MétaCan
Menu
Retour à la cohorte
Enregistrement W2345504771 · doi:10.1016/j.drugpo.2016.04.020

Hidden wholesale: The drug diffusing capacity of online drug cryptomarkets

2016· article· en· W2345504771 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueInternational Journal of Drug Policy · 2016
Typearticle
Langueen
DomaineComputer Science
ThématiqueCybercrime and Law Enforcement Studies
Établissements canadiensUniversité de MontréalInternational Centre for Comparative Criminology
Organismes subventionnairesSocial Science Research Council
Mots-clésDrugBusinessInternet privacyMedicinePharmacologyComputer science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: In spite of globalizing processes 'offline' retail drug markets remain localized and - in recent decades - typically 'closed', in which dealers sell primarily to known customers. We characterize drug cryptomarkets as 'anonymous open' marketplaces that allow the diffusion of drugs across locales. Where cryptomarket customers make stock-sourcing purchases for offline distribution, the cryptomarket may indirectly serve drug users who are not themselves cryptomarket customers, thereby increasing the drug diffusing capacity of these marketplaces. Our research aimed to identify wholesale activity on the first major cryptomarket, Silk Road 1. METHODS: Data were collected 13-15 September 2013. A bespoke web crawler downloaded content from the first major drug cryptomarket, Silk Road 1. This generated data on 1031 vendors and 10,927 drug listings. We estimated monthly revenues to ascertain the relative importance of wholesale priced listings. RESULTS: Wholesale-level revenue generation (sales for listings priced over USD $1000.00) accounted for about a quarter of the revenue generation on SR1 overall. Ecstasy-type drugs dominated wholesale activity on this marketplace, but we also identified substantial wholesale transactions for benzodiazepines and prescription stimulants. Less important, but still generating wholesale revenue, were cocaine, methamphetamine and heroin. Although vendors on the marketplace were located in 41 countries, wholesale activity was confined to only a quarter of these, with China, the Netherlands, Canada and Belgium prominent. CONCLUSIONS: The cryptomarket may function in part as a virtual broker, linking wholesalers with offline retail-level distributors. For drugs like ecstasy, these marketplaces may link vendors in producer countries directly with retail level suppliers. Wholesale activity on cryptomarkets may serve to increase the diffusion of new drugs - and wider range of drugs - in offline drug markets, thereby indirectly serving drug users who are not cryptomarket customers themselves. Cryptomarkets provide researchers and policy makers with a rich source of drug monitoring information. Further research should ascertain whether their virtual location may reduce the violence associated with middle market drug activity. We caution that conflict may instead manifest in other ways, including threats, fraud, and blackmail.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,532
Score d'incertitude au seuil0,343

Scores Codex et Gemma par catégorie

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

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 Opus0,018
Tête enseignante GPT0,290
Écart entre enseignants0,272 · 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