Global Influence of Cannabis Legalization on Social Media Discourse: Mixed Methods Study
Notice bibliographique
Résumé
Background: Cannabis is the third most consumed drug worldwide, with its use linked to a high number of substance use disorders, particularly among young men. Associated mortality causes include traffic accidents and cardiovascular diseases. The global expansion of cannabis legalization has sparked debates about its impact on risk perception, with risk perception decreasing in countries with permissive laws. Social media analysis, such as on Twitter (subsequently rebranded as X), is a useful tool for studying these perceptions and their variation by geographic region. Objective: This study aims to analyze Twitter users' perceptions of cannabis use and legalization, taking into account the geographic location of the tweets. Methods: A mixed methods approach was used to analyze cannabis-related tweets on Twitter, using keywords such as "cannabis," "marijuana," and "hashish." Tweets were collected from January 1, 2018, to April 30, 2022, in English and Spanish, and only those with at least 10 retweets were included. The content analysis involved an inductive-deductive approach, resulting in the classification of tweets into thematic categories, including discussions on legalization. Results: The tweet analysis showed that in America, Europe, and Asia, political discussions about cannabis were the most common topic, while personal testimonies dominated in Oceania and Africa. In all continents, personal experiences with cannabis use were mostly positive, with Oceania recording the highest percentage (1642/2695, 60.93%). Regarding legalization, Oceania also led with the highest percentage of tweets in favor (1836/2695, 68.13%), followed by America and Africa, while support in Europe and Asia was slightly lower, with about half of the tweets in favor. Conclusions: The political debate has been the most frequently mentioned topic, reflecting the current situation in which legislative changes are being discussed in many countries. The predominance of opinions in favor of legalization, combined with the prevalence of positive experiences expressed about cannabis, suggests that the health risks associated with cannabis use are being underestimated in the public debate.
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 | 0,011 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».