Labor trafficking among migrant populations: a scoping review and qualitative interview study with stakeholders
Notice bibliographique
Résumé
Introduction Labor trafficking is a widespread yet underreported form of exploitation that disproportionately affects migrant populations. Migrants often face coercion, deception, and abuse across various labor sectors, and these circumstances are often exacerbated by structural inequalities and legal protections. There is a pressing need to synthesize existing knowledge and integrate stakeholders’ perspectives to inform future prevention and policies. Objective This study examines the scope, nature, and thematic trends in the literature on labor trafficking among migrant populations and augments these findings with qualitative insights from stakeholders working directly with trafficked migrant populations. Methods A scoping review was conducted following A scoping review was conducted according to the PRISMA guidelines. Nineteen peer-reviewed empirical studies published between 2014 and 2024 were analyzed across four databases. In parallel, 17 semi-structured interviews were conducted with service providers, researchers, and advocates experienced in labor trafficking. Structural violence theory guided the thematic analysis using Quirkos software. Results Seven major themes emerged: (1) informal recruitment networks, (2) hazardous and exploitative working conditions, (3) psychological and physical coercion, (4) economic and structural vulnerability, (5) gender-based vulnerabilities, (6) inadequate legal protections and enforcement gaps, and (7) mental health impacts. The qualitative data highlight the lived realities and systemic challenges trafficked migrants face and help validate and enrich the findings from the scoping review. Conclusion Labor trafficking among migrants is driven by economic, legal, and social vulnerabilities. Comprehensive, survivor-centered policies are urgently needed: reforms to recruitment practices, expanded mental health support, and stronger legal frameworks. The study findings call for cross-sectoral collaboration and the integration of migrant voices in program and policy design to combat trafficking for labor exploitation.
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 | 0,001 | 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 | 0,000 | 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 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 ».