Blâmer les victimes de la traite des personnes à des fins d’exploitation sexuelle : proportion et facteurs associés
Notice bibliographique
Résumé
La traite des personnes à des fins d’exploitation sexuelle, représentant environ 4,8 millions de victimes en 2016, est la forme la plus répandue de traite des personnes. Dans l’optique ou le blâme qui est attribué aux victimes peut nuire à leur rétablissement, la présente étude a évalué la proportion et les facteurs associes au blâme des victimes de la traite des personnes à des fins d’exploitation sexuelle. Cette recherche s’inscrit dans le cadre d’un projet de recherche en cours à l’Universite du Québec à Chicoutimi (UQAC). Les facteurs évalués sont les suivants : genre, culture, niveau d’éducation, âge, histoire de victimisation sexuelle, expérience antérieure avec l’industrie du sexe, attitudes envers la prostitution, abus physique à l’enfance, consommation de pornographie, sexisme, racisme, expériences relatives à la stigmatisation sociale, ainsi qu’adhésion aux mythes entourant la traite des personnes à des fins d’exploitation sexuelle, la traite des personnes et les agressions à caractère sexuel. Cette étude observationnelle transversale a été réalisée auprès de 265 étudiant.es universitaires (M = 24,5 ans), par la passation d’un questionnaire en format papier durant des périodes de cours. Les données ont été analysées en utilisant un test t de Student et des khi-carres. Les résultats révèlent que 7,3% des etudiant.es universitaires (7,6 % au premier cycle et 7 % aux cycles supérieurs) ont blâmé la victime d’un scenario de traite des personnes à des fins d’exploitation sexuelle. Les individus appartenant à une culture autre que caucasienne et noire, davantage sexistes et qui adhéraient davantage aux mythes entourant la traite des personnes à des fins d’exploitation sexuelle, la traite des personnes et les agressions à caractère sexuel étaient plus nombreux à blâmer la victime. Ces observations ont le potentiel de permettre le développement de stratégies de lutte et de sensibilisation plus ciblées. Cette étude fournit également deux nouveaux outils traduits en français, qui permettront aux professionnel.les d’évaluer l’adhésion aux mythes entourant la traite des personnes à des fins d’exploitation sexuelle et la traite des personnes.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».