Travailleuses du sexe indépendantes : risques de victimisation et stratégies de protection en contexte de marginalisation
Bibliographic record
Abstract
Une multitude d’études empiriques ont exploré le travail du sexe et les individus qui y participent. Cependant, ces recherches tendent à uniformiser les réalités vécues, en négligeant la diversité des pratiques et des profils. Les expériences des femmes qui s’engagent volontairement dans le travail du sexe de manière indépendante demeurent particulièrement peu étudiées. Souvent actives en marge des structures institutionnalisées et moins visibles de l’industrie, ces femmes restent largement méconnues et sous-représentées dans la littérature scientifique. Cette étude s’intéresse aux effets de la marginalisation sur la trajectoire des travailleuses du sexe indépendantes. À partir d’une méthodologie qualitative, treize participantes ont partagé leur vécu au sein de l’industrie, permettant d’analyser les risques de victimisation auxquels elles font face, ainsi que les stratégies qu’elles mobilisent pour se protéger. L’analyse des témoignages révèle les formes de discrimination et de violence auxquelles ces femmes sont exposées, les mécanismes de protection qu’elles développent et les conséquences psychologiques et sociales de la stigmatisation. En approfondissant la compréhension des risques et des stratégies de gestion liés à leur profession, cette recherche met en lumière les défis particuliers auxquels ces femmes doivent faire face dans un contexte de marginalisation.
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 | 0.007 | 0.015 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.006 | 0.012 |
| Scholarly communication | 0.004 | 0.004 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.007 | 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".