MétaCan
Menu
Retour à la cohorte
Enregistrement W4206516048 · doi:10.31234/osf.io/ynbmr

Push Outcomes Bias Perceptions of Scratch Card Games

2021· preprint· en· W4206516048 sur OpenAlexafffund
Alexander C. Walker, Madison Stange, Mike J. Dixon, Jonathan A. Fugelsang, Derek J. Koehler

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineDecision Sciences
ThématiqueDecision-Making and Behavioral Economics
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésScratchLotteryFeelingPsychologyOutcome (game theory)PerceptionAdvertisingSocial psychologyComputer scienceBusinessEconomics

Résumé

récupéré en direct d'OpenAlex

In the domain of scratch card gambling, “pushes” refer to outcomes in which a prize is won that is equal to the cost of a scratch card game. Despite resulting in no net monetary gain, these outcomes are categorized as wins by lottery operators, effectively inflating published scratch card information (e.g., posted odds of winning). Additionally, the experience of obtaining a push shares similarities (e.g., the revealing of matching symbols) with the experience of obtaining a win and thus may be experienced similarly to wins by gamblers. Across four studies (N = 1502), we examined the impact of push outcomes on participants’ perceptions of scratch card games. In Studies 1 and 2, participants reported feeling more likely to win, more excitement to play, and a stronger urge to gamble when presented with a scratch card that categorized push outcomes as wins compared to when presented a scratch card that did not categorize these outcomes as wins. In Study 3, participants experiencing a push outcome prior to a loss reported feeling more likely to win compared to those not experiencing a push outcome yet experiencing the same net monetary loss. In Study 4, push outcomes were found to elicit more excitement and a stronger urge to gamble compared to losses but less excitement and a weaker urge to gamble compared to wins. Overall, the present investigation suggests that push outcomes, a prevalent feature of scratch card games, can bias gambling-related judgments and increase the appeal of scratch card games.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,532
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0020,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,282
Tête enseignante GPT0,454
Écart entre enseignants0,172 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetDecision-Making and Behavioral EconomicsTravaux en français237 207