La prévention des problèmes de jeu de hasard et d’argent chez les jeunes
Bibliographic record
Abstract
La littérature concernant les jeux de hasard et d’argent ainsi que la présence de problèmes de jeu chez les jeunes indique que 80 % des moins de 18 ans ont joué au moins une fois à un jeu de hasard et d’argent au cours de leur vie. Bien que la plupart de ces jeunes joueurs ne développeront pas de problème de jeu au cours de leur adolescence ou de leur vie adulte, certains développeront un tel problème. Il est donc important d’informer les jeunes concernant la pratique des jeux de hasard et d’argent afin de prévenir le développement d’éventuels problèmes et de s’assurer que le jeu demeure un jeu. Les informations transmises peuvent être incluses dans des activités de prévention visant à démystifier les pensées erronées qui pourraient se développer en jouant, à mieux connaître les conséquences liées au jeu excessif de même que ce qu’il convient de faire lors de l’apparition d’une participation plus intense au jeu, les ressources d’aide disponibles, etc. Comme l’ensemble de ces informations de même que plusieurs autres peuvent être incluses dans un programme de prévention s’adressant aux jeunes, il est important que le contenu de l’intervention soit adapté à la clientèle ciblée par celle-ci. Cet article présente trois approches préventives (universelle, sélective, indiquée) et donne aussi des exemples de programmes de prévention du jeu s’étant avérés efficaces auprès des jeunes. L’article souligne, de plus, l’importance d’évaluer l’efficacité de ces mesures préventives pour garantir leur impact positif sur les comportements de jeu des jeunes.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".