MétaCan
Menu
Retour à la cohorte
Enregistrement W2947982056 · doi:10.7202/1059464ar

Marijuana Legalization in Canada: Insights for Workplaces from Case Law Analysis

2019· article· en· W2947982056 sur OpenAlexaffvenueabout
Helen Lam

Notice bibliographique

RevueRelations industrielles · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueSubstance Abuse Treatment and Outcomes
Établissements canadiensAthabasca University
Organismes subventionnairesnon disponible
Mots-clésLegalizationPossession (linguistics)TribunalArbitrationDutyAccommodationPsychologyBusinessLawPolitical science

Résumé

récupéré en direct d'OpenAlex

The legalization of marijuana in Canada is expected to have a significant impact on workplaces, requiring the development or updating of company drug-related policies and procedures. To help employment relations stakeholders with this change, recommendations are made based on an analysis of 93 past arbitration/tribunal/court cases involving marijuana-related policy violations, drawn from the Labour Source database. Issues addressed include language and communication of the work rule, reasonableness of drug tests, standard of proof, duty to accommodate, and mitigating factors. Based on the study of those 93 court cases, some recommendations can be formulated. First, employers need to clearly state their drug-related policies, taking into consideration safety-sensitivity and any substance abuse culture. This may include prohibition of possession, use, and distribution of drugs at the workplace or working under the influence, and the need to report any medical drug use that requires accommodation. Drug tests should only be done when there is a bona fide occupational requirement or where safety is a concern, such as post-incident or when there is reasonable suspicion of drug impairment. Also, it is important to understand that positive drug test results can only show past drug use but not the level of impairment or whether the drug was used while on a work shift. Therefore, to support an offence violation and discipline, corroborating evidence from multiple witnesses and sources are often necessary. Supervisors should be trained to identify the characteristics related to marijuana and drug impairment and the procedures to follow when an incident occurs. Employers must be cognizant of the duty to accommodate medical marijuana users or recreational users who are addicted, under human rights protection for disability. Such accommodation may include work reassignment or a leave of absence. In deciding on a penalty, other than past performance and disciplinary records and personal extenuating circumstances, arbitrators may consider rehabilitation situations to assess the prognosis and viability of the employment relationship. Employers and unions are advised to stay abreast of latest developments in the laws, drug test technologies and medical research related to marijuana use.

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)0,009
score de la tête « metaresearch » (Gemma)0,035
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,137
Score d'incertitude au seuil0,995

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,035
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0180,023
Études des sciences et des technologies0,0170,005
Communication savante0,0120,003
Science ouverte0,0030,004
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,021
Tête enseignante GPT0,244
Écart entre enseignants0,223 · 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

Citations2
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueRelations industriellesMême sujetSubstance Abuse Treatment and OutcomesTravaux en français237 207