The prospects for gun policy change following mass shootings
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract The mass shootings in Buffalo, New York, and Uvalde, Texas in May 2022 prompted Congress to enact the first significant federal gun legislation since the 1990s. While many commentators have framed this policy change as a remarkable break from the long‐standing pattern of inaction on gun violence, I argue that political actors perceived and responded to the problem in familiar ways. Drawing on agenda setting and information processing theories, I highlight factors that suggest no fundamental alteration in how the U.S. political system responds to gun injury and death. I also point to changes in public opinion and in the interest group landscape that have the potential (in the long term) to transform the politics of gun policy. Finally, I conclude with some near‐term expectations for policy making and its effects on the issue. Related Articles Cagle, M. Christine, and J. Michael Martinez. 2004. “Have Gun, Will Travel: The Dispute between the CDC and the NRA on Firearm Violence as a Public Health Problem.” Politics & Policy 32(2): 278–310. https://doi.org/10.1111/j.1747‐1346.2004.tb00185.x . Joslyn, Mark R., and Donald P. Haider‐Markel. 2018. “Motivated Innumeracy: Estimating the Size of the Gun Owner Population and its Consequences for Opposition to Gun Restrictions.” Politics & Policy 46(6): 827–50. https://doi.org/10.1111/polp.12276 . Schwartz, Noah S. 2021. “Guns in the North: Assessing the Impact of Social Identity on Firearms Advocacy in Canada.” Politics & Policy 49(3): 715–818. https://doi.org/10.1111/polp.12412 .
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.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| 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 découle