Beyond ‘single customer view’: Player tracking's potential role in understanding and reducing gambling‐related harm
Notice bibliographique
Résumé
BACKGROUND: Usage of electronic gaming machines (EGMs) and on-line gambling is strongly associated with gambling-related harm. Player-tracking systems can monitor a gambler's activity across multiple sessions and/or operators, providing a clearer picture of the person's risk of harm with respect to these gambling formats and enabling harm reduction efforts. The Finnish and Norwegian state monopolies have player-tracking systems in place, while the United Kingdom is implementing an operator-led system called 'single customer view' for on-line gambling, and Australian states are proposing similar 'player cards' for land-based EGMs. ARGUMENT: Player tracking can advance harm reduction efforts in three ways. First, player tracking improves our understanding of gambling-related harm by providing data on how the population gambles, which can potentially be linked with operator, government and/or prevalence data sets. Secondly, player tracking can be used to implement harm reduction measures such as expenditure limits, self-exclusion and age verification. Thirdly, player tracking can provide a platform to evaluate harm reduction measures via gold-standard field trials. These potential benefits need to be weighed against various practical and ethical issues. CONCLUSIONS: The potential benefits of player-tracking systems would be maximized via systems administered independently of the gambling industry and implemented universally across all gambling in a given jurisdiction.
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 | 0,077 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,010 |
| Communication savante | 0,007 | 0,010 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,005 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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 ».