« All in or fold » : les hauts et les bas de la carrière des joueurs excessifs
Bibliographic record
Abstract
Aucune étude, tant étatsunienne que canadienne, ne s’est penchée sur la dynamique des trajectoires de joueurs compulsifs, pathologiques ou excessifs. Cette étude comble cette lacune par l’utilisation de modèles linéaires hiérarchiques qui permettent de traiter simultanément les données dynamiques issues de calendriers rétrospectifs (l’effet des circonstances de vie conventionnelles et déviantes) et les caractéristiques personnelles, impulsivité, sexe, etc., de 100 joueurs excessifs recrutés au sein de ressources thérapeutiques de la grande région de Montréal. On s’intéresse particulièrement aux variations des sommes investies dans les jeux de hasard et d’argent. Une attention particulière est aussi portée aux mois où les joueurs cessent de participer aux jeux de hasard et d’argent et aux facteurs qui favorisent l’abstinence. Les résultats montrent que les circonstances de vie de ces joueurs ont un effet déterminant sur leur endettement et sur leurs épisodes d’abstinence. On constate notamment l’importance des circonstances déviantes (revenus criminels, prêts usuraires et consommation de stupéfiants).
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 | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 0.001 |
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".