MétaCan
Menu
← Retour à la cohorte
Enregistrement W4386755031 · doi:10.31234/osf.io/ejqdf

‘Chances are you’re about to lose’: new independent Australian safer gambling messages tested in UK and USA bettor samples

2023· preprint· en· W4386755031 sur OpenAlexfundno aff
Philip Newall, Jamie Torrance, Alex Russell, Matthew Rockloff, Nerilee Hing, Matthew Browne

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomainePsychology
ThématiqueGambling Behavior and Treatments
Établissements canadiensnon disponible
Organismes subventionnairesAlberta Gambling Research Institute, University of CalgaryGambleAwareDepartment of Families, Housing, Community Services and Indigenous AffairsQueensland GovernmentCentral Queensland UniversityAustralian GovernmentResponsible Gambling FundDepartment of Social Services, Australian GovernmentGambling Research Exchange OntarioGovernment of South AustraliaMovember Foundation
Mots-clésSAFERContext (archaeology)Government (linguistics)JurisdictionPsychologyAdvertisingArgument (complex analysis)Set (abstract data type)Social psychologyAction (physics)PerceptionPublic relationsPolitical scienceBusinessComputer securityLawMedicineComputer science

Résumé

récupéré en direct d'OpenAlex

Current industry-developed safer gambling messages such as ‘Take time to think’ and ‘Gamble responsibly’ have been criticized as ineffective slogans. As a result, Australia has recently introduced seven independently-developed safer gambling messages. The UK Government intends to introduce independently-developed messages from 2024 onwards, and this measure could be similarly appropriate for the US states where sports betting has been legalized and gambling advertising has become pervasive. Given this context, the current study recruited race and sports bettors from the UK and USA to elicit their perceptions of the seven Australian safer gambling messages. Participants (N = 1,865) rated on a Likert-scale seven newly introduced messages and two existing ones (‘Take time to think’ and ‘Gamble responsibly’) using seven evaluative statements. Participants also reported their levels of problem gambling severity. For most statements in both jurisdictions, the new messages performed significantly better than the existing ones. Specifically, the new messages were deemed more attention grabbing, applicable on a personal level, helpful to gamblers, and more likely to encourage cutbacks in gambling. The message that included a specific call to action (‘What are you prepared to lose today? Set a deposit limit’) was one of the best performing messages. Interaction effects observed in relation to jurisdiction, age, gender, and problem gambling severity were generally small enough to counteract the argument that different populations might benefit from substantially different messages. These findings add to previous research on the independent design of effective safer gambling messages.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,028
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,047
Score d'incertitude au seuil0,094

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,028
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,341
Tête enseignante GPT0,452
Écart entre enseignants0,111 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetGambling Behavior and Treatments→Travaux en français237 207→