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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».