Racialized, Gendered, and Sensationalized: An examination of Canadian anti-trafficking laws, their enforcement, and their (re)presentation
Notice bibliographique
Résumé
Abstract In Canada, there are persistent allegations and some empirical evidence suggesting racialized police bias; certain (non-White) groups appear to face over-enforcement as criminal suspects and under-enforcement as victims. Yet, it is challenging to prove or disprove these claims. Unlike other countries, where governments routinely publish police-reported crime and criminal court data identifying the race/ethnicity of criminal suspects and victims, Canada maintains a ban on the publication of such data. In this article, using an intersectional and critical analysis, we examine 127 prosecuted (predominantly domestic sex) trafficking cases and explore related claims of racial and gender bias together with sensationalism in the enforcement of Canadian anti-trafficking in persons laws. Our findings align with other empirical research observing the racially selective identification and prosecution of sex trafficking cases through a heteronormative and gender binary lens. Whether real or perceived, racial—alongside gender, sexuality, economic, citizenship, and occupational—bias has significant adverse consequences for the equality, liberty, security, mobility, labour, and access to justice rights of the Indigenous, Black, Arab/Muslim and other racialized communities being policed. Our data reveal a clear and pressing need to publish race-disaggregated crime and criminal court data and to challenge deeply ingrained stereotypes using various means.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,009 | 0,010 |
| Études des sciences et des technologies | 0,023 | 0,014 |
| Communication savante | 0,008 | 0,002 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».