MétaCan
Menu
Retour à la cohorte
Enregistrement W4387579509 · doi:10.1037/adb0000966

This time with feeling: In-play sports betting as a vehicle for emotion regulation.

2023· article· en· W4387579509 sur OpenAlexaff
Jenna L. Vieira, Hyoun S. Kim, Luke Clark, Nassim Tabri, Michael J. A. Wohl

Notice bibliographique

RevuePsychology of Addictive Behaviors · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueGambling Behavior and Treatments
Établissements canadiensCarleton UniversityUniversity of British ColumbiaToronto Metropolitan University
Organismes subventionnairesInternational Center for Responsible Gaming
Mots-clésPsychologyImpulsivityTraitFeelingFootballModerationSocial psychologyDevelopmental psychologyClinical psychology

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: The purpose of this research was to assess factors (i.e., emotion regulation, impulsivity) that motivate in-play sports betting. Specifically, we examined whether individuals report increased excitement after placing an in-play bet and whether trait negative and positive urgency moderate the effect of emotion regulation motives on in-play betting frequency. METHOD: = 239) residents who reported placing at least one in-play bet during the respective sporting events. Participants completed self-report measures of excitement, emotion regulation motives, in-play betting frequency, problem gambling, and trait affective impulsivity. Data from the three studies were pooled to conduct an integrative data analysis (IDA). RESULTS: < .001) to predict in-play betting frequency, such that the bivariate effects were amplified among those higher (relative to lower) in trait affective impulsivity. CONCLUSIONS: In-play sports betting is an exciting activity that people who gamble may engage in to regulate their emotions. These effects are amplified in those with high trait affective impulsivity. Responsible gambling tools such as mandatory play breaks may discourage the continuation of impulsive betting episodes. (PsycInfo Database Record (c) 2023 APA, all rights reserved).

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,028
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,046
Tête enseignante GPT0,389
Écart entre enseignants0,343 · 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 tête enseignante, pas un consensus.

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

Citations6
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePsychology of Addictive BehaviorsMême sujetGambling Behavior and TreatmentsTravaux en français237 207