Measuring Gamblers’ Behaviour to Show That Negative Sounds Can Reveal the True Nature of Losses Disguised as Wins in Multiline Slot Machines
Notice bibliographique
Résumé
Losses disguised as wins (LDWs) are slot machine outcomes where players gain fewer credits than they wager. Despite being losses, slot machines celebrate LDWs with positive sounds and animations, leading gamblers to respond to them as wins. It is unknown how manipulating the sound following LDWs may influence gamblers' behaviour. In Experiment 1, participants played two conditions on a realistic slot machine simulator: a (standard) positive sound condition (LDWs paired with positive sound, losses paired with silence), and a negative sound condition (LDWs and losses paired with negative sound). We measured participants' behavioural responses [post-reinforcement pauses (PRPs)], win estimates, and subjective experience. In the negative sound condition, participants behaviourally responded to LDWs in a more loss-like and less win-like fashion, as measured by PRPs. Win estimates were reduced, and subjective experience was significantly impacted, but only when the negative sound condition was played second. In Experiment 2, we employed a much more subtle manipulation, pairing only LDWs with negative sound, and observed similar effects. Through these two experiments, we show that pairing LDWs with negative sound is an effective way to modify players' responses to LDWs, causing them to respond to them more like the losses they are, rather than the wins they seem.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».