Physical card pack and especially video game loot box spending are both positively correlated with problem gambling but not linked to negative mental health: An international survey.
Notice bibliographique
Résumé
OBJECTIVE: Card packs are physical products providing random content that companies rely on to monetize trading or collectible card games. Loot boxes are equivalent digital products inside video games that can similarly be bought to obtain randomized rewards. Both products are psychologically similar to gambling because the player can "win" by obtaining rare and valuable rewards or alternatively "lose" by obtaining nonvaluable rewards. Loot box spending has been repeatedly and reliably linked to problem gambling. However, the link between card pack spending and gambling has been little studied. METHOD: = 1,961) to assess the links between card pack and loot box spending on one hand and problem gambling and mental health outcomes on the other. RESULTS: = 0.22) were all linked to problem gambling but at markedly different strengths. Spending money on all these gambling-like products were not associated with negative mental health. Spending money on certain subcategories of loot boxes differs from overall spending. CONCLUSIONS: The current legal definitions of "gambling" in many countries should be modernized using scientific evidence: Presently, the law (if properly enforced) would regulate products that are less strongly correlated with problem gambling and therefore arguably less potentially harmful (e.g., physical card packs), but fails to regulate arguably more harmful products that are more strongly correlated with problem gambling (e.g., loot boxes). (PsycInfo Database Record (c) 2026 APA, all rights reserved).
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 ».