When ‘help’ might hurt: Do gambling harm prevention advertisements reduce or contribute to gambling stigma? Results of an exploratory study
Notice bibliographique
Résumé
OBJECTIVES: Gambling stigma is an important issue which influences, for example, the low rates of help-seeking observed internationally. Harm prevention advertisements aim to increase awareness regarding gambling harms among the population, although little empirical evaluation has been performed to see if current campaigns reduce or might alternatively contribute to gambling stigma. We therefore designed an exploratory mixed methods study to explore the effects of five UK-based harm prevention advertisements. STUDY DESIGN: Online experiment. METHODS: Participants (N = 498) completed two blocks containing the Problem Gambling Severity Index (PGSI), and the five advertisements shown in random order. Three Likert items were summed to measure each advertisement for stigmatization (e.g., "This advertisement makes me think that people who gamble heavily are at fault for whatever may happen to them"), and participants also wrote perspectives via a text box. The Likert items were analyzed via mixed models, and the text perspectives subjected to a thematic analysis. RESULTS: Quantitative results showed that one advertisement (called "chasing losses" here) was associated with a mean stigmatization score indicating agreement that it could contribute to gambling stigma. This was not the case for the remaining advertisements. Furthermore, participants with higher PGSI scores tended to give higher stigmatization scores for all advertisements. The thematic analysis supported these findings, with participants also suggesting how the adverts could be improved. CONCLUSIONS: The designers of harm prevention advertisements should consider their potential contribution to stigma. The higher stigmatization scores from those with higher PGSI scores underscores the need for multiple gambling-related harm interventions to help people experiencing gambling harms.
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 | 0,017 | 0,059 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».