Advertising slogans in the gambling industry: content analysis informed by the heuristics and biases literature
Notice bibliographique
Résumé
In this paper, we analyse the contents of over a thousand gambling slogans. We identify several features considered in the literature that the slogans might capitalize on. In particular, we investigate heuristics and biases analyzed in the behavioural economics of decision making under risk, such as the gambler’s fallacy. We then employ factor analysis to identify the main types of heuristics and biases showing up in the analyzed slogans. We find three naturally interpretable factors and show that they intuitively correlate with the type of game each slogan advertised. We also construct an index of potentially dangerous features a slogan might have and show that their use subsided slightly in the UK after the Industry Code for Socially Responsible Advertising was implemented in 2007.RésuméCet article porte sur l’analyse de plus d’un millier de slogans sur les jeux de hasard. Nous retrouvons dans ces slogans de nombreuses caractéristiques évoquées dans la littérature sur le sujet, en particulier les heuristiques et biais analysés en économie comportementale dans la prise de décision en situation de risque, comme l’illusion du joueur. Au moyen d’une analyse factorielle, nous dégageons les trois principaux types d’heuristiques et de biais qui se manifestent dans les slogans étudiés. Nous décelons ensuite trois facteurs interprétables et démontrons leurs corrélations intuitives avec le type de jeu dont chaque slogan fait la promotion. Enfin, nous proposons un index des caractéristiques potentiellement dangereuses des slogans sur les jeux de hasard et démontrons que l’emploi de ceux-ci a diminué légèrement au Royaume-Uni après l’adoption du Gambling Industry Code for Socially Responsible Advertising en 2007.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 ».