La traite des femmes dans le contexte des grands évènements sportifs : quel plan de match ?
Bibliographic record
Abstract
À chaque évènement sportif d'envergure internationale, Jeux olympiques, Coupe du monde, Super Bowls ou Grands Prix de Formule 1 confondus, l'hypothèse selon laquelle l'exploitation sexuelle, la prostitution et la traite des femmes augmentent refait surface. Si l'existence de ces phénomènes n'est plus à démontrer, leur augmentation lors de la tenue de grands évènements sportifs fait toujours l'objet de débats, et ce, essentiellement en raison d'une confusion sémantique. Cet article avance qu'il est impossible de conclure à une augmentation de la traite lors de ces évènements en raison, d'une part, des problèmes d'interprétation de la notion de traite des femmes, internationalement définie et trop souvent confondue avec celle de prostitution, lesquelles reposent sur des systèmes normatifs distincts. D'autre part, ces méconnaissances interprétatives entraînent des impairs méthodologiques illustrés par une revue des campagnes de lutte contre l'exploitation sexuelle lors des grands évènements sportifs. En conséquence, différents acteurs instrumentalisent le « mythe » de l'augmentation de la traite des femmes afin de faire avancer leurs agendas respectifs lors de ces évènements, et ce, au détriment de la protection des victimes de traite. Il s'agit ainsi d'analyser l'impact du droit, international et accessoirement national canadien, en matière de prostitution et de traite des femmes, en temps d'évènements sportifs d'envergure.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.014 |
| Scholarly communication | 0.003 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.005 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".