Hvordan kan markedsføring og salg reguleres i et norsk cannabismarked
Notice bibliographique
Résumé
Vi har i løpet av denne oppgaven gått igjennom hvordan et norsk cannabismarked kan bli\nregulert, samt sett på markedsføring og salg innenfor dette markedet. Dette har vi gjort \n3\ngjennom å se på ulike reguleringsmodeller i allerede eksisterende cannabismarkeder i tre ulike\nland, herunder Canada, Uruguay og USA. I tillegg vurderte vi nærmere noen allerede\neksisterende reguleringsmodeller i Norge som vi anså som relevante for implementering i et\npotensielt cannabismarked, herunder tobakk, legemidler, alkohol og pengespill. Dette ble\ngjort gjennom å se på sekundærdata, samt informasjon gitt til oss av anonyme\ninformanter. Under drøftingen av disse reguleringsmodellene kikket vi også på hvordan\nmarkedsføring og salg foregår, samt hvilke gråsoner som eksisterer innenfor disse områdene,\nfor så å knytte dette opp mot marihuana. Videre gjorde vi rede for vår metodedel og hvordan\ndenne egentlig skulle gjennomføres før Covid-19 inntraff, samt fortelle om de hindringer vi\nopplevde i forbindelse med dette.\nNår alt dette lå til grunne gikk vi videre til del 2 av oppgaven hvor arbeidet med å analysere\nog sammenligne innhentet data i del 1 begynte. Først drøftet vi rundt hvilke sektorer i det\nnorske markedet et potensielt cannabismarked burde falle innenfor, basert på hvordan dette\nhar blitt løst i de tre ulike landene vi så på i del 1, samt hvilke sektor de fire lignende\nmarkedene faller inn under i Norge. Videre gjorde vi utregninger og vurdering rundt\nstørrelsen og potensialet på det norske markedet, blant annet ved å se på priselastisitet i det\nulovlige markedet og gjennom en vurdering av dokumentet “Rusreformen - fra straff til\nhjelp”, for å kunne se på hvordan salg i et norsk cannabismarked vil kunne se ut, samt trekke\ndette opp mot salg i de fire ulike kategoriene tobakk, legemidler, pengespill og alkohol. Når\ndette lå til grunne kikket vi på hvordan markedsføringen i et norsk cannabismarked vil kunne\nse ut, både i offentlig, men også i privat sektor. Dette for å se på eventuelle fordeler og\nulemper. Videre vil vi legge frem en konklusjon basert på funnene våre gjort i løpet av denne\noppgaven.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,115 | 0,040 |
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 ».