Return Rates of Online Slot Machines in Trial Mode Influence Players’ Errors of Estimation
Notice bibliographique
Résumé
In the present study, we aimed to evaluate the impact of an exaggerated return rate on players’ errors of estimation and irrational beliefs. Conventional return rates for slot machines are set around 92%, whereas online gambling websites often use much higher return rates during demonstration (demo) play. Seventy college students were randomly assigned to play a virtual slot machine programmed to reflect a 92% return rate (control group) or a 180% return rate (experimental group). They completed self-reported measures of errors of estimation (e.g., chances of winning and losing) and irrational beliefs (e.g., having already won guarantees future wins) before and after playing a virtual slot machine for 10 min. Results from mixed 2 x 2 analyses of variance revealed statistically significant differences in errors of estimation (i.e., chances of winning, chances of winning the jackpot, chances of neither winning nor losing) between the experimental and control groups. Furthermore, participants estimated having less chance of losing during a slot machine session after exposure to the exaggerated return rate. Given the fact that many online gambling websites use similar exaggerated return rates during the demo period of their virtual slot machines, the present results suggest that this tactic may incite players to behave differently than they would otherwise during a gambling session. Implications for responsible gambling strategies are discussed.RésuméLa présente étude visait à évaluer l’impact d’un taux exagéré de retour sur les erreurs d’estimation et les croyances irrationnelles des joueurs. Les taux de retour conventionnels pour les machines à sous sont établis à environ 92%, tandis que les sites de jeux en ligne utilisent souvent des taux de retour beaucoup plus élevés dans les démonstrations de jeux. Soixante-dix étudiants universitaires ont été assignés au hasard à une machine à sous virtuelle programmée qui reflète un taux de retour de 92 % (groupe témoin) ou une autre affichant un taux de retour de 180 % (groupe expérimental). Ils ont complété des mesures auto-déclarées des erreurs d’estimation (p. ex., les chances de gagner et de perdre) et des croyances irrationnelles (p. ex., avoir déjà gagné garantit des gains futurs) avant et après avoir joué à une machine à sous virtuelle pendant 10 minutes. Les résultats d’analyses de la variance (mixte 2 x 2) ont révélé des différences statistiquement significatives dans les erreurs d’estimation (c’est-à-dire les chances de gagner, les chances de gagner le jackpot, les chances de ne pas gagner ni de perdre) entre le groupe expérimental et le groupe témoin. De plus, les participants ont estimé avoir moins de chances de perdre pendant une séance de machine à sous après avoir été exposés au taux de retour exagéré. Étant donné que de nombreux sites de jeux en ligne utilisent des taux de retour exagérés similaires pendant la démonstration de leurs machines à sous virtuelles, les résultats actuels suggèrent que cette tactique peut inciter les joueurs à se comporter différemment que pendant une séance de jeu avec une machine affichant un taux de retour conventionnel. On y aborde les conséquences pour les stratégies de jeu responsable.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,048 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».