MétaCan
Menu
Retour à la cohorte
Enregistrement W2801047272

Planning for Controversial Land Uses: The Case of Medical Marijuana Dispensaries (MMDs) in Toronto

2018· dissertation· en· W2801047272 sur OpenAlexaboutno aff
David Johnson

Notice bibliographique

RevueUWSpace (University of Waterloo) · 2018
Typedissertation
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueUrban Agriculture and Sustainability
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineBusinessTelecommunicationsEnvironmental planningEngineeringGeography
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Medical marijuana dispensaries (MMDs) have been opening in cities across Canada in response to changing legislation that supports the use of marijuana to treat certain health conditions. There currently is an absence of standard procedures for siting dispensaries that sell this controlled substance. Further confusing the issue is that the federal government has promoted the future decriminalization and legalization of marijuana for recreational use. With rapidly changing federal laws and provincial guidelines for medical and recreational marijuana use, there is a need to assess the impacts of MMDs at the municipal level both in terms of planning policies and practices that provide guidance for the siting of MMDs, and for balancing diverging expectations and reactions from multiple publics. \nThis study discusses the findings of a case study of medical marijuana dispensaries in Toronto, Ontario. This study collected qualitative data about the existence and siting of this controversial land use from key informants working in Toronto as well as conducted a media analysis of recent MMD articles from two local newspapers. Findings highlight the multiple and competing perspectives of citizens, advocates and policy-makers with respect to MMDs and the public good. Findings also indicate that there was no public consultation before enforcement efforts against the MMDs. Future research directions and policy implications will be discussed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,111
Score d'incertitude au seuil0,401

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0370,015
Communication savante0,0040,002
Science ouverte0,0020,004
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,011
Tête enseignante GPT0,225
Écart entre enseignants0,214 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUWSpace (University of Waterloo)Même sujetUrban Agriculture and SustainabilityTravaux en français237 207