Le jeu en ligne : une analyse comparative du statut juridique du jeu en ligne et des cadres juridiques adoptés pour règlementer et gérer ses risques
Bibliographic record
Abstract
Le jeu a toujours été perçu comme un vice, responsable de nombreux troubles sociaux. Par conséquent, les gouvernements ont adopté divers cadres juridiques pour contrôler et gérer ses conséquences négatives. Malgré qu'il soit omniprésent, le jeu en ligne est illégal au Canada, aux États Unis et dans plusieurs autres pays. La règlementation du jeu en ligne et la gestion de ses troubles sociaux présente un plus grand défi pour les gouvernements, particulièrement en raison de sa nature technologique et extraterritoriale. Ce mémoire identifiera les risques et conséquences liés au jeu, en particulier les problèmes de jeu, ainsi que les cadres juridiques adoptés pour les règlementer et minimiser. Nous examinerons le statut juridique du jeu en ligne dans différentes juridictions, dont le Canada, les États Unis, le Royaume-Uni et ailleurs dans l'Union européenne. Ces cadres juridiques comprennent l'interdiction du jeu en ligne aux États Unis, la légalisation, l’octroi de licences et taxation du jeu en ligne au Royaume Uni et les cadres juridiques employés au Canada et ailleurs, offrant du jeu en ligne exclusivement par l’entremise de monopoles d'état pour contrôler sa disponibilité et minimiser ses conséquences néfastes. Nous tirerons des conclusions quant à l'efficacité relative des différents cadres juridiques adoptées pour règlementer le jeu en ligne.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.004 | 0.007 |
| Science and technology studies | 0.005 | 0.002 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.018 | 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".