Developments in cannabis enforcement practices and patterns associated with non-medical cannabis legalization policies: a basic literature/data review
Notice bibliographique
Résumé
Non-medical cannabis control has recently shifted to legalization policies in multiple jurisdictions, including North America. In addition to improved public health and safety, legalization aims to advance other, including ‘social justice’ outcomes, e.g. as related to cannabis law enforcement. We identified and examined (10) available studies from North American jurisdictions specifically assessing developments or changes in cannabis-related enforcement practices and patterns from pre- to post-legalization contexts. While source data-related study approaches and policy settings are heterogeneous, essential results suggest that legalization policy implementation has been associated with mostly 1) substantive reductions in enforced cannabis (e.g. possession/use) offenses involving legal-age adults; 2) mixed – ranging from decreases to increases – developments regarding enforcement targeting (under-age) youth; 3) decreases in total but persistence of relative race-related enforcement disparities involving both adult and youth populations. These data imply at least partial legalization-related successes toward improved related ‘social justice’ aims in these respects, while key questions remain, specifically concerning systemic enforcement biases involving racial minorities and the criminalization of underage youth as vulnerable groups. These enforcement-related outcomes of cannabis legalization policies warrant continued monitoring and in-depth policy-analytical examination, while jurisdictions newly implementing legalization should pay particular attention to ‘social justice’ objectives.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 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 ».