Se donner des outils pour réduire les inégalités d’exposition aux jeux de hasard et d’argent
Bibliographic record
Abstract
Objectifs : La présente recherche vise à dresser un portrait des environnements de jeu et de la vulnérabilité au jeu au Québec, ainsi qu’à identifier les aires de diffusion où l’exposition et la vulnérabilité aux jeux de hasard et d’argent (JHA) sont élevées. Les données probantes générées sont destinées à guider la prise de décision en matière de prévention, d’intervention, de répartition territoriale des jeux et de création d’environnements équitables et favorables à la santé. Méthodologie : Des études ont établi qu’à Montréal, Laval, Québec ou dans les régions des Laurentides et de l’Outaouais, les appareils de loterie vidéo étaient répartis de façon inégale, les populations défavorisées ou plus vulnérables y ayant un accès plus élevé. Pour identifier les secteurs au Québec où l’exposition et la vulnérabilité à l’ensemble des jeux sont élevées, deux indices ont été développés : l’indice d’exposition au jeu (IEJ), qui combine la densité, l’accessibilité et le risque théorique des jeux, et l’indice de vulnérabilité au jeu (IVJ), qui repose sur six indicateurs socio-économiques pondérés associés au jeu problématique. Des analyses ont été réalisées pour identifier les zones présentant une convergence de vulnérabilité et d’exposition au jeu élevées. Les données ont finalement été transposées sur une carte interactive en ligne. Résultats : Les travaux effectués révèlent que 2 599 des 13 420 aires de diffusion du Québec affichent des valeurs élevées de vulnérabilité et d’exposition au jeu. Au total, 1 394 042 personnes (17 % de la population) vivent dans ces zones, désignées prioritaires en matière d’intervention. Les régions de la Mauricie–Centre-du-Québec, de l’Abitibi-Témiscamingue, de l’Outaouais, de la Côte-Nord et de Gaspésie–Îles-de-la-Madeleine ont des valeurs plus élevées que la moyenne du Québec. Conclusion : Les présents résultats appellent à une reconfiguration territoriale non préjudiciable des jeux, basée sur des indicateurs robustes et sur une vision nationale de la prévention des inégalités liées aux JHA.
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 | 0.018 | 0.033 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.004 | 0.004 |
| Science and technology studies | 0.004 | 0.002 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.013 | 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".