Bridging the gap: Exploring consumer experiences and motivations for transitioning between illicit and regulated cannabis markets
Notice bibliographique
Résumé
BACKGROUND: Canada pioneered the non-medical legalization of cannabis production and sales, witnessing substantial growth in the regulated market over the last five years, post-legalization. However, persistent barriers hinder many consumers from transitioning to the legal market, necessitating a nuanced understanding of their behaviors for targeted policy interventions. This study aims to improve understanding of cannabis consumers' unregulated purchase decisions in British Columbia (B.C.), and to explore motivational factors for transitioning to the legal market. METHODS: We conducted semi-structured interviews with cannabis consumers in B.C., who were at least 19 years old and purchased some or all of their cannabis through unregulated sources. Interviews were transcribed and an inductive thematic analysis was conducted using NVivo. Through coding iterations, we moved from descriptive to analytic codes, and finally mapped the codes to themes aligned with the Five Stages of Consumer Decision Making model. RESULTS: Participants (N = 31) represented a broad range of demographic characteristics (i.e., gender, age, education, income). Four themes were identified: seeking information, evaluation of alternatives, purchase decision, and post purchase evaluation. Despite purchasing all or some of their cannabis from the unregulated market, most participants were supportive of legalization and felt that legal cannabis is safe, accessible, and of reasonable quality. However, several barriers prevent consumers from regularly accessing the regulated market, including: price, lack of sales and promotions, potency, limited product variety, and inadequate product interaction. CONCLUSION: This study delineates barriers that obstruct consumers' transition to the regulated market. These findings, aligned with considerations for public health and safety, offer valuable insights to inform cannabis policy and promote a more effective and consumer-oriented regulatory framework.
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 | 0,005 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,007 | 0,006 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,003 |
| 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 ».