MétaCan
Menu
← Retour à la cohorte
Enregistrement W3003692381 · doi:10.5539/gjhs.v12n2p106

Cannabis Consumption and Stigma Labels Among Consumers in a Rural Community in Ebonyi State, Nigeria

2020· article· en· W3003692381 sur OpenAlexvenueno aff
Joseph Ogbonnaya Alo Ekpechu, Innocent Ahamefule Nwosu, Nsidibe A. Usoro, Kennedy Okechukwu Ololo, Ethelbert Okoronkwo, Bukola Popoola

Notice bibliographique

RevueGlobal Journal of Health Science · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueCannabis and Cannabinoid Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCannabisStigma (botany)Focus groupConsumption (sociology)Social stigmaPsychologyAdvertisingMedicinePsychiatryBusinessMarketingFamily medicineSociologyHuman immunodeficiency virus (HIV)

Résumé

récupéré en direct d'OpenAlex

This study examined the influence of labels used to stigmatise cannabis consumers on the control of cannabis consumption in a Community in Ebonyi State, Nigeria. Three research objectives were raised to guide the study. The questionnaire was used to get information on the socio-demographic variables of the respondents. Focus group discussion (FGD) sessions was thereafter conducted in five different places (N = 55, n = 11). Responses from study participants to FGD questions were transcribed verbatim. Three themes emerged in the process. These themes include stigma labels and its deterrent effectiveness on cannabis consumption, stigma labels and differentiation of cannabis consumers from non-consumers and stigma labels and deterrence of public consumption of cannabis. It was found among other things that labels were often used by non-cannabis consumers to stigmatise the cannabis consumers with derogatory name calling as its major preoccupation. This was not an effective tool in deterring cannabis consumers from cannabis use. It was recommended that other researches should focus only on cannabis users to see how they respond to it. It was concluded that counselling should be extended to cannabis users who live in the rural areas of Nigeria.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,046

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0040,002
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,037
Tête enseignante GPT0,365
Écart entre enseignants0,328 · 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'étudeObservationnel
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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal Journal of Health Science→Même sujetCannabis and Cannabinoid Research→Travaux en français237 207→