Understanding global patterns of domestic cannabis cultivation
Notice bibliographique
Résumé
Purpose Unlike other plant‐based drugs, cannabis is increasingly grown within the country of consumption, requires minimal processing before consumption, and can be easily grown almost anywhere using indoor or outdoor cultivation techniques. Developments in agronomic technologies have led to global growth in domestic cultivation, both by cannabis users for self‐ and social‐supply, and by more commercially‐oriented growers. Cross‐national research is needed to better understand who is involved in domestic cultivation, the diversity in cultivation practices and motivations, and cultivators' interaction with the criminal justice system and cannabis control policies. Design/methodology/approach The article introduces the Global Cannabis Cultivation Research Consortium (GCCRC), describes its evolution and aims, and outlines the methodology of its ongoing cross‐national online survey of cannabis cultivation. Findings Despite differing national contexts, the GCCRC successfully developed a core questionnaire to be used in different countries. It accommodates varying research interests through the addition of optional survey sections. The benefits to forming an international consortium to conduct web‐based survey research include the sharing of expertise, recruitment efforts and problem‐solving. Research limitations/implications The article discusses the limitations of using non‐representative online sampling and the strategies used to increase validity. Originality/value The GCCRC is conducting the largest cross‐national study of domestic cannabis cultivation to date. The aim is not only to better understand patterns of cannabis cultivation and how they differ between countries but also to build upon online engagement methodology with hidden populations.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».