El Tabac al món : la indústria a nivell local i global, legislació, problemes i reptes de futur
Bibliographic record
Abstract
Per que a un fumador del Canada li costa 10 vegades mes diners comprar un paquet de tabac que el que li costa a un fumador de Cuba? Que se n’ha fet dels anuncis de Marlboro als cotxes de l’escuderia automovilistica Ferrari? Comes que s’han creat espais reservats per a fumadors en els ultims anys? Aquestes i altres preguntes sobre el mon del tabac conformen l’objecte del nostre treball d’investigacio. El nostre proposit es intentar donar resposta a questions com aquestes, i fer que el lector entengui realment a que es deuen aquests canvis en l’estructura del mercat del tabac. Mostrarem, mitjancant una mirada analitica dels diferents factors, que gran part d’aquests efectes en un producte (com pot ser el cigarret, en el cas que ens ocupa) son extrapolables a altres bens i que es poden explicar des del punt de vista economic, examinant les decisions d’agents amagats com ara el govern, i considerant les repercussions dels diferents tipus de politiques.Com tots sabem, el mon actual esta conformat per un seguit de relacions entre individus, o millor dit, agents economics que interactuen entre ells. Els resultats d’aquestes interaccions determinen el comportament de variables que, ben definides, poden ser estudiades, aixi com els seus efectes. Nosaltres hem intentat mostrar d’una manera senzilla i a l’abast de tothom fins a quin punt arriben aquestes interrelacions. El que preteniem en tot moment basar-nos en dades objectives obtingudes previ estudi. Es per aixo que, de la mateixa manera que al acabar el treball el lector sera capac d’entendre per que varia elpreu del mateix be al creuar una frontera, queda a carrec de cadascu determinar si, per exemple, els fumadors son objectes de persecucio o de si les mesures paternalistes del govern envers la prohibicio de la publicitat estan justificades.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.008 | 0.015 |
| Scholarly communication | 0.014 | 0.007 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.016 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".