Scripter le trafic humain à des fins d’exploitation sexuelle : du recrutement à la distribution des bénéfices
Notice bibliographique
Résumé
En 2019, le trafic humain à des fins d’exploitation sexuelle continue de générer une importante polarisation des opinions sur les places publiques et politiques. Même si les écrits entourant ce phénomène sont nombreux, celui-ci reste mal défini. Le manque de recherches bâties sur une méthodologie rigoureuse demeure une entrave importante à l’élaboration de connaissances fiables autant en ce qui concerne le paradigme du passage à l’acte que celui de la réaction sociale. Pourtant, la gravité des impacts de ce crime sur la vie des victimes mérite de s’y attarder consciencieusement. La présente recherche souhaite poursuivre l’exploration empirique du phénomène. L’objectif est de décrire le processus du trafic humain à des fins d’exploitation sexuelle. Pour ce faire, l’approche des scripts a été retenu comme cadre théorique. C’est une approche utilisée dans de nombreuses études de phénomènes complexes et pourtant rarement appliquée au trafic humain. L’approche du script nous permet de considérer le trafic humain à des fins d’exploitation sexuelle dans sa globalité tout en permettant de mettre en lumière les éléments spécifiques nécessaires qui composent le processus. Vingt-deux cas, tirés de jugements canadiens ayant des accusations sous l’article 279.01 du Code criminel, ont été retenus pour créer le script général du trafic humain à des fins d’exploitation sexuelle. Le résultat est un script en huit étapes, du recrutement à la distribution des bénéfices. Deux étapes additionnelles ont été ajoutées. En amont, le contexte initial est soulevé pour, notamment, établir les motivations individuelles des travailleuses et, en aval, la fin de la carrière est décrite pour aborder les causes du désengagement. Le script identifié rapporte un trafic national, peu structuré et opportuniste.
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 | 0,005 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,015 |
| Communication savante | 0,007 | 0,007 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,002 |
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 ».