Legalizing and Regulating Marijuana in Canada: Review of Potential Economic, Social, and Health Impacts
Notice bibliographique
Résumé
Notwithstanding a century of prohibition, marijuana is the most widely used illicit substance in Canada. Due to the growing public acceptance of recreational marijuana use and ineffectiveness of the existing control system in Canada, the issue surrounding legalizing this illicit drug has received considerable public and political attentions in recent years. Consequently, the newly elected Liberal Government has formally announced that Canada will introduce legislation in the spring of 2017 to start legalizing and regulating marijuana. This editorial aims to provide a brief overview on potential economic, social, and public health impacts of legal marijuana in Canada. The legalization could increase tax revenue through the taxation levied on marijuana products and could also allow the Government to save citizens' tax dollars currently being spent on prohibition enforcement. Moreover, legalization could also remove the criminal element from marijuana market and reduce the size of Canada's black market and its consequences for the society. Nevertheless, it may also lead to some public health problems, including increasing in the uptake of the drug, accidents and injuries. The legalization should be accompanied with comprehensive strategies to keep the drug out of the hands of minors while increasing awareness and knowledge on harmful effects of the drug. In order to get better insights on how to develop an appropriate framework to legalize marijuana, Canada should closely watch the development in the neighboring country, the United States, where some of its states viz, Colorado, Oregon, Washington, and Alaska have already legalized recreational use of marijuana.
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 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».