Taking stock: The contribution of policy studies to our understanding of gun policy
Notice bibliographique
Résumé
Abstract In the summer of 2022, the tragic mass shooting in Uvalde, Texas once again thrust firearms policy onto the public agenda and opened an agenda window for bipartisan gun reforms in the Senate. Almost simultaneously, the Supreme Court struck down restrictions on concealed carry in New York state in the first major ruling on Second Amendment Rights since MacDonald v . Chicago . Given the salience of firearms policy to contemporary policy debates, it is important to take stock of how the discipline of policy studies has contributed to our understanding of this pressing area of policy. As we see, scholars of policy studies have largely left discussions of firearms policy to disciplines like criminology, sociology, economics, and public health. Despite this, a small group of scholars has used the theoretical toolkit of our discipline to better understand this issue. This short review article will present the contribution of policy studies to our understanding of firearms policy from Sandy Hook to Uvalde and provide suggestions for areas where the discipline can contribute to our understanding of this vitally important regulatory issue. Most importantly, more work is needed to develop robust and multidimensional evaluations of firearms policies. Related Articles Cook, Philip J., and Jens Ludwig. 2019. “Understanding Gun Violence: Public Health vs. Public Policy.” Journal of Policy Analysis and Management 38(3): 788–95. https://doi.org/10.1002/pam.22141 . Haider‐Markel, Donald P., and Mark R. Joselyn. 2017. “Special Issue Editors' Introduction: Gun Politics.” Social Science Quarterly 98(2): 377–81. https://doi.org/10.1111/ssqu.12415 .
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 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».