Unveiling sextortion in sport: a global inquiry into the nexus of sexual violence, abuse of power, and corruption for enhanced safeguarding
Notice bibliographique
Résumé
Abstract Sextortion, a distinct form of sexual misconduct intersects with both sexual violence and corruption. Within the sphere of sport, marked by inherent power differentials and hierarchical structures, cases of sexual abuse and corruption persist, with sextortion emerging as a concerning manifestation of these pervasive issues. While sextortion shares commonalities with other forms of sexual abuse, such as harassment and assault, a distinguishing feature lies in how coercion is leveraged through authority or power imbalances. Unlike more overt forms of abuse, sextortion often involves subtle or implicit threats, where compliance is sought in exchange for perceived privileges or opportunities within the sporting environment. Leveraging Institutional Theory and Applied Ethics, this study aims to provide a comprehensive exploration of sextortion in sport. Despite increasing awareness, research on sextortion in sport remains limited. Previous studies lack data specific to this elusive misconduct, primarily relying on empirical data related to sexual abuse. This study represents the first empirical investigation into sextortion in sport, drawing on data collected from 49 countries and endeavours to quantifiably communicate the scale of sextortion. Through data analysis of over 500 elite athletes, community sport practitioners, and sport industry professionals aged 17 and above, the research sheds light on experiences related to abuses of entrusted power for sexual gain. Results found 20% (n = 96) of global respondents experienced sextortion, including 37 minors at the time of the incident, encompassing diverse genders, abilities, and identities. Sextortion was identified across 41 of the 49 surveyed nationalities and within 19 of 26 sport categories from grassroots to elite levels. This research deepens the understanding of sport-related sextortion and underscores the importance of addressing this pervasive issue through further theoretical and empirical inquiry. It emphasises the critical role of good governance, clear safeguarding protocols, increased awareness of power dynamics, consent, and the importance of diverse regional data in effectively combating sextortion in the sporting domain.
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 | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,008 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,000 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».