CBDT Framework Canadian Validation: Cross-National Evidence of Cultural Homogeneity Effects
Notice bibliographique
Résumé
This working paper provides the first cross-national validation of the Consumer-Driven Black Market Displacement (CBDT) Framework, extending U.S.-calibrated predictions to Canadian provinces. Key Findings:- Canadian validation achieves 1.1% mean absolute error (MAE) after metric reconciliation- Represents 78% improvement over U.S. out-of-sample validation (5.0% MAE)- Superior performance attributable to cultural homogeneity in safety priorities, regulatory trust, and enforcement perceptions- Sensitivity analysis confirms robustness: Canadian MAE ranges 1.3-5.5% across all tested multiplier variations Methodological Contributions:- Metric taxonomy reconciliation addressing measurement heterogeneity (Last Purchase vs. Transaction Count vs. Expenditure Share)- Empirically-calibrated conversion multipliers validated across multiple Canadian data sources- Seven-dimension cultural homogeneity framework with quantitative evidence Results suggest behavioral-utility frameworks achieve higher predictive accuracy in culturally homogeneous populations with unified federal regulatory regimes. Findings have direct implications for U.S. federal vs. state-level cannabis policy debates. Phase 2 expansion (Q1-Q2 2026) will provide formal statistical inference with panel regression (n=392 state-quarters) and consumer survey (n=2,000). Related: Framework calibration paper at https://doi.org/10.5281/zenodo.17593077Replication data: Harvard Dataverse https://doi.org/10.7910/DVN/WXKKWR
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 | 0,042 | 0,096 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,007 | 0,003 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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 ».