Jeux de hasard en ligne : perception du risque par des joueurs hors ligne
Notice bibliographique
Résumé
Contexte et objectifs : Une transition numérique a été observée depuis plusieurs années dans le domaine des jeux de hasard et d’argent (JHA). Toutefois, peu d’études se sont intéressées à la perception des joueurs hors ligne sur les jeux en ligne (JEL). Cet article a pour but d’explorer, à l’aide d’entretiens individuels, les perceptions de joueurs de JHA ayant été catégorisés comme non-joueurs en ligne sur les JEL. Le projet pourrait aider à mieux adapter les stratégies de prévention pour les joueurs. Méthode : Cette étude exploratoire qualitative présente les analyses secondaires de 28 entrevues semi-dirigées réalisées auprès de joueurs hors ligne dans le cadre d’une étude menée au printemps 2020. Une analyse thématique effectuée sur le logiciel NVivo a permis d’identifier les perceptions de ces joueurs en lien avec les JEL. Résultats : L’analyse thématique a permis de faire ressortir deux thèmes principaux reliés à la perception de risque dans le JEL : 1) la faible légitimité du JEL reliée au délai de réception de gains, l’origine du contrôle du jeu et les soupçons de fraudes ; et 2) la perte de contrôle avec les JEL, reliée à son fonctionnement et à son environnement. Conclusion et futures directions : Ces données permettent d’enrichir les connaissances sur les a priori de ces joueurs sur les JEL, leur perception négative et leur compréhension des risques associés aux JEL. Elles permettent de formuler des hypothèses sur les raisons de la non-participation aux JEL et soulignent l’importance de s’intéresser aux différents profils de joueurs pour développer des stratégies de prévention adaptées.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».