Using deliberate mind-wandering to escape negative mood states: Implications for gambling to escape
Notice bibliographique
Résumé
BACKGROUND AND AIMS: Slot machines are a pervasive form of gambling in North America. Some gamblers describe entering "the slot machine zone"-a complete immersion into slots play to the exclusion of all else. METHODS: We assessed 111 gamblers for mindfulness (using the Mindful Attention Awareness Scale (MAAS)), gambling problems (using the Problem Gambling Severity Index (PGSI)), depressive symptoms (using the Depression, Anxiety, and Stress Scale), and boredom proneness (using the Boredom Proneness Scale). In a counterbalanced order, participants played a slot machine simulator and completed an auditory vigilance task. During each task, participants were interrupted with thought probes to assess whether they were: on-task, spontaneously mind-wandering, or deliberately mind-wandering. After completing each task, we retrospectively assessed flow and affect. Compared to the more exciting slots play, we propose that gamblers may use deliberate mind-wandering as a maladaptive means to regulate affect during a repetitive vigilance task. RESULTS: Our key results were that gamblers reported greater negative affect following the vigilance task (when compared to slots) and greater positive affect following slots play (when compared to the vigilance task). We also found that those who scored higher in problem gambling were more likely to use deliberate mind-wandering as a means to cope with negative affect during the vigilance task. Using hierarchical multiple regression, we found that the number of "deliberately mind-wandering" responses accounted for unique variance when predicting problem gambling severity (over and above depression, mindfulness, and boredom proneness). CONCLUSIONS: These assessments highlight a potential coping mechanism used by problem gamblers in order to deal with negative affect.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».