MétaCan
Menu
Retour à la cohorte
Enregistrement W3027038999 · doi:10.4309/jgi.2020.44.5

GamTest: Psychometric Evaluation in a Low-Gambling General Population

2020· article· en· W3027038999 sur OpenAlexvenueno aff
David Forsström, Philip Lindner, Markus Jansson‐Fröjmark, Hugo Hesser, Per Carlbring

Notice bibliographique

RevueJournal of Gambling Issues · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueGambling Behavior and Treatments
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychologyConfirmatory factor analysisInternal consistencyPopulationHumanitiesSocial psychologyClinical psychologyPsychometricsStructural equation modelingStatisticsDemographySociologyMathematics

Résumé

récupéré en direct d'OpenAlex

Instruments that investigate different aspects of gambling activities are needed to distinguish negative consequences. Because gambling is a complex activity that occurs both offline and online, different questionnaires are necessary for screening and risk classification. GamTest, an instrument used by several gambling companies, was designed to cover different aspects of gambling: money and time spent, as well as social, financial, and emotional consequences. This study explores GamTest’s psychometric properties in a general population. A total of 2,234 Swedish respondents completed an online survey containing demographic questions, the questionnaire (GamTest), and the Problem Gambling Severity Index (PGSI). A confirmatory factor analysis was performed and GamTest’s reliability and validity tested. The confirmatory factor analysis yielded an inclusive fit. The internal consistency (omega) for the five factors was high (.79–.91), indicating good reliability, and a high positive correlation with the PGSI supported the validity of the GamTest. The inclusive fit of the confirmatory factor analysis can be explained by the low endorsement of negative consequences of gambling in the sample. However, GamTest seems to have good reliability and validity. The utility of GamTest is discussed in relation to its psychometric properties and its use in the responsible gambling tool Playscan.RésuméPour être en mesure d’évaluer les conséquences négatives du jeu, il nous faut des instruments qui étudient différents aspects de ces activités. Comme le jeu est une activité complexe qui se déroule à la fois hors ligne et en ligne, différents questionnaires sont nécessaires à des fins de dépistage et de classification des risques. Le GamTest est un instrument utilisé par plusieurs entreprises de jeux d’argent. Il a été conçu pour couvrir différents aspects du jeu: l’argent dépensé et le temps passé, ainsi que les conséquences sociales, financières et émotionnelles. Cette étude explore les propriétés psychométriques du GamTest dans une population en général. Au total, 2234 Suédois ont répondu à un sondage en ligne contenant des questions démographiques, le questionnaire (GamTest) et l’indice de gravité du jeu problématique. Une analyse factorielle de confirmation a été effectuée. La fiabilité et la validité du GamTest ont également été testées. L’analyse factorielle de confirmation a donné un ajustement inclusif. La cohérence interne (Omega) pour les cinq facteurs était élevée (0,79 à 0,91) indiquant une bonne fiabilité. Une corrélation positive élevée avec l’IGPJ a confirmé la validité du GamTest. L’ajustement inclusif de l’analyse factorielle peut s’expliquer par le faible endossement des conséquences négatives du jeu dans l’échantillon. Cependant, le GamTest semble être fiable et valide. L’utilité du Gamtest est abordée sous l’angle de ses propriétés psychométriques et de son utilisation dans l’outil de jeu responsable Plyscan.

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 enseignants0,054
Score d'incertitude au seuil0,766

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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)0,0000,000

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 Opus0,432
Tête enseignante GPT0,503
Écart entre enseignants0,071 · 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

Citations7
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

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