Validating the GMQ-F in a Canadian Sample of University Students
Notice bibliographique
Résumé
This study assesses the psychometric properties of the Gambling Motivation Questionnaire for Financial Motivations (GMQ-F) in a Canadian sample of emerging adult university students. Confirmatory factor analysis was first used to test a 16-item GMQ-F for model fit, and then multiple regression analysis was used to test the predictive utility of the four subscales/factors. Results confirmed that the GMQ-F is a valid and reliable measure of university student gambling motivations, in accordance with the four-factor structure proposed by Dechant (2014) despite poor initial results. Regression results were mixed: Three of the four subscales (enhancement, social, and coping) were significant predictors of problem gambling and gambling variety, only the enhancement and coping subscales were significant predictors of gambling frequency, and none of the subscales significantly predicted average monthly expenditure on gambling. The implications of this study support further refinement of the GMQ-F, as differing results from the current study and from prior work on normative samples point to a different reliance on motivational categories or different motivational categories entirely.RésuméCette étude évalue les propriétés psychométriques de l’échelle de motivations financières relatives aux jeux de hasard et d’argent (GMQ-F) auprès d’un échantillon canadien d’étudiants universitaires jeunes adultes. La première analyse factorielle confirmatoire (AFC) a été utilisée pour tester l’ajustement du modèle du GMQ-F à 16 éléments, puis une régression multiple a été utilisée pour tester l’utilité prédictive des quatre sous-échelles/facteurs. Les résultats ont confirmé que le GMQ-F est une mesure valide et fiable des motivations au jeu des étudiants universitaires, suivant la structure à quatre facteurs proposée par Dechant (2014), malgré de faibles résultats initiaux. Les résultats de la régression étaient mitigés : trois des quatre sous-échelles (amélioration, aspect social et adaptation) étaient des prédicteurs significatifs du jeu problématique et de la variété de jeu; tandis que seules l’amélioration et l’adaptation étaient des prédicteurs significatifs de la fréquence du jeu. Aucune des sous-échelles n’a prédit de manière significative les dépenses mensuelles moyennes consacrées aux jeux de hasard. Ce projet a pour effet d’encourager une amélioration du GMQ-F, car la différence des résultats entre l’étude actuelle et des travaux antérieurs sur des échantillons normatifs indique une dépendance différente à l’égard des catégories de motivation, voire différentes catégories de motivation entièrement.
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 | 0,001 | 0,000 |
| 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 | 0,000 |
| 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) | 0,000 | 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 ».