Public Criminology in an Age of Austerity: Reflections from the Margins of Drug Policy Research
Notice bibliographique
Résumé
On May 14th 2001 the author was invited to testify in Ottawa as an ‘expert witness’ by the Senate Committee on Illegal Drugs. Based on this experience, the present paper offers insight on the matter of presenting research with the aim of influencing drug policy discussions. The testimony was derived from statistics produced with standard survey items and measures for studying patterns and problems of cannabis use. Among other observations, the interpretation given was that, even at high use levels, marijuana users experience few symptoms of dependence or abuse. Excerpts from this testimony, and other work submitted, are cited in the 2002 report of the Committee. The potential impact of the testimony given is examined in this paper in relation to the other submissions which were based on qualitative research and one that was explicitly polemical in nature, or derived from ideological assertions by the author. The excerpts from these works that were eventually included in the final Senate report suggest that scientific arguments per se were not deemed more persuasive in this forum than the use of other kinds of rhetoric or evidence. These observations will be further situated in the context of scholarly discussion about the challenges and prospects of Public Criminology and the role of academics as “democratic underlabourers.”
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,114 | 0,149 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,073 | 0,137 |
| Communication savante | 0,051 | 0,032 |
| Science ouverte | 0,005 | 0,024 |
| Intégrité de la recherche | 0,032 | 0,055 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».