Problematizing the Educational Messaging on Sex Trafficking in the US “End-demand” Movement: The (Mis)Representation of Victims and Anti-Sex Work Rhetoric
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This study adopts a critical discourse analysis (CDA) approach to problematize the representation of victims in the online educational messaging on sex trafficking promoted in the US “end-demand” movement. The websites of 20 US anti-trafficking groups are analyzed. While these website-based messages are positioned to educate the public about sex trafficking, they are predominately framed toward problematizing sex work and essentializing women with racialized and marginalized identities in sex work, with no discursive recognition of intersectional structural inequalities (e.g., racism, sexism, poverty, homo/transphobia) that lead to trafficking. These ideologically charged messages, when presented as “facts,” further the anti-sex work sentiment among the public, powerfully (re)produce and sustain the public (mis)perception equating “anti-sex trafficking” with “anti-sex work,” and legitimize the carceral feminist anti-trafficking practice that primarily criminalizes, censors, and oppresses the agency, behaviors, and needs of structurally marginalized communities. This paper calls attention to how injustice may be (re)produced in the way trafficking is represented and how representational injustice may translate into material consequences, further subjecting already marginalized groups to criminalization and surveillance. Through incorporating representational justice into our conceptualization of racial and social justice, we may (re)build an anti-trafficking framework that is structurally competent, rights-inclusive, and centered on humanization.
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.
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 | 0,001 | 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 | 0,000 |
| 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 découle