Policing of sex work in South Africa: The positive policing partnership approach
Notice bibliographique
Résumé
All aspects of sex work are criminalized in South Africa. Due to their marginalized position in society, sex workers are often the target of police violence and human rights violations, all of which have far-reaching implications for public health. Existing complaint mechanisms and police oversight structures rarely ensure accountability for sex worker human rights violations. In 2016, various sex work sector stakeholders and allied civil society members partnered in a collaborative project to document the operational policing challenges and record a contemporary evidence base of sex worker rights violations by law enforcement. The findings demonstrated that violation of sex worker human rights is systemic, pervasive, and entrenched. The project approach helped catalyze a move away from more traditionally adversarial approaches, withstakeholders from the South African sex work sector forming the Positive Policing Partnership (PPP) as an advocacy vehicle to drive positive, solution-focused engagement on the operational policing challenges. The PPP focuses on collaboration, innovative partnerships, and capacity building. Concurrently, the COC Netherlands Dignity, Diversity and Policing project has successfully embedded a rights-based police training curriculum in partnership with the South African Police Service (SAPS). These projects employ different strategies and frameworks to catalyze positive change and to support effective engagement between the sex work sector, law enforcement, and government. This article provides a snapshot of the formation, activities and progress of these projects to date, teamed with a summary of key strategies and learnings.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».