Understanding risk‐based licensing schemes for alcohol outlets: A key informant perspective
Notice bibliographique
Résumé
INTRODUCTION AND AIMS: Risk-based alcohol licensing (RBL) has been introduced in several jurisdictions in Australia, New Zealand and Canada with the intention of reducing harm in and around alcohol outlets. RBL involves tailoring licence fees or regulatory agency monitoring levels according to risk criteria such as trading hours, venue size and compliance history. The aim of this study was to document key informant perspectives including their perceptions of the purpose of RBL, how it works and its active ingredients. DESIGN AND METHODS: We conducted semi-structured in-depth interviews with 28 key informants, including four government policy makers, four liquor licensing representatives, four local council members, eight police officers, six licensees, one academic and one community advocate from Victoria, Queensland, the Australian Capital Territory and Ontario, Canada. We analysed the transcripts using a thematic approach. RESULTS: Informants varied in their opinions about whether RBL achieved its objective of reducing alcohol-related harm. They identified difficulties in enforcing the compliance history component of the scheme due to loopholes in legislation as a major shortfall, and the need to apply RBL to packaged liquor (off-licence) outlets. They also discussed the need to consider outlet density associated with the location of a venue when assessing venue risk. DISCUSSION AND CONCLUSIONS: RBL schemes vary by jurisdiction and emphasise different components. In general, informants surmised that RBL as implemented has probably had little or no preventive effect but suggested that it may be effective with greater monitoring and penalties large enough to deter bad practice.
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 | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».