Racial Equity in Cannabis Policy: Diversity in the Massachusetts Adult-Use Industry at 18-months
Notice bibliographique
Résumé
Background: Cannabis criminalization disproportionately harms communities of color in the United States. In Massachusetts' legal recreational ("adult-use") cannabis industry, state regulations intend to promote diverse participation. We assessed short-term racial/ethnic and gender diversity across the industry and in senior-level positions with greater opportunities to build wealth (i.e., board members, executives, directors). Methods: We extracted race/ethnicity and gender from required registration forms submitted to state regulators for each person working in a licensed adult-use cannabis business from October 2018 to April 2020 (n=4,883). We conducted descriptive analysis and negative binomial regression to assess characteristics associated with senior positions. Results: As of April 2020, racial/ethnic and gender diversity in the Massachusetts adult-use cannabis market (n=4,883) was 75% white, 7% Latino, 6% Black/African American, similar to the state labor market, and 65% male. Diversity was more limited in senior positions. Agents in senior positions (n=403) were 84% white, 2% Latino, 5% Black/African American, and 82% male. Senior-level participation was markedly low for women of color. Conclusion: Despite legislative and regulatory commitment, diversity lacks in senior positions in this emerging cannabis market. States considering adult-use cannabis markets, and those that have already done so, should monitor participation to identify inequities and adapt initiatives to ensure Black/African American and Latino communities socially and economically benefit from state legalization.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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 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 ».