Où est le problème ? Diagnostics militants favorables à la légalisation du cannabis
Bibliographic record
Abstract
Cet article explore la diversité des discours militants favorables à la légalisation du cannabis au Canada. Dans les débats entourant une réforme de politique publique, la définition du problème constitue une étape cruciale. Nous présentons ici les cadrages diagnostiques sur lesquels différentes organisations canadiennes soutenant la légalisation du cannabis fondent leurs plaidoyers. Dans le cadre de cette recherche, douze organisations militantes s’entendant sur la nécessité de légaliser le cannabis ont été sélectionnées pour la variété de leurs positions. Une analyse de cadres a été appliquée à des sources documentaires et au contenu d’entretiens semi-dirigés réalisés entre octobre 2015 et mars 2016. Ces acteurs collectifs de la société civile émettent des constats variés quant à la nature du problème que pose le régime actuel ou que pourraient poser de « mauvais » modèles de légalisation. Nous avons identifié quatre principaux types de cadrages diagnostiques dans les discours des acteurs : 1) le diagnostic basé sur l’inefficacité ; 2) le diagnostic critique ; 3) le diagnostic d’injustice et 4) le diagnostic politique. Chaque cadrage influence bien sûr le type de réforme proposée par les acteurs. L’examen des diagnostics permet de saisir la complexité propre au débat sur la légalisation du cannabis.
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 | 0.012 | 0.047 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.010 | 0.012 |
| Scholarly communication | 0.007 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.003 | 0.006 |
| Insufficient payload (model declined to judge) | 0.009 | 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".