Understanding conventional and novel approaches used to advance evidence-based illicit drug policy
Notice bibliographique
Résumé
A considerable amount of research has shown traditional illicit drug policies represent a critical source of inequity and ongoing health-related harms on a global scale. The harms associated with these policies have spurred several calls for “evidence-based” policy reform whereby policies that criminalize drug users be replaced with public health approaches. These calls for policy reform, and the persistence of criminal justice based approaches, have raised questions about the strategies and tools scientists, researchers, academics and/or health practitioners may mobilize to support this objective (herein referred to collectively as scientists). In this context, the primary objectives of this thesis were to: 1) synthesize what is known about conventional activities and strategies scientists use to advance evidence-based drug policies and 2) to describe and evaluate in detail the Vienna Declaration campaign, the largest scientist-led mobilization to support evidence-based illicit drug policy to date, and 3) to generate insights into strategies that may support the advancement of evidence-based illicit drug policy, especially as they related to public and political discourse. This work reveals scientist-led efforts to promote evidence-based drug policy have not traditionally made use of the Internet and related tools. Findings from an analysis of the Vienna Declaration campaign reveal that the Internet and social media are important dissemination tools that support science-based efforts to advance evidence-based drug policy. Given the deficit of research in this area and long-standing limitations to scientists’ proficiency engaging the public, media, and policymakers, the thesis concludes additional research is needed to better understand the tools and strategies available to scientists working in this area. It speculates that such a research agenda may also serve as a culturally appropriate way of engaging scientists and influencing their future knowledge translation efforts.
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 | 0,146 | 0,097 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,015 | 0,008 |
| Études des sciences et des technologies | 0,007 | 0,066 |
| Communication savante | 0,041 | 0,041 |
| Science ouverte | 0,004 | 0,015 |
| Intégrité de la recherche | 0,009 | 0,015 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».