Training gamblers to re-think their gambling choices: How contextual analytical thinking may be useful in promoting safer gambling
Notice bibliographique
Résumé
BACKGROUND AND AIMS: Harmful gambling has been associated with the endorsement of fallacious cognitions that promote excessive consumption. These types of beliefs stem from intuitively derived assumptions about gambling that are fostered by fast-thinking and a lack of objective, critical thought. The current paper details an experiment designed to test whether a four-week online intervention to strengthen contextual analytical thinking in gamblers is effective in changing gamblers cognitions and encouraging safer gambling consumption. METHODS: Ninety-four regular gamblers who reported experiencing gambling-related harm were randomly allocated to either an experimental (n = 46) or control condition (n = 48), including 45 males, ranging from 19 to 65 years of age (M = 36.61; SD = 9.76). Following baseline measurement of gambling beliefs and prior week gambling consumption, participants in the experimental condition were required to complete an adaption of the Gamblers Fallacy Questionnaire designed to promote analytical thinking by educating participants on common judgement errors specific to gambling once a week for four weeks. Post-intervention measures of beliefs and gambling consumption were captured in week five. RESULTS: The experimental condition reported significantly fewer erroneous cognitions, greater endorsement of protective cognitions, and reduced time spent gambling post-intervention compared to baseline. The control group also reported a reduction in cognitions relating to predicting and controlling gambling outcomes. CONCLUSION: Cognitive interventions that encourage gamblers to challenge gambling beliefs by reflecting on gambling involvement and promoting critical thinking may be an effective tool for reducing the time people invest in gambling activities.
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 | 0,001 | 0,001 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».