Comment réinventer la politique canadienne sur les drogues illicites ?
Bibliographic record
Abstract
Depuis près d’un siècle déjà, le Canada, tout comme la majorité des pays de la planète, est engagé dans une guerre sournoise pour éradiquer le cannabis, la cocaïne, l’héroïne et d’autres drogues illicites. Mais quel doit être le rôle de l’État en matière de drogues illicites ? Doit-il intervenir afin de prévenir les préjudices causés par la consommation de drogues ? Si oui, de quelle façon doit-il le faire ? À titre de président du comité spécial du Sénat sur les drogues illicites, l’auteur tente de démontrer que, pour être éclairée et, par le fait même, constructive, cette large discussion publique doit d’abord être alimentée par la diffusion d’une information objective et rigoureuse sur l’évolution de la politique canadienne sur les drogues illicites, les conséquences négatives de la prohibition et les effets physiologiques et psychologiques de ces substances. L’auteur termine en présentant une série de principes directeurs objectifs qui orienteront les réformes.
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 | 0.011 | 0.021 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.005 | 0.014 |
| Scholarly communication | 0.006 | 0.007 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.011 | 0.014 |
| Insufficient payload (model declined to judge) | 0.010 | 0.001 |
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".