Aller au contenu principal

Chaire de recherche sur l'étude du jeu

Research chair on gambling

Algorithme de détection

Cette étude examine si des modèles d’intelligence artificielle conçus pour détecter les méfaits liés au jeu en ligne conservent leur performance dans le temps. À partir de données transactionnelles et des réponses à l’Indice canadien du jeu excessif (ICJE / PGSI) recueillies auprès de joueurs en ligne canadiens en 2019 et en 2022, les auteurs analysent l’évolution des comportements de jeu et réévaluent la performance de deux modèles d’apprentissage automatique déjà validés. Malgré des changements importants dans plusieurs indicateurs comportementaux, les résultats montrent que la performance globale des modèles demeure stable — et s’améliore même sur certains indicateurs — bien que des ajustements des seuils de décision soient nécessaires. L’étude souligne le potentiel des systèmes d’IA pour soutenir la prévention et la réduction des méfaits liés au jeu en ligne, à condition qu’ils soient utilisés de manière prudente et fassent l’objet d’un suivi et d’une maintenance réguliers.

Publications

  • Murch, W.S., French, M., Kairouz, S. (2025). Online Gamblers’ Preferences for Performance and Fairness in Artificial Intelligence Systems for Gambling Harm Detection. Journal of Gambling Issues

  • Murch, W. S., Scheurich, R., Monson, E., French, M., & Kairouz, S. (2025). Distinguishing Persistent Versus Episodic Clusters of At-Risk Respondents on the Problem Gambling Severity Index. Journal of Gambling Studies, 1-15. 

  • Murch, W. S., Kairouz, S., & French, M. (2024). Establishing the temporal stability of machine learning models that detect online gambling-related harms. Computers in Human Behavior Reports, 14, 100427. https://doi.org/10.1016/j.chbr.2024.100427 

  • Murch WS, Kairouz S, Dauphinais S, Picard E, Costes J-M, French M. Using machine learning to retrospectively predict self-reported gambling problems in Quebec. Addiction. 2023;118(8):1569–78. https://doi.org/10. 1111/add.16179

  • Kairouz, S., Costes, J. M., Murch, W. S., Doray-Demers, P., Carrier, C., & Eroukmanoff, V. (2023). Enabling New Strategies to Prevent Problematic Online Gambling: A Machine Learning Approach for Identifying At-risk Online Gamblers in France. International Gambling Studies, 23(3), 471–490. https://doi-org.lib-ezproxy.concordia.ca/10.1080/14459795.2022.2164042 

 

Équipe de recherche

W. Spencer Murch Psychologue cognitif et boursier postdoctoral des IRSC à l'Université Concordia.

Nom Affiliation
Sylvia Kairouz Titulaire de la Chaire de recherche sur l’étude du jeu (FRQ-SC/Fondation Mise-sur-toi), dirige l’équipe de recherche HERMÈS (FRQ-SC), Professeure titulaire, Département de sociologie et d'anthropologie, Université Concordia
Martin French Professeur agrégé, Département de sociologie et d'anthropologie, Université Concordia

Sources de financement : 

Cette étude a été financée par une bourse des Instituts de recherche en santé du Canada (473167). Un financement supplémentaire a été fourni par la chaire de recherche sur le jeu détenue par SK et l'équipe Jeu responsable à l'ère numérique dirigée par MF (Fondation Mise sur toi ; Fonds de recherche du Québec – Société et Culture [numéro de subvention 170115, 2021-OBJBR-293772]).