Blowing in the Wind: Cannabis Legalization, Insiders, and Methodological Insights from British Columbia
Notice bibliographique
Résumé
As jurisdictions worldwide wrestle with the costly consequences of criminalization, some are extending calls by the United Nations (U.N.) to promote alternatives to "conviction and punishment" by embracing cannabis legalization and regulation.By 2023, Germany and Malta will move toward legalizing and regulating the sale of cannabis, following the lead of Uruguay and Canada.While the adverse impacts of cannabis prohibition on the criminal justice system have long been noted (Kaplan, 1970), evidence of the benefits of legalization is beginning to emerge.Between 1998 and 2018, police arrested between 34 ABSTRACT Legalizing cannabis in Canada has proven momentous in some ways and insufficient in others.This paper presents findings from a re-analysis of two studies on cannabis legalization conducted in British Columbia (B.C.) before and after legalization.Prioritizing public health over access appears to prolong stigmatization, complicate policing, and undermine efforts to disrupt illicit cannabis markets.We outline three contributions to the nascent postprohibition cannabis research agenda.First, we demonstrate the potential for secondary data analysis (SDA) and model an approach to address recent concerns about this practice.Second, we show the value of insiders when assessing cannabis policy by demonstrating support for previous findings while extending and complicating others.Third, and finally, we identify four themes from the data to guide the future study of cannabis within criminology.These include the impact of public education on cannabis stigma, post-legalization policing changes, the dangers of over-regulation, and the effects of legalization on crime.In addition, we consider the role of race, ethnicity, and injustice, which while largely absent in this study, remains an essential issue in cannabis policy.
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 | 0,008 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,006 | 0,012 |
| Études des sciences et des technologies | 0,019 | 0,005 |
| Communication savante | 0,008 | 0,003 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».