Content Analysis of the Corporate Social Responsibility Practices of 9 Major Cannabis Companies in Canada and the US
Notice bibliographique
Résumé
Importance: The cannabis industry has sought to normalize itself and expand its markets in the 21st century. One strategy used by companies to generate positive public relations is corporate social responsibility (CSR). It is critical to understand these efforts to influence the public and politicians given the risks of increased cannabis use. Objectives: To analyze cannabis industry CSR behaviors, determine their characteristics, and compare their practices with those of the tobacco industry. Design, Setting, and Participants: This qualitative study of CSR activities conducted between January 1, 2012, and December 31, 2021, evaluated 9 of the 10 largest publicly traded cannabis companies in the US and Canada. Data were collected from August 1 to December 31, 2021. The 10th company was excluded because it engaged in cannabis-based pharmaceutical sales but not CSR. A systematic review of corporate websites and Nexis Uni was performed, resulting in collection of 153 news articles, press releases, and Web pages. Charitable and philanthropic actions were included. Themes were identified and interpreted using modified grounded theory. Main Outcomes and Measures: CSR activities and spending. Results: Nine major cannabis companies in the US and Canada engaged in CSR activities that encouraged increased consumption and targeted marginalized communities. Companies claimed these activities would mitigate the harms of cannabis prohibition, promote diversity, expand access to medical cannabis, and support charitable causes. They developed educational programs, sustainability initiatives, and voluntary marketing codes and used strategies similar to those used by tobacco companies to recruit public interest organizations as allies. Conclusions and Relevance: These findings suggest that cannabis companies developed CSR strategies comparable to those used by the tobacco industry to influence regulation, suggesting that cannabis companies should be included when addressing commercial determinants of health.
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 | 0,007 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,008 | 0,012 |
| Études des sciences et des technologies | 0,007 | 0,004 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».