Le recrutement dans la recherche sur le jeu avec des mises d'argent personnel
Notice bibliographique
Résumé
L’amélioration du réalisme des études en laboratoire est un défi pour les chercheurs du domaine des jeux de hasard et d’argent (JHA). Cette étude sonde donc l’intérêt des joueurs de poker, d’appareils de loterie vidéo (ALV) ou de jeux de table à miser leur argent personnel dans le cadre de futures études sur les JHA où les gains et les pertes seraient réels. Les participants ont répondu à des questionnaires portant sur les caractéristiques sociodémographiques, la sévérité de problème de jeu ainsi que l’intérêt à participer à différents projets de recherche, conformément à leurs habitudes de jeu, impliquant des mises d'argent personnel. Un total de 86 participants sur 174 a accepté de parier son argent personnel pour au moins un des projets présentés. Lorsqu’une compensation financière garantie est offerte, 50 participants ayant initialement refusé changent d’avis. Il ressort que jouer au poker sur table et miser des montants mensuels élevés dans le jeu permettent de prédire l’acceptation de miser son argent personnel dans une étude en laboratoire sur les JHA. Les résultats portent à croire que des futures études testant l’efficacité de mesures préventives pourraient être réalisées avec des mises d’argent personnel et auprès de joueurs impliqués dans le jeu.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».