Exploring the association between loot boxes and problem gambling: Are video gamers referring to loot boxes when they complete gambling screening tools?
Notice bibliographique
Résumé
Concerns regarding the similarities between video game 'loot boxes' and gambling have been supported by correlations in survey studies between loot box engagement and problem gambling scores. It is generally noted that this correlation could reflect loot box users migrating to conventional gambling, and/or people with gambling problems being attracted to loot boxes when they play video games. We describe a third possibility, that when gamers complete problem gambling screens they may be referring to harms incurred from their loot box use. Using three secondary datasets from cross-sectional online surveys, we explore this account in two ways. First, in participants who do not endorse any participation in conventional forms of gambling, we compare rates of positive (i.e. non-zero) scores on the Problem Gambling Severity Index (PGSI) in participants with and without loot box use. Second, noting that some PGSI items have less relevance to loot box use versus gambling, we compare endorsement rates of individual PGSI items, in gamers versus gamblers, and loot box users vs non-loot box users (focusing on item 3 "going back another day to win back the money you lost"). In analysis 1, positive PGSI scorers among non-gamblers were significantly elevated in loot box users vs non-loot box users, although absolute numbers were low overall. In analysis 2, there were no reliable differences (gamers vs gamblers, loot box users vs non-loot box users) in PGSI item 3 endorsement rates. We conclude that these results provide partial support for this third option, and highlight a need for future studies to consider this possibility more directly.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».