Between-session chasing of losses and wins in an online eCasino
Notice bibliographique
Résumé
Continued gambling despite negative consequences, commonly known as ‘chasing’, is a defining feature of disordered gambling. Yet chasing is also a complex and multi-faceted behavioural phenotype; for example, gamblers may chase winning outcomes as well as losses. This study characterized between-session chasing behavior in a large naturalistic dataset of online gambling data, comprising 1,909,681 eCasino sessions played by 15,544 individuals on PlayNow.com, the provincial online gambling platform in British Columbia, Canada. Analyses distinguished sessions on slot machines (as the reference category), blackjack, roulette, video poker, probability games, or mixed sessions. Overall, gamblers returned more slowly after losing sessions, and more quickly after winning sessions, across most product categories. For every standard deviation increase in the prior session net loss, slot machine gamblers took 8.59% longer to return to the website (b = 0.08, p < .001). For every standard deviation increase in the prior session net win, slot machine gamblers returned 6.68% faster (b = -0.07, p < .001). Loss chasing intensities in blackjack, probability, video poker, and mixed sessions did not differ significantly from slot machine sessions, but roulette was associated with a shorter interval to return (b = -0.13, p < .001). Similarly, win chasing intensities across blackjack, probability games, and video poker did not differ significantly from slot machine sessions, but roulette (b = -0.08, p < .001) and mixed (b = -0.02, p = 0.009) sessions were associated with shorter intervals to return. Average behavioural patterns provide limited evidence for loss chasing in the interval between sessions, but gamblers return faster after larger wins. Although slot machines are commonly considered as high-risk gambling products, in our analyses online roulette was associated with the greatest chasing intensities.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».