Analysis of the Bases of Power of Key Players in the Industry of Novel Psychoactive Substances
Notice bibliographique
Résumé
BACKGROUND: The study of novel psychoactive substances (NPS) should be at the intersect of neuroscience, psychology, social science, data science, information and communication technology, policy-making, and legislation. The amalgamation of social science should be widely implemented; the concept of the individual basis of power (authority) has been applied in this study; the aim was to quantify the magnitude of authority for the major players in connection with the NPS industry.MATERIALS & METHODS: Data were collected for NPS researchers and e-vendors. Concerning the NPS scientists, fifty researchers were randomly picked using a random number generator. For each researcher; a power score was calculated; the power scoring is representative for the individual basis of power. There will be a kindred analysis for e-vendors on the darknet; the power scoring will rely on; e-vendor level, trust level, duration of membership in the e-market (vendor's antiquity), number of positive and negative feedbacks from e-customers, number of sold substances, number of subscribers, and e-vendor’s scoring on Grams search engine.RESULTS: Unfortunately, the summative power scores of NPS protagonists were higher than those who oppose and regulate the NPS phenomenon. Terrorist organisations were found to possess the highest power scores due to the additional use of illegal tactics. Power scoring for NPS researchers was highest in Europe, particularly the in the UK and Italy. On the other hand, e-vendors’ power scoring was highest for the AlphaBay e-market of the darknet.CONCLUSION: Principles of social science and psychology should be integrated into the collaborative efforts of NPS researchers. This study proposes a novel method to assess the authority of NPS-related personnel existing within the virtual space of the web; its applications are not limited to NPS researchers and e-vendors but can also be applicable for; e-markets, e-customers and (ab)users, and policy makers.
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 | 0,015 | 0,062 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».