Validation française d’une échelle de mesure de l’utilisation problématique des jeux vidéo en ligne : l’Internet Gaming Disorder-20
Bibliographic record
Abstract
Introduction: L’objectif de cette étude est de valider en langue française une échelle de mesure de l’usage problématique des jeux vidéo en ligne ( Internet Gaming Disorder ou IGD): l’Internet Gaming Disorder-20. L’échelle IGD-20 s’inscrit dans le débat sur les déterminants et les facteurs de maintien de l’IGD, trouble introduit dans la section III du DSM-5 et récemment référencé à la classification statistique internationale des maladies et des problèmes connexes sous l’intitulé de « trouble du jeu vidéo ». L’échelle se compose de 20 items séparés en six composantes reposant sur le modèle de l’addiction de Griffiths. Méthode: L’étude a porté sur 166 joueurs de jeux vidéo francophones, recrutés sur des forums spécialisés, jouant en moyenne 21,9 heures par semaine. La version française de l’IGD-20 a été soumise à une analyse factorielle confirmatoire par le biais d’une modélisation en équations structurelles (SEM) afin de retrouver les six facteurs de l’échelle originale (saillance, modification de l’humeur, tolérance, manque, conflits et rechute). Résultat:s L’analyse factorielle confirmatoire par modélisation en équations structurelles montre un ajustement satisfaisant du modèle (RMSEA = 0,063 [0,049; 0,077], CFI = 0,912, TLI = 0,909). Discussion: Une validation en langue française d’un outil tel que l’IGD-20 a un intérêt pour les populations francophones, notamment pour les thérapeutes qui pourront investiguer de façon plus précise le trouble et pour les personnes atteintes qui bénéficieront d’un accompagnement affiné.
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 | 0.046 | 0.084 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.004 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 0.002 |
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".