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
Objective: There is broad agreement in the literature on the transformative potential of drug cryptomarkets that allow sourcing on a global market and consequently the circumvention of existing supply chains between producer and end user. We examine whether the transformative potential of drug cryptomarkets has been realized in two ways: Are cryptomarket drug sellers found in production and transit countries? and Do we see the increased use of shipping across international borders over time? Method: Using data collected by the DATACRYPTO software tool between 2013 and 2016, we characterize cryptomarket buyer behavior through the product reviews (i.e., sales transactions) posted on 15 cryptomarkets. Findings: Cryptomarket drug sellers are predominantly based in countries of Europe, North America, and Oceania. For both cannabis resin and cocaine sold on cryptomarkets, we find that known production and transit countries are not the primary sources of supplied drugs but rather key countries of consumption. In the case of 3,4-methylenedioxymethamphetamine, we observe that the Netherlands, a known production country, is the largest supplier. We further observe tendencies over time toward increased localization of cryptomarkets with regard to product destinations. Discussion: Though cryptomarkets offer a potentially global platform for drug distribution, they do not tend to be used as such. We explain our results with reference to buyers’ preferences regarding safety, risk, and convenience, alongside structural limitations for cryptomarket use such as bitcoin availability.
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 | 0,000 | 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 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,002 |
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