Sex Work Governance Models: Variations in a Criminalized Context
Notice bibliographique
Résumé
BACKGROUND: Under current laws, sex workers are effectively criminalized, which can lead to harmful impacts beyond arrest and prosecution for sex work-specific offenses, including eviction, search and seizure, surveillance, harassment, and deportation. Although these laws are federal, they are realized in and by policy communities at the municipal level. MATERIALS AND METHODS: Based on a qualitative and inductive study of local policy actors affected by or involved in the implementation of prostitution laws, including 65 semistructured interviews in 2014, 2015, and 2016, we identify five different governance models within a shared legal framework of criminalization. We derive these models from an exploration of interactions among actors and organizations based in selected Canadian cities, all of which are bound by federal laws that criminalize the buying of sex thus effectively criminalizing prostitution. RESULTS: Our study surfaces a diversity of traditional and non-traditional policy players who interpret and implement prostitution laws or advocate for and support sex workers. Focusing on equilibrium moments in relationships among these actors, we identify ideational frames that appear to shape dynamics among them and, in turn, give rise to different governance models. CONCLUSIONS: Our findings of different models within the same, overarching legal context are notable because it demonstrates the variability of a single law when it is implemented in local contexts. This is a contribution not just to understanding how prostitution is governed in particular contexts but also to policy and governance theory more generally. Our findings can serve in future, deductive studies that seek to determine the causes and implications of different governance models in the policy area of prostitution and beyond.
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 | 0,002 | 0,001 |
| 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 | 0,001 |
| 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 ».