The Dark Web and cannabis use in the United States: Evidence from a big data research design
Notice bibliographique
Résumé
BACKGROUND: Cannabis is one of the most commonly sold drugs on cryptomarkets. Because of the anonymity-granting functions of Tor, no study has traced the within-country effect of the Dark Web on cannabis consumption patterns. This article uses a big data research design to examine the association between revealed interest in the Dark Web and self-reported cannabis use within US states from 2011 when Silk Road launched to 2015 when Operation Onymous shuttered nine markets. METHODS: This study uses mixed effects ordinary least squared regressions to analyze U.S. state/year panel data, using robust standard errors to correct for heteroscedasticity. Marginal effect plots illustrate substantive effects. The dataset consists of state-level variables drawn from the Uniform Crime Report (UCR), the American Community Survey (ACS), the National Survey on Drug Use and Health, the Correlates of State Policy Project, and the Bureau of Justice Statistics Justice Expenditure and Employment Extracts. Data for the Dark Web interest measure are drawn from Google Trends. The proxy for Dark Web interest is an index of eight Dark Web related search queries. RESULTS: The regression analysis indicates that Dark Web interest in US states positively correlates with cannabis consumption rates overall and among older adults (26+), but not youth (12-17) or younger adults (18-25). Additionally, Dark Web interest is positively associated with more frequent cannabis usage rates (i.e. use in the past month, excluding first time use) both overall and among older adults, but not among youth or younger adults. Dark Web interest does not correlate with casual use (i.e. use in the last year, excluding use in the past month) for any age bracket. Interacting Dark Web interest with state-level legalization regimes indicates that the association between Dark Web interest and cannabis consumption in the past year is no different in medically legalized states and amplified in states with recreational legalization. Lastly, the Dark Web interest term does not correlate with first time cannabis either overall or for any age category. CONCLUSIONS: Interest in the Dark Web is associated with increased cannabis use in U.S. states from 2011-2015, but the effect is concentrated in states with more frequent cannabis users, older users, and in states with recreational legalization of cannabis.
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 | 0,008 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».