Bibliographic record
Abstract
Dans les programmes de lutte contre la traite humaine comme dans les discussions académiques, la question de l’exploitation du travail est souvent éclipsée par celle de l’exploitation sexuelle et du mouvement migratoire. À partir d’une étude menée au Laos, l’article défend l’idée selon laquelle le secteur anti-traite ne se limite pas à la production de discours et de politiques passant sous silence l’exploitation du travail (non sexuel), mais y contribue par le biais des programmes de réhabilitation pour victimes de traite. L’ethnographie de refuges pour victimes de traite permet d’affirmer que ce secteur alimente activement les circuits de recrutement de travailleuses peu rémunérées sur un marché du travail mondialisé. Les partenariats établis tant pour sécuriser ses financements que pour démontrer la réussite de ses programmes d’empowerment contribuent à la stabilisation d’une main-d’oeuvre prolétaire féminisée dans le secteur de la production de précision. Questionnant la singularité des programmes de réinsertion d’anciennes victimes de traite vers des ateliers d’usine au regard des politiques internationales de réintégration d’anciennes victimes de traite, l’article montre que le secteur anti-traite contribue à une division internationale du travail sociosexuée.
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 | 0.003 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.013 | 0.007 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.018 | 0.002 |
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".