Online gambling during the COVID-19 pandemic in Canada: A mixed-method study
Notice bibliographique
Résumé
ABSTRACT\nThe gambling industry has been severely impacted by the health crisis. In several countries, lockdowns have resulted in a migration to online gambling, the changing of game offering and player habits. From a public health perspective, one of the issues related to online gambling is the harms associated with them. Research questions. This study aims to provide a portray of online gambling habits in the context of the COVID-19 pandemic, namely the changes in gambling patterns and the factors contributing to gambling problems. Method. The study included two subsamples of adults aged 18 and over residing in the province of Québec (Canada): 1) a telephone survey conducted with a random sample (N=1,300) using a two-stage proportional stratified sampling design (households, individuals), 2) a sample recruited through a web panel (N=3,200), and 3) qualitative interview data conducted with 98 online gamblers. Results. The analysis revealed an increase in gambling participation and initiation during the pandemic. The various profiles of online gamblers are contrasted on harm, mental health and the perceived impact of the pandemic on gambling patterns and problems.\nIMPLICATION STATEMENTS\nThis study will provide one of the first population portray of gambling habits among a representative sample of online gamblers as well as the lived experience of gamblers during the first year of the COVID-19 pandemic. The findings will inform key stakeholders and raise awareness about the harm associated with online 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».