The Effect of Losses Disguised as Wins and Near Misses in Electronic Gaming Machines: A Systematic Review
Notice bibliographique
Résumé
Near misses and losses disguised as wins have been of interest to gambling researchers and policymakers for many years (e.g., Griffiths in J Gambl Stud 9(2):101-120, 1993). This systematic literature review describes the behavioural, psychological, and psychobiological effects of near misses and losses disguised as wins (LDWs) in an effort to evaluate their precise influence on the player and to highlight areas requiring further investigation. A systematic search for relevant studies was conducted using Scopus, PubMed, PsycINFO, ProQuest Sociology databases, and the Gambling Research Exchange Ontario Knowledge Repository. A total of 51 (from an initial pool of 802) experimental peer-reviewed studies using human participants were found between 1991 and 2015. The systematic review revealed that near misses motivate continued play, but have varying effects on the emotional state or betting behaviour of the player. Near miss events were also shown to be associated with elevated skin conductance levels and diffuse activity across the brain, most consistently in areas processing reinforcement and reward. Re-examination of the studies of near misses events after classifying the type of game feedback suggested that the effectiveness of near misses is related to the phenomenology of a near miss itself rather than as a response to auditory or visual feedback provided by a slot machine. In contrast to near misses, the presence of LDWs was found to relate to an overestimation of how much a player is actually winning and was consistently viewed as an exciting event. The effect of LDWs appears to be driven by the presence of visuals and sounds most often associated with a true win. Practical implications and directions for future research are also discussed.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| Bibliométrie | 0,000 | 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 | 0,000 | 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 ».