Neighbourhood contexts and opportunities for youth gambling in Montréal, Québec
Bibliographic record
Abstract
De plus en plus les jeux de hasard sont devenus une forme de divertissement accessible et acceptable. La légalisation du jeu au Canada a généré quelques 12,9 milliards de dollars de recettes pour le trésor public en 2005. On estime que plus de 70% de la population adulte et presque autant de jeunes s'adonnent au jeu de hasard dans une année donnée. Source de divertissement et de revenu gouvernemental, le jeu est un problème émergeant au chapitre de la santé publique et au cœur de nombreux problèmes sociaux et de santé. Les appareils de loterie vidéo (ALV) sont parmi les jeux de hasard les plus populaires et controversés au Québec et au Canada. Les ALV inquiètent du fait de leur prolifération auprès des jeunes et du lien entre abus de jeu et problèmes de santé et sociaux. Ce travail de recherche s'encadre dans les domaines de la géographie de la santé et de la santé des populations en conceptualisant le jeu en tant que comportement compris et expliqué par les caractéristiques des individus et celles de leurs environnements sociaux et physiques. Les objectifs de cette recherche sont: décrire la distribution sociospatiale des occasions de jeux de hasard dans le voisinage des écoles secondaires à Montréal; modéliser l'accès aux ALV chez les jeunes à Montréal en tant que fonction des caractéristiques individuelles et sociales; approfondir notre compréhension des raisons pour lesquelles les jeunes s'adonnent aux jeux de hasard et des normes sociales qui le favorisent. L'analyse de la distribution des opportunités de jouer aux ALV (n=400), des écoles secondaires (n=305) et des conditions socioéconomiques des quartiers de la ville et de la banlieue de Montréal a révélé que les accès aux ALV
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.006 | 0.002 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 0.000 |
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".