Who makes in-play bets? Investigating the demographics, psychological characteristics, and gambling-related harms of in-play sports bettors
Notice bibliographique
Résumé
Background and aims: Sports betting has increased markedly in recent years, in part due to legislative changes and the introduction of novel forms of sports betting (e.g., in-play betting). Some evidence suggests that in-play betting is more harmful than other types of sports betting (i.e., traditional and single-event). However, existing research on in-play sports betting has been limited in scope. To address this gap, the present study examined the extent to which demographic, psychological, and gambling-related constructs (e.g., harms) are endorsed by in-play sports bettors relative to single-event and traditional sports bettors. Methods: Sports bettors (N = 920) aged 18+ from Ontario, Canada completed an online survey containing self-report measures of demographic, psychological, and gambling-related variables. Participants were classified as either in-play (n = 223), single-event (n = 533), or traditional bettors (n = 164) based on their sports betting engagement. Results: In-play sports bettors reported higher problem gambling severity, endorsed greater gambling-related harms across several domains, and reported greater mental health and substance use difficulties compared to single-event and traditional sports bettors. There were generally no differences between single-event and traditional sports bettors. Discussion: Results provide empirical support for the potential harms associated with in-play sports betting and inform our understanding of who may be at risk for increased harms associated with in-play betting. Conclusions: Findings may be important for the development of public health and responsible gambling initiatives to reduce the potential harms of in-play betting, particularly as many jurisdictions globally move towards legalization of sports betting.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».