Évaluation de l’impact de la légalisation du cannabis sur les vendeurs canadiens actifs sur les cryptomarchés dans les trois mois suivant la légalisation
Notice bibliographique
Résumé
Le 17 octobre 2018, le gouvernement libéral du Canada a légalisé le cannabis à usage récréatif dans le but d’offrir un accès sécuritaire et contrôlé à un produit de qualité, tout en empêchant les criminels de jouir des bénéfices associés au commerce de la drogue. De telles modifications au cadre légal ont soulevé de nombreuses inquiétudes de la part du public, notamment à l’effet d’une augmentation potentielle de la consommation. Le présent mémoire répond à une autre préoccupation; celle de la prolifération du marché noir. À ce jour, on ignore comment les trafiquants de cannabis réagiront à la légalisation de la drogue qu’ils fournissent. Les quelques recherches existantes, basées sur des données officielles et autorapportées, ne font pas consensus quant à l’effet de la légalisation sur l’offre illicite de cannabis. D’ailleurs, aucune étude n’a été réalisée dans le contexte particulier de la légalisation du cannabis au Canada, alors qu’il s’agit d’une réforme sans précédent en Amérique du Nord. Ce mémoire adopte une approche novatrice en utilisant les « traces numériques » collectées sur le cryptomarché Dream Market, un marché virtuel anonyme consacré à la vente de drogues illicites, pour décrire et comprendre l’impact de la légalisation sur les vendeurs de marijuana canadiens actifs sur ce marché. Des modèles de régression nous ont permis d’estimer l’effet de la légalisation sur la disponibilité du produit, le nombre de vendeurs et les revenus générés par la vente de marijuana. Ces mêmes analyses ont été utilisées pour déceler la présence d’un déplacement tactique, de cible et de substance par les vendeurs. Cette étude montre qu’à court terme, la légalisation a eu un effet sur les activités des vendeurs de marijuana canadiens, mais cet effet n’est pas celui escompté au regard des objectifs de santé et de sécurité publique du gouvernement. Au cours du premier trimestre de la légalisation, l’offre canadienne de marijuana dans le cryptomarché a augmenté de manière significative. De plus, contrairement à ce qui avait été anticipé par le législateur, les revenus des vendeurs de marijuana canadiens n’ont pas subi de baisses significatives après la légalisation. Enfin, les vendeurs semblent avoir anticipé les impacts de la légalisation sur leur chiffre d’affaires à plus long terme et ont choisi de se positionner favorablement dans d’autres types de marchés. Plus spécifiquement, les vendeurs font davantage de publicité dans le marché américain et dans d’autres sous-marchés de drogues, principalement les stimulants, les produits dérivés du cannabis et les psychédéliques.
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 | 0,006 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,001 |
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 ».