Not an ‘iron pipeline’, but many capillaries: regulating passive transactions in Los Angeles' secondary, illegal gun market
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.
Notice bibliographique
Résumé
Objectives California has strict firearm-related laws and is exceptional in its regulation of firearms retailers. Though evidence suggests that these laws can reduce illegal access to guns, high levels of gun violence persist in Los Angeles (LA), California. This research seeks to describe the sources of guns accessed by active offenders in LA, California and reports offenders' motivations for obtaining guns. Setting Los Angeles County Jail (LACJ) system (four facilities). Methods Random sampling from a screened pool of eligible participants was used to conduct qualitative semistructured interviews with 140 incarcerated gun offenders in one of four (LACJ) facilities. Researchers collected data on firearm acquisition, experiences related to gun violence, and other topics, using a validated survey instrument. Grounded theory guided the collection and analysis of data. Results Respondents reported possession of 77 specific guns (79.2% handguns) collectively. Social networks facilitate access to illegal guns; the majority of interviewees acquired their illegal guns through a social connection (85.7%) versus an outside broker/unregulated retailer (8.5%). Most guns were obtained through illegal purchase (n=51) or gift (n=15). A quarter of gun purchasers report engaging in a passive transaction, or one initiated by another party. Passive gun buyers were motivated by concerns for personal safety and/or economic opportunity. Conclusions In LA's illegal gun market, where existing social relationships facilitate access to guns across a diffuse network, individuals, influenced by both fear and economic opportunity, have frequent opportunities to illegally possess firearms through passive transactions. Gun policies should better target and minimise these transactions.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 découle