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 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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».