Notice bibliographique
Résumé
In recent years, governments and gaming operators across Canada have invested a considerable amount of effort and resources into providing information to their patrons with the explicit or implicit goal of assisting players to make informed decisions about their gambling. The expectation is that better, more complete, information will promote better decisions. Although there is much investment and discussion of informed decision making, the concept itself has received relatively little attention and scrutiny. In 2009, the RGC Centre for the Advancement of Best Practices proposed a review of informed decision-making(IDM) in the gaming sector with emphasis on what information gamblers should have and how best to support their decision making capability. The Review is an in-depth look at informed decision making from the perspective of providing the right information at the right time to gamblers. The research includes: • A review and analysis of literature and materials from the gaming industry (e.g., policy documents, government reports, research), as well as other industries whose products pose risks to their consumers (i.e., Medical Healthcare, Alcohol, Tobacco, Food) • Focus groups with gamblers (see Appendix A) • Interviews with treatment providers (see Appendix B) • The Insight Forum, the 2-day gathering of 35 experts, professionals and other stakeholders to discuss, debate and collect information on issues relevant to informed decision making in 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 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 | 0,132 | 0,164 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,006 | 0,004 |
| Études des sciences et des technologies | 0,008 | 0,026 |
| Communication savante | 0,023 | 0,018 |
| Science ouverte | 0,007 | 0,021 |
| Intégrité de la recherche | 0,016 | 0,014 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,032 | 0,010 |
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 ».