THE PRISON JOURNAL / June 2001Lankenau / CIGARETTES IN U.S. PRISONS SMOKE ’EM IF YOU GOT ’EM: CIGARETTE BLACK MARKETS IN U.S. PRISONS AND JAILS
Notice bibliographique
Résumé
Since the mid-1980s, cigarette-smoking policies have become increasingly restrictive in jails and prisons across the United States. Cigarette black markets of various form and scale often emerge in jails and prisons where tobacco is prohibited or banned. Case studies of 16 jails and prisons were undertaken to understand the effects of ciga-rette bans versus restrictions on inmate culture and prison economies. This study describes how bans can transform largely benign cigarette “gray markets, ” where cigarettes are used as a currency, into more problematic black markets, where ciga-rettes are a highly priced commodity. Analysis points to several structural factors that affected the development of cigarette black markets in the visited facilities: the archi-tectural design, inmate movement inside and outside, officer involvement in smug-gling cigarettes to inmates, and officer vigilance in enforcing the smoking policy. Although these factors affect the influx of other types of contraband into correctional facilities, such as illegal drugs, this study argues that the demand and availability of cigarettes creates a unique kind of black market. Since the mid-1980s, cigarette-smoking policies have become increas-ingly restrictive in jails and prisons across the United States. Currently, two thirds of U.S. jails and one quarter of U.S. prisons ban inmates from smoking cigarettes or possessing tobacco (Falkin, Strauss, & Lankenau, 1998, 1999). In institutions where bans are enforced, inmates are prohibited from smoking
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,007 | 0,002 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,031 | 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 ».