MétaCan
Menu
Retour à la cohorte
Enregistrement W4387570699 · doi:10.1556/2006.2023.00055

Tracking online searches for gambling activities and operators in the United Kingdom during the COVID-19 pandemic: A Google Trends™ analysis

2023· article· en· W4387570699 sur OpenAlexfundno aff
Scott Houghton, Frédéric Boy, A. Paul Bradley, Richard J. E. James, Heather Wardle, Simon Dymond

Notice bibliographique

RevueJournal of Behavioral Addictions · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueGambling Behavior and Treatments
Établissements canadiensnon disponible
Organismes subventionnairesGambling Research Exchange Ontario
Mots-clésCoronavirus disease 2019 (COVID-19)Pandemic2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Tracking (education)Internet privacyPsychologyVirologyMedicineComputer scienceOutbreak

Résumé

récupéré en direct d'OpenAlex

Background: Whilst some research has explored the impact of COVID-19 on gambling behaviour, little is yet known about online search behaviours for gambling during this period. The current study explored gambling-related online searches before, during and after the outbreak of the COVID-19 pandemic in the UK. We also assessed whether search trends were related to Gambling Commission behavioural data over the same period. Methods: Google Trends™ search data, covering thirty months from January 2020 to June 2022, for five gambling activities and five gambling operators were downloaded. Graphical displays of the weekly relative search values over this period were then produced to visualise trends in search terms, with key dates in COVID-19 policy and sporting events highlighted. Cross-correlations between seasonally adjusted monthly search data and behavioural indices were conducted. Results: Sharp increases in internet searches for poker, slots, and bingo were evident during the first lockdown in the UK, with operator searches sharply decreasing over this period. No changes in gambling activity searches were highlighted during subsequent lockdowns, although small increases in operator-based searches were detected. Strong positive correlations were found between search data and industry data for sports betting and poker but not for slots. Conclusions: Google Trends™ data may act as an indicator of population-level gambling behaviour. Substitution of preferred gambling activities for others may have occurred during the first lockdown when opportunities for sports betting were limited. Further research is needed to assess the effectiveness of internet search data in predicting gambling-related harm.

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)0,001
score de la tête « metaresearch » (Gemma)0,006
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 enseignants0,101
Score d'incertitude au seuil0,200

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0070,011
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,482
Tête enseignante GPT0,515
Écart entre enseignants0,032 · 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

Citations7
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Behavioral AddictionsMême sujetGambling Behavior and TreatmentsTravaux en français237 207