Media reporting on cannabis-impaired driving and related traffic policy in Canada
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
In 2018, Canada legalized recreational use of cannabis and introduced new traffic laws to deter impaired driving. These laws received a significant amount of media coverage during legalization. News media framing of driving after cannabis use (DACU) and related traffic policy can influence public opinion on these issues. To understand how DACU and related traffic policy is constructed in Canadian media, examine whether this has changed over time since legalization, and describe and contrast media representation in British Columbia and Ontario. A database of Canadian news content (Canadian Newsstream) was searched for reports published between January 2017 and December 2021. A total of 261 media reports with a focus on DACU published in English in British Columbia and Ontario were selected. Reports were analyzed using content and thematic analyses. The majority of reports depicted DACU as dangerous and legal changes were typically framed in terms of preventing impaired driving. Concerns were frequently expressed over the reliability and accuracy of roadside oral fluid testing and police readiness to detect impaired drivers. Media description of the effects of cannabis legalization on DACU became more positive after legalization. Media portrayal did not differ markedly between British Columbia and Ontario. Media coverage of the new laws may have enhanced their deterrent effect by informing the public about safety risks and legal repercussions associated with DACU. However, mixed messages about law enforcements’ ability to detect and punish impaired drivers may have encouraged DACU by signalling the uncertainty of punishment.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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