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 & Policy32(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 & Policy46(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 & Policy49(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.
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 | 0,006 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,007 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,006 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 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 ».