Greater impulsivity is associated with a reduced propensity to cash out of bets
Notice bibliographique
Résumé
• People who are less impulsive are more likely to cash out of a risky bet. • People with more gambling-related harm are less likely to cash out of a risky bet. • Greater cognitive inflexibility predicts higher cash-out rates for losing bets only. A common feature of contemporary sports-betting apps is ‘instant cash-out’, which allows users to settle a bet early in exchange for a discounted immediate payout. Despite high prevalence and links with gambling-related harm, relatively little is known about how personality traits associated with gambling, such as impulsivity, predict instant cash-out usage. To address this question, we recruited 145 general-population adult participants (69 men, 66 women, 10 non-binary or undisclosed; M age = 36.3, SD = 10.7; participants resided in Australia, Canada, Ireland, New Zealand, the UK, or the USA) to complete five self-report questionnaires related to impulsivity, as well as the Problem Gambling Severity Index (PGSI), and a validated cognitive task measuring individual differences in cash-out frequency. We then assessed how cash-out frequency in the behavioral task was associated with both self-reported impulsivity and PGSI. We found that cash-out frequency was negatively correlated both with PGSI scores and with a number of impulsivity-related traits including Dysfunctional Impulsivity, Lack of Premeditation, Positive Urgency, Sensation Seeking, and Fun Seeking. An exploratory factor analysis revealed that higher scores on a latent ‘Dysfunctional Impulsivity’ factor were negatively associated with cash-out frequency overall, whereas higher scores on an ‘Inhibition and Inflexibility’ factor predicted higher cash-out frequency specifically for bets with a low win probability. Taken together, results suggest that instant cash-out may primarily appeal to less impulsive people and those with lower PGSI scores. This raises the possibility that instant cash-out may specifically facilitate increased gambling behaviors among people with less prior experience of gambling.
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 | 0,000 | 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 | 0,000 |
| 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 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 ».