenus et couvrir leurs dépenses quotidiennes. Ces activités ont contribué à réduire le taux de criminalité observé chez les jeunes, mais on a constaté des effets de déplacement croissants sur le bien-être et les dépenses des ménages. On conclut que le jeu a des effets néfastes sur le bien-être des jeunes et on recommande donc au gouvernement de l’État de Lagos d’encadrer de manière formelle toutes les activités de jeu afin de protéger les jeunes joueurs et de renforcer le recouvrement de recettes fiscales grâce à la mise en place d’un « impôt par gagnant ».

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,292
Score d'incertitude au seuil0,662

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,174
Tête enseignante GPT0,432
Écart entre enseignants0,257 · 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

Citations15
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

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