The Profiles of People who Do not Engage in Positive Play while Gambling
Notice bibliographique
Résumé
BACKGROUND: Positive Play describes non-problematic gambling behaviour. The term avoids the ambiguity of the term 'Responsible Gambling', and the negative connotations associated with 'Problem Gambling'. This purpose of the paper was to identify demographic groups who score consistently low on the positive play in order to determine where interventions are most needed. METHODS: The study is a secondary analysis of general population data, collected online by AskingCanadians on behalf of Ontario Lottery and Gaming that examined data on positive play and harm reduction related to gambling. The paper included the analysis of survey data from players who reported engaging in one of the four target gambling activities (N = 3701): Lotteries (n = 1832), casinos (n = 1272), online (n = 300), and charity bingo (n = 297). RESULTS: People who scored low on all four of the Positive Play scales were more likely to be young, male, single, have a low or middle range income, have at least some university education, and to have been born outside of Canada. In addition, people who scored low on Positive Play scale were more likely to play online games or charity games compared to lotteries. These findings were mostly consistent across game types however due to the small sample sizes for online gamblers and charitable gamblers, some effects did not reach significance. DISCUSSION: Awareness efforts for Positive Play should be directed at younger players, males, and recent immigrants. In addition, more effort in encouraging Positive Play needs to be directed at online gamblers and bingo gamblers.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».