MétaCan
Menu
Retour à la cohorte
Enregistrement W1867789939 · doi:10.1177/a018602

Bring it on Home: Home Drug Testing and the Relocation of the War on Drugs

2001· article· en· W1867789939 sur OpenAlexaff
Dawn Moore, Kevin D. Haggerty

Notice bibliographique

RevueSocial & Legal Studies · 2001
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCrime, Illicit Activities, and Governance
Établissements canadiensUniversity of AlbertaUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésTrope (literature)CommodificationRhetoricDrugState (computer science)Political sciencePublic relationsSociologyMedicinePharmacologyEconomics

Résumé

récupéré en direct d'OpenAlex

While the war on drugs is often claimed to have failed in multifarious ways, anti-drug strategies in the United States continue. The discourses through which anti-drug sentiments and policies are forwarded are, however, being reinvented in light of this failure, favoring an inclusionary and less state-centered disease trope for certain populations of drug users. In this article we argue that the privileging of the disease trope within anti-drug rhetoric facilitates the introduction of home drug testing as a means of 'state-free' drug regulation offered to specific populations. The advent of home drug testing is congruent with neoliberal trends towards mobilizing private entities like the family to engage in regulatory practices that were previously concerns of the state. A market for home drug testing has evolved out of rhetoric around private security, and the commodification of notions of safety. Home drug testing is theorized as a tool of surveillance that offers a very particular scientific gaze trained on the seemingly indefensible adolescent body. Teens, however, are not defenseless in this scheme. We document the concomitant rise of resistance technologies and tactics designed to assist teens and others to 'beat' the tests.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0110,034
Communication savante0,0060,005
Science ouverte0,0010,005
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,044
Tête enseignante GPT0,321
Écart entre enseignants0,276 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations25
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSocial & Legal StudiesMême sujetCrime, Illicit Activities, and GovernanceTravaux en français237 207