A confirmatory factor analysis of a revised motives for playing drinking games (MPDG-33) scale among university students in the United States
Notice bibliographique
Résumé
AIM: Participating in a drinking game (DG) is common practice among university students and can increase students' risk for heavy drinking. Given the theoretical link between motivations to drink and alcohol use, careful consideration should be given to students' motivations to play DGs. In this study, we examined the factor structure, internal consistency, and concurrent validity of a revised version of the motives for playing drinking games (MPDG) scale, the MPDG-33. METHODS: University students (n = 3345, Mage = 19.77 years, SDage = 1.53; 68.8% = women; 59.6% = White) from 12 U.S. universities completed a confidential online self-report survey that included the MPDG-33 and questions regarding their frequency of DG participation and typical drink consumption while playing DGs. RESULTS: Confirmatory factor analysis indicated the 7-factor model fit the data adequately, and all items had statistically significant factor loadings on their predicted factor. All subscales had adequate to excellent internal consistency and were positively correlated with the frequency of DG participation and the typical number of drinks consumed while playing DGs (though the correlations were small). CONCLUSION: Findings suggest that the MPDG-33 can be reliably used in research and clinical settings to assess U.S. university students' motives for playing DGs.
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 | 0,005 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».