Between two worlds: Exploring esports betting in relation to problem gambling, gaming, and mental health problems
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND AND AIMS: Esports betting is an emerging gambling activity where individuals place bets on an organized video gaming competition. It represents only one of several gambling activities commonly endorsed by adolescents. To date, limited research has explored the relationship between esports betting and mental health among adolescents and its convergence with both problem gambling (PG) and problem video gaming (PVG). The present study examined the relation between esports betting, PG and PVG, and both externalizing and internalizing problems among adolescents while accounting for adolescents' video gaming intensity (i.e., how often they play 2 h or more in a day) and engagement in other gambling activities. METHODS: Data was collected from 6,810 adolescents in Wood County, Ohio schools. A subset of 1,348 adolescents (M age = 14.67 years, SD = 1.73, 64% male) who had gambled and played video games during the past year were included in the analyses. RESULTS: Approximately 20% (n = 263) of the included sample had bet on esports during the past year. Esports betting was positively correlated with other forms of gambling, both PG and PVG, and externalizing behaviors. Mediation analyses revealed esports betting was associated to both internalizing and externalizing problems through PVG and not PG. CONCLUSIONS: Esports betting may be particularly appealing to adolescents who are enthusiastic video gamers. As such, regulators must be vigilant to ensure codes of best practices are applied to esports betting operators specifically for underaged individuals.
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.
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 | 0,001 | 0,001 |
| 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 | 0,000 |
| 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 découle