Trust Factors in the Social Figuration of Online Drug Trafficking: A Qualitative Content Analysis on a Darknet Market
Notice bibliographique
Résumé
The rise in illicit drug trafficking on darknet markets (DNMs) was boosted by those restrictions imposed due to the COVID-19 pandemic. This study aims to put this trend into context by exploring the characteristics of vendors’ services and reputations and understand how products are advertised and what customers tend to value. Qualitative content analysis was conducted on a sample ( n = 100) randomly selected from 6,357 product descriptions and a sample ( n = 500) randomly selected from 34,619 reviews. Both samples are from products found in the drug category of the darknet market Dark0de Reborn. On the supply side, vendors tended to provide basic information on the drugs, a mention of their high quality, the speed and stealth of delivery, their availability for responding to messages, the effects of the drugs, and sometimes even instructions for use. Regarding the demand side, customers usually praised the quality of the product, mentioned the speed and stealth-secure packaging of delivery as essentials, and expressed only a small number of issues. These results support the applicability of Norbert Elias’ social figuration theory in which the interdependencies of the actors are fueled by trust. This theoretical frame sheds light on the social value of the community of DNMs. Furthermore, the findings formulate a robust hypothesis for future research about the previously undervalued role of delivery providers.
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 | 0,012 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,007 | 0,012 |
| Communication savante | 0,005 | 0,007 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».