Marijuana Cultivation in British Columbia: Using spatial and social network analysis techniques to inform evidence-based policy and planning
Notice bibliographique
Résumé
This dissertation provides evidence and direction for policy makers dealing with the issue of marijuana production in British Columbia (BC). This document provides a descriptive analysis of the "grow op" industry before moving into a spatial analysis of the effect of police tactical teams (green teams) on grow operations. The final chapters focus on the involvement of organized crime in the marijuana production industry and employ a social network analysis (SNA) framework to illustrate the involvement of different clusters of criminal associations. Using the case of Vietnamese drug p roduction as an example, SNA and geographic information systems (GIS) analyses techniques are combined to assess the spatial and social linkage patterns in statistical and visual terms. The descriptive analysis of police records shows that marijuana "grow ops" increased dramatically from 1997 through 2000, before levelling out by the end of the collection period in 2003. A significant increase in the number of suspects of Vietnamese origin was also noted. The police hypothesize that Vietnamese criminal organizations have effectively taken over the production of marijuana in certain jurisdictions and that they work with other criminal organizations (i.e. Hells Angels and Southeast Asian Groups) to distribute the drugs. The results suggest that those areas with specialized anti-grow (or "green") teams show a significant decrease in grow operations in their jurisdiction. Compared to the rate of increase in the period preceding green team implementation, the treatment jurisdict ions experienced an 82% decline in marijuana cultivation facil ities. Neighboring control areas experienced a 7% increase in grow operations post-treatment. The network analysis of drug production networks illustrates that the criminal networks involved in drug production are spatially constrained. It also shows that the distance between individuals in the drug production criminal network and their associates varies systematically with network characteristics (centrality measures) but not with demographics or criminal history variables. Of particular importance to police investigation into criminal organizations is the finding that central figures in the network, individuals high in betweenness, degree and closeness centrality, travel farther to associates and place themselves on the geographic periphery of the network habitat.
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 | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,011 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».