Cannabis, Moral Entrepreneurship, and Stigma: Conflicting Narratives on the 26 May 2016 Toronto Police Raid on Cannabis Shops
Notice bibliographique
Résumé
On May 26, 2016, the police raided 43 cannabis dispensaries in Toronto, Canada, making 90 arrests. This article aims to describe the narrative of the responsible state agencies concerning the police raid and compare it to the narrative of those who opposed it, such as activists, as well as consumers and sellers of cannabis. While such concepts as moral entrepreneur, moral panic, and moral crusade have traditionally been used to study those in power, I will employ them to explore both the state narrative and ways in which counterclaims-makers resisted it. In order to do so, I will further develop the concept of moral entrepreneurship and its characteristics by relating it to studies of moral panics and social problems. This article will be guided by the following question: How did each party socially construct its cannabis narrative, and in what way can we use the concept of moral entrepreneurship to describe and analyze these narratives as social constructions? I have investigated the media coverage of the raid and ethnographically studied shops in Toronto in order to study the narratives. My findings show that both parties used a factual neutral style, as well as a dramatizing style. The later includes such typical crusading strategies as constructing victims and villains and presenting the image of a dystopian social world. In order to explain the use of these strategies, we will relate them to the shifting wider social and historical context and to the symbolic connotation of cannabis shops in Toronto in particular and in Canada as a whole.
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 | 0,004 | 0,001 |
| 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 | 0,001 | 0,002 |
| 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) | 0,001 | 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 ».