Tracking online searches for gambling activities and operators in the United Kingdom during the COVID-19 pandemic: A Google Trends™ analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle