MétaCan
Menu
Back to cohort
Record W2123715142 · doi:10.7202/1013718ar

La perception du poker selon les joueurs adeptes : un jeu qui les distingue

2013· article· fr· W2123715142 on OpenAlexaffvenue
Magali Dufour, Séverine Petit, Natacha Brunelle

Bibliographic record

VenueCriminologie · 2013
Typearticle
Languagefr
FieldPsychology
TopicGambling Behavior and Treatments
Canadian institutionsUniversité du Québec à Trois-RivièresUniversité de MontréalUniversité de Sherbrooke
Fundersnot available
KeywordsHumanitiesArt

Abstract

fetched live from OpenAlex

Présentement, le jeu de hasard et d’argent (JHA) gagnant le plus de popularité est le poker. Malgré les nombreux adeptes, peu de données scientifiques sur les habitudes de jeu des joueurs de poker et sur leur perception de ce loisir sont disponibles. Afin de décrire la perception qu’ont les joueurs de poker de leur activité, des entretiens qualitatifs ont été réalisés auprès de 20 d’entre eux. L’analyse des verbatims a permis de faire ressortir différents thèmes quant à leur vision des autres JHA, leur vision du poker, les différences entre les modalités du poker, le rôle du poker dans leur vie et les qualités nécessaires pour être un bon joueur de poker. À la lumière des expériences rapportées par les interviewés, trois grands constats se dégagent : 1) le poker est un jeu qui se distingue des autres JHA par plusieurs aspects ; 2) l’aspect légal ou illégal de l’activité ne semble pas faire partie des préoccupations des joueurs ; 3) la vision des joueurs de poker de leur activité est distincte de celle de leurs proches. Malgré les limites de cette étude, le discours des participants souligne bien les spécificités du monde du poker.

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 imitation

Not 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.

metaresearch head score (Codex)0.004
metaresearch head score (Gemma)0.007
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Qualitative · Consensus signal: Qualitative
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.020
Threshold uncertainty score0.040

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0040.007
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0020.001
Science and technology studies0.0080.008
Scholarly communication0.0060.007
Open science0.0010.003
Research integrity0.0020.003
Insufficient payload (model declined to judge)0.0050.001

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.

Opus teacher head0.438
GPT teacher head0.438
Teacher spread0.000 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designQualitative
Domainnot available
GenreEmpirical

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".

Quick stats

Citations16
Published2013
Admission routes2
Has abstractyes

Explore more

Same venueCriminologieSame topicGambling Behavior and TreatmentsFrench-language works237,207