MétaCan
Menu
Retour à la cohorte
Enregistrement W2101705791 · doi:10.1080/0968763031000119646

Knowledge and perceptions of illegal drugs in a sample of Pre-teenage Children

2003· article· en· W2101705791 sur OpenAlexaboutno aff
James McIntosh, Fiona MacDonald, Neil McKeganey

Notice bibliographique

RevueDrugs Education Prevention and Policy · 2003
Typearticle
Langueen
DomaineMedicine
ThématiqueCannabis and Cannabinoid Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCannabisQuarter (Canadian coin)PerceptionDrug educationDrugIllicit drugMedicineSample (material)PsychiatryPsychologyFamily medicineSubstance abuseGeography

Résumé

récupéré en direct d'OpenAlex

While it has become apparent that increasing numbers of pre-teenage children are experimenting with illegal drugs, relatively little is known about the drug-related knowledge and attitudes of this age group. This paper describes the knowledge and perceptions of illegal drugs held by a sample of 216 pre-teenage children in Glasgow and Newcastle. While about a quarter of the children thought that illegal drugs were equally bad, the remainder were able to differentiate between them to varying degrees. In particular, cannabis was frequently regarded as being less harmful than other illicit drugs, especially by those who had used the drug themselves. The children's knowledge of illegal drugs as a whole was found to be limited, vague and often erroneous. The challenges which the children's knowledge and perceptions of drugs present for drug education are discussed.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,068
Score d'incertitude au seuil0,135

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,009
Tête enseignante GPT0,354
Écart entre enseignants0,345 · 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'étudeObservationnel
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

Citations9
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDrugs Education Prevention and PolicyMême sujetCannabis and Cannabinoid ResearchTravaux en français237 207