Les liens entre jeux de hasard et d’argent, activités policières et demandes d’aide
Bibliographic record
Abstract
Cet article présente les résultats d’une démarche de suivi des effets macrosociologiques liés à l’implantation d’une toute nouvelle offre de jeux de hasard et d’argent présentée par Loto-Québec dans un contexte péri-urbain : le Salon de jeu de Trois-Rivières, un lieu de loisirs qui regroupe sous un même toit des appareils de loterie vidéo, des tables de poker et une roulette virtuelle. Plusieurs collectes de données ont servi à matérialiser ce bilan des effets, soit, d’une part, un suivi chronologique des appels logés au service de police de la ville et, d’autre part, un suivi des demandes d’aide et de référence pour problème de jeu pathologique, demandes tenues à jour par l’organisme Domrémy MCQ. L’analyse des données policières se révèle fidèle à ce que la littérature permet de penser, soit qu’il n’y a pas de lien entre l’introduction d’une nouvelle offre légalisée de jeux de hasard et d’argent et la criminalité. En revanche, l’absence de liens entre cette nouvelle offre et le nombre de demandes d’aide, quant à elle, va dans le sens contraire de ce que la littérature a établi. Nous proposons que la principale raison expliquant ces phénomènes tient dans le peu de succès qu’a connu le Salon de jeu pendant la période où nos travaux se sont déroulés.
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 | 0.003 | 0.012 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 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".