Mapping and comparing French people’s positions regarding restrictive control policies: a pilot study
Notice bibliographique
Résumé
BACKGROUND: Public authorities resort to various control policies in order to curb the prevalence of unhealthy behaviors. As these policies can only succeed to the extent that people agree with them, this study mapped French people's positions regarding restrictive control policies in general. METHOD: A sample of 344 adults (among them health professionals and lawyers) were presented with 54 vignettes depicting a control policy. Each vignette contained four pieces of information: the type of addictive behavior targeted (smoking, drinking, or gambling), the nature of preventive measures (e.g., information campaigns), the degree of regulative measures (e.g., prohibition to minors), and the severity of sanctions. RESULTS: Through cluster analysis, eight qualitatively different positions were found: Never acceptable (9%), Weak or moderate regulation (5%), Moderate regulation associated with strong prevention (11%), Strong or moderate regulation (11%), Strong regulation in association with strong prevention (23%), Moderate sanctions in association with strong prevention and moderate regulation (9%), Severe sanctions (9%), and Always acceptable (9%). Some participants (14%) expressed no opinion at all. CONCLUSION: French people's positions regarding control policies were extremely diverse. Regarding tobacco, however, one type of policy would likely be supported by a majority of people: Moderate regulation associated with at least a moderate level of prevention and low-level sanctions. Regarding alcohol, an acceptable position would be: Moderate regulation associated with at least a moderate level of prevention and high-level sanctions. Regarding gambling, an acceptable position would be: Strong regulation associated with at least a moderate level of prevention and low-level sanctions.
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 | 0,001 |
| 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 ».