Le volontariat des joueurs rime-t-il avec problème ?
Bibliographic record
Abstract
Dans les études sur les jeux de hasard et d’argent dont le recrutement de participants s’effectue à l’aide de publicités, les proportions de joueurs ayant des problèmes de jeu se révèlent supérieures à celles estimées dans la population. Ces proportions élevées indiquent-elles un plus grand intérêt des joueurs problématiques envers ce type d’étude ? L’objectif de cette recherche consiste à vérifier, comparativement aux joueurs sans problème, le degré d’intérêt des joueurs problématiques à être joints lorsque volontaires à participer à des études sur les jeux de hasard et d’argent. Le degré d’intérêt se mesure à partir du nombre de coordonnées fournies pour être joint. Une banque de 297 joueurs (187 femmes et 110 hommes) âgés de 55 à 88 ans et ayant consenti à ce que leur nom et leurs coordonnées soient conservés pour participer à des études ultérieures a été analysée. Comparativement aux joueurs sans problème (n = 214), les joueurs problématiques (n = 83) fournissent un nombre statistiquement plus élevé de coordonnées, et ce, même en tenant compte de l’âge, du sexe et du statut occupationnel. Ce degré d’intérêt plus grand des joueurs problématiques envers les projets de recherche pourrait s’expliquer par l’espoir d’obtenir de l’aide ou par l’attrait d’une compensation financière. Ces hypothèses et les considérations éthiques qu’elles soulèvent en lien avec le dédommagement des joueurs qui participent aux études sur les jeux de hasard et d’argent sont discutées.
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 | 0.005 | 0.019 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.011 | 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".