Spillover effects following recreationallegalization of marijuana in borderingregions. : Analysis of spillover effect from legislation of marijuana in Washington using synthetic control.
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
Legalizing marijuana for recreational use has been a hot political topic in recent years. Different conclusions have been drawn from the literature on this subject, but one conclusion is that the tactic is an effective instrument in combating the black market. On the other side, it has also been demonstrated that it has a negative effect on neighbouring regions that still view marijuana as an illicit drug. This study examines the evidence of any causal link between the legalization of marijuana for recreational use and its consequences on neighbouring regions. The legalization of marijuana in Washington state in 2012 and spillover effects on drug-related crime rates in British Columbia served as the foundation for this study. With the help of nine Canadian provinces, a synthetic British Columbia has been created that attempts to simulate how crime rates may have developed had Washington not legalized marijuana. The legalization of marijuana has had both positive and negative spillover impacts on the neighbouring territory, according to empirical data. As a "gateway" substance, marijuana possession rates rose after the implementation of the policy. Results on the supply side show that because of increased competition and legal supply from the neighbouring region, marijuana suppliers are switching to other drugs. This essay also addresses other potential social effects of marijuana legalization, such as a decline in the prevalence of sexual assault and marijuana possession among young people. Based on the empirical data, the study offers improvements in aiding neighbouring regions who are considering the implementation of RML in creating preventative measures against illicit usage of marijuana.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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