Notice bibliographique
Résumé
According to the 2021 Worldwide Gambling Statistics website, more than a quarter of the population gambles, which means literally billions of people gamble at least once a year (Casino.org, 2021). However, despite the vast number of people gambling per year, there is a lack of research on how emotion regulation affects their perceptions and experiences of gambling. Thus, the aim of this study was to better understand the role of emotion regulation deficits in gambling. A survey was conducted to assess the relationship between frequency and type of gambling behavior and emotion regulation difficulties. The participants were gathered from the UCR Psychology Subject Pool (N = 195; after attention checks, N = 162). These participants were directed to a survey that assessed personal experiences and beliefs about gambling and their emotion regulation strategies and difficulties. Results from correlational analyses indicated that people who tend to use cognitive reappraisal (thinking differently to change their emotions), but not expressive suppression (hiding their emotions), gambled in a more controlled way. Suppression tendencies did not predict any gambling experience or belief. In addition, people who generally had greater difficulty regulating their emotions reported gambling less frequently and gambling in a more enjoyable and focused but also stressful way. The findings suggest that cognitive reappraisal may provide a benefit for individuals who gamble in moderation. Furthermore, those who struggle with regulating their emotions may experience gambling in different ways compared to those who struggle less with emotion regulation.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,003 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».