Applying Self-Coding to the Measurement of Self-Generated Video Gaming and Gambling Memory Associations
Notice bibliographique
Résumé
Recently the use of implicit memory associations has expanded in the addiction literature to include the assessment of video gaming and gambling. However, the issue with memory associations lies in the open-ended nature of the answers that must be coded, which is often labour-intensive, costly, and where the ambiguity cannot always be resolved. The present study evaluates participant self-coding of memory associations versus researcher coding in the assessment of memory associations for video gaming and gambling. A sample of 3,176 Canadian adults were asked to produce responses to ten ambiguous words and ten potential behavioural associations for engagement in video gaming or gambling. Participants were subsequently asked to classify what categories their responses belonged to, including video gaming and gambling. Consistent with the literature on alcohol and marijuana memory associations, self-coded scores for video gaming and gambling were significantly higher than scores coded by the researchers, had significantly higher correlations with self-reported behaviours, and significantly improved the prediction of video gaming and gambling behaviours.Résumé L’utilisation des associations de la mémoire implicite comprend depuis peu l’évaluation des jeux vidéo et des jeux de hasard dans le vocabulaire de la dépendance. Le problème des associations de la mémoire réside toutefois dans le caractère ouvert des réponses qui doivent être codées, ce qui est souvent à haute intensité de main-d’œuvre et coûteux. De plus, il est parfois impossible de résoudre l’ambiguïté. La présente étude évalue l’autocodage par les participants des associations de la mémoire par rapport au codage effectué par le chercheur dans le cadre des jeux vidéo et des jeux de hasard. On a demandé à un échantillon de 3 176 Canadiens d’âge adulte de répondre à dix mots ambigus et dix associations comportementales potentielles en rapport avec la participation à des jeux vidéo ou des jeux de hasard. On leur a ensuite demandé de classer leurs réponses dans différentes catégories, y compris les jeux vidéo et les jeux de hasard. Tout comme dans la documentation sur les associations de mémoire dans le domaine de l’alcool et de la marijuana, les pointages autocodés pour les jeux vidéo et les jeux de hasard étaient considérablement plus élevés que ceux codés par les chercheurs, faisaient l’objet d’une corrélation beaucoup plus élevée avec des comportements autodéclarés, et amélioraient considérablement la prédiction de comportements liés aux jeux vidéo et aux jeux de hasard.
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 | 0,008 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».