Sociometric network analysis in illicit drugs research: A scoping review
Notice bibliographique
Résumé
BACKGROUND: Sociometric or whole network analysis, a method used to analyze relational patterns among social actors, emphasizes the role of social structure in shaping behaviour. Such method has been applied to many aspects of illicit drug research, including in the areas of public health, epidemiology, and criminology. Previous reviews about social networks and drugs have lacked a focus on the use of sociometric network analysis for illicit drugs research across disciplines. The current scoping review aimed to provide an overview of the sociometric network analysis methods used in illicit drugs research and to assess how such methods could be used for future research. METHODS: A systematic search of six databases (Web of Science, ProQuest Sociology Collection, Political Science Complete, PubMed, Criminal Justice Abstracts, and PsycINFO) returned 72 relevant studies that met the inclusion criteria. To be included, studies had to mention illicit drugs and use whole social network analysis as one of their methods. Studies were summarized quantitatively and qualitatively using a data-charting form and a description of the studies' main topics. RESULTS: Sociometric network analysis in illicit drugs research has grown in popularity in the last decade, using mostly descriptive network metrics, such as degree centrality (72.2%) and density (44.4%). Studies were found to belong to three study domains. The first, drug crimes investigated network resilience and collaboration patterns in drug trafficking networks. The second domain, public health, focused on the social networks and social support of people who use drugs. Finally, the third domain focused on the collaboration networks of policy, law enforcement, and service providers. CONCLUSION: Future illicit drugs research using whole network SNA should include more diverse data sources and samples, incorporate mixed and qualitative methods, and apply social network analysis to study drug 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 | 0,023 | 0,115 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,041 | 0,033 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,005 | 0,006 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».