Safer gambling and consumer protection failings among 40 frequently visited cryptocurrency-based online gambling operators.
Notice bibliographique
Résumé
OBJECTIVE: Online gambling has increased the accessibility and range of gambling products available to people all over the world. This trend has been particularly noticeable in the United Kingdom. Cryptocurrency-based gambling is a new, largely unregulated, way to gamble online, which uses mostly anonymous blockchain-based technologies, such as Bitcoin. The present research investigated consumer protection features of 40 frequently visited and U.K.-accessible cryptocurrency-based online gambling operators. METHOD: A content analysis was performed by visiting all 40 cryptocurrency-based online operators and recording their safer gambling and consumer protection practices. Coded features included aspects of the sign-up process, features of any safer gambling pages, customer support practices, and Identity verification. RESULTS: Results revealed significant failings in the account registration process; none of the operators verified the identity of new users, and 35% required only an email or no personal information for sign-up. Overall, 37.5% of operators offered no safer gambling tools and a further 20% offered only one. Additionally, 64.7% of operators continued to email promotional material after being informed of a user's impaired control when gambling. Less than half of the analyzed operators held a valid license (47.5%), and none of the operators with an available deposit page required identity verification before enabling deposits. CONCLUSIONS: These results highlight the potential risks for young and vulnerable individuals, especially when a lack of identity verification is paired with the inherent anonymity of cryptocurrencies. Furthermore, it emphasizes the need for greater policy and research attention toward cryptocurrency-based online gambling. (PsycInfo Database Record (c) 2023 APA, all rights reserved).
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».