Beyond gambling: The dangers of analogistic reasoning in addiction science, and how loot box psychology should create its own unique theory
Notice bibliographique
Résumé
As in other areas of science, understanding in the addictions can progress by analogy, by taking concepts from a relatively well-understood area and applying them to another domain. This process helped increase our understanding of gambling, by using prior insights from substance-based addictions, and gambling has, in turn, served as an analogy for loot boxes: gambling-liked elements in video games. Although this could be a good way to make rapid initial advances, it could also limit our ability in the long-run to produce a complete understanding of the new area of inquiry. In this think piece I argue that these conceptual links did in fact limit our understanding of gambling in several ways, and that the same pattern is now becoming apparent with loot boxes. Although loot box expenditure correlates robustly with disordered gambling severity, it does not appear to correlate strongly with impulsivity, a key driver of disordered gambling symptomology. People also often gamble to try to win money, but this motivation is rarely observed with loot boxes. Instead, I argue that the enjoyment and meaning that gamers derive from games is a core motivator for loot box expenditure. Video games can bring enjoyment both directly and via the social connections they can help create, and these are motivations seen less frequently in gambling. This example can act as a warning to addiction science on the risks of proceeding via analogy too strictly, and of the need to consider the unique context of each potentially addictive behavior of interest.
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 | 0,028 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,075 |
| Communication savante | 0,013 | 0,037 |
| Science ouverte | 0,005 | 0,008 |
| Intégrité de la recherche | 0,009 | 0,023 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 ».