Revisiting Deterrence: Legal Knowledge, Use Context and Arrest Perception for Cannabis
Notice bibliographique
Résumé
Deterrence research has evolved considerably since the 1970s when a favourite offence for study was the emerging phenomenon of widespread cannabis use among mainstream populations. The deterrent model of crime prevention has expanded far beyond the study of objective and subjective indicators of certainty and severity to encompass social support, moral evaluations, peer involvement and, most recently, risk sensitivity and situational factors. Most earlier research found no evidence of deterrence of cannabis use, a fi nding attributed to its low actual and perceived risk of arrest and changes in public attitudes. This interview study with adult experienced cannabis users drawn from a representative survey base in Toronto, Canada, where possession is still treated as a criminal offence, provides a more nuanced interpretation of deterrence. The authors found that users had generally inaccurate knowledge about the current law and penalties and believed they would avoid arrest in the future. However, they were not oblivious to the possibility of police intervention, and took precautions such as carrying small amounts and avoiding public use. Thus, users were not unaffected by the law, but rather these discreet practices illustrate the operation of restrictive deterrence, shaping their choices of when, where and how to commit the crime of cannabis use. Further research on deterrence should examine situated choices by risk-sensitive offenders, and should also include cross-national patterns of arrest and user risk perceptions. While cannabis continues to be prohibited by international treaties, the reality of widespread use presents opportunities for innovative deterrence studies into this normalised yet illegal crime. The variation in policies, penalty structures and enforcement across European nations, compared to those in other Western jurisdictions, can foster relevant research for a transatlantic discussion about global drug policy transformation.
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 | 0,003 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».