A Critical Analysis of Interventions for Women Harmed by Others’ Gambling
Notice bibliographique
Résumé
At present, gambling studies literature has multiple understandings of family and others affected (FAOs) by gambling harm and their support needs in play, each with different possibilities and constraints for harm reduction engagement with women. Individual psychological approaches have been privileged, eschewing the social and relational situation of gambling and harm in women’s lives. In Australasia, the majority of those seeking support in relation to a significant others’ gambling are women. Gender has been posited as a shaping force in the social stratification system, distribution of resources, and gambling and harm within society. There has been minimal engagement with the lived experiences of FAOs, which limits gambling harm reduction service development and planning. This research critically engaged with gambling harm reduction studies for FAOs, alongside interviews with eight women FAOs who presented to community services from a social constructionist perspective. The aim was to provide insight into how women FAOs position themselves and their support needs in relation to gambling harm and recovery. Data was analysed using thematic analysis informed by feminist poststructuralist theories of language. Results suggested that this small group of women were subject to intersecting patriarchal constraints and economic determinants of gambling harm. Powerful normative and moral constructions of ‘good/bad’ mothers operated to individualise some women’s responsibility for addressing harm in families and to alienate these women from gambling support services. These findings suggest that gambling services must support women and families in ways that go beyond personal functioning, extending into the social and political conditions of possibility for harm and recovery. Critical psychology and coherent gender analysis may offer opportunities to expand the role of gambling support to include advocacy, community development, and more client-led and gender-aware practice with women affected by gambling harm.
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 | 0,024 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,018 | 0,018 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,003 | 0,009 |
| Intégrité de la recherche | 0,004 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».