Implicazioni Criminologiche della Regolamentazione del Mercato della Cannabis in Italia
Bibliographic record
Abstract
Nel decennio 2010-2020, Uruguay, Canada e Stati Uniti hanno adottato differenti forme di legalizzazione del mercato della cannabis. Alla luce di questo, anche in Italia la legalizzazione della cannabis viene invocata come politica capace di contribuire all’efficientamento del sistema penale, al contrasto al crimine organizzato e, più in generale, alla riduzione dei reati. L’analisi del funzionamento del mercato della cannabis e della letteratura sul tema suggeriscono che l’apertura di un mercato legale di questa sostanza porterebbe ad una riduzione dell’aggravio per il sistema di giustizia la cui portata e durata sono però ad oggi difficili da stimare precisamente. L’impatto sui gruppi mafiosi sarebbe verosimilmente contenuto; la riduzione della violenza e dei crimini appropriativi probabilmente trascurabile. Siccome però la legalizzazione non è in realtà un’opzione binaria e le sue implicazioni dipendono dalle norme specifiche e dalle azioni amministrative adottate per regolare il mercato, è auspicabile lo sviluppo di nuovi studi che analizzino le conseguenze delle varie opzioni di regolamentazione considerando le specificità del contesto italiano.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.020 | 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".