Substance Abuse and Slow-Motion Disasters: The Case of Detroit
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
AbstractIn this article, I focus on problem substance use as one outcome of an underlying, "slow-motion disaster" caused by the long-term collision between corrosive structural processes, counterproductive social policies, and vulnerable populations. Using the city of Detroit as an illustration, I offer an original conceptual model for linking the causes and cascading consequences of slow-motion disasters. This model highlights the embedded connections between structural factors, such as racial segregation and systemic unemployment, and multiple destructive outcomes, including health and crime disparities, as well as problem substance use. Finally, I conclude that sociological researchers must engage with broader publics and diverse coalitions if they are to contribute to an alternative social policy—a holistic, regional "disaster response"—that takes multiple layers of causality into account, and addresses the core of vulnerabilities that make such disasters possible. ACKNOWLEDGMENTSThis paper was first presented at the Society for the Study of Social Problems 2006 Annual Meeting in Montreal, Quebec. I would like to thank Christopher Caudill, James Gruber and Lars Bjorn for their valuable feedback on earlier drafts. Andrew Golub, Pamela Aronson, Lora Lempert, Dan Little, Kurt Metzger, Sandro Galea and Juliette Roddy also offered input at various stages, and Christina Gabrielli and Jennifer Zerweck provided assistance in proofreading the manuscript. Finally, I would like to thank the reviewers and editors at The Sociological Quarterly for their thoughtful criticism.Notes
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.
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 | 0,001 | 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 découle