Neighbourhood contexts and opportunities for youth gambling in Montréal, Québec
Notice bibliographique
Résumé
De plus en plus les jeux de hasard sont devenus une forme de divertissement accessible et acceptable. La légalisation du jeu au Canada a généré quelques 12,9 milliards de dollars de recettes pour le trésor public en 2005. On estime que plus de 70% de la population adulte et presque autant de jeunes s'adonnent au jeu de hasard dans une année donnée. Source de divertissement et de revenu gouvernemental, le jeu est un problème émergeant au chapitre de la santé publique et au cœur de nombreux problèmes sociaux et de santé. Les appareils de loterie vidéo (ALV) sont parmi les jeux de hasard les plus populaires et controversés au Québec et au Canada. Les ALV inquiètent du fait de leur prolifération auprès des jeunes et du lien entre abus de jeu et problèmes de santé et sociaux. Ce travail de recherche s'encadre dans les domaines de la géographie de la santé et de la santé des populations en conceptualisant le jeu en tant que comportement compris et expliqué par les caractéristiques des individus et celles de leurs environnements sociaux et physiques. Les objectifs de cette recherche sont: décrire la distribution sociospatiale des occasions de jeux de hasard dans le voisinage des écoles secondaires à Montréal; modéliser l'accès aux ALV chez les jeunes à Montréal en tant que fonction des caractéristiques individuelles et sociales; approfondir notre compréhension des raisons pour lesquelles les jeunes s'adonnent aux jeux de hasard et des normes sociales qui le favorisent. L'analyse de la distribution des opportunités de jouer aux ALV (n=400), des écoles secondaires (n=305) et des conditions socioéconomiques des quartiers de la ville et de la banlieue de Montréal a révélé que les accès aux ALV
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».