Lessons Learned: Ontario Sex Worker Experiences of Federal and Provincial COVID-19 Policy
Bibliographic record
Abstract
Au lendemain de la pandémie de COVID-19 au Canada, de nombreux gouvernements et organismes fédéraux et provinciaux, ainsi que diverses ONG, ont publié des rapports sur les « leçons apprises » qui évaluaient les politiques mises en place pendant la pandémie. L'article propose des commentaires sur ces rapports en se basant sur une analyse situationnelle de leur contenu. Il constate que, si beaucoup d'entre eux examinaient les impacts sur diverses communautés marginalisées, les politiques liées au travail de l'industrie du sexe et les expériences de l'industrie étaient largement absentes. Notre analyse de ces lacunes met en avant l'expertise des travailleurs et travailleuses de l'industrie du sexe eux-mêmes. En prenant comme étude de cas la province canadienne de l'Ontario, nous traitons de trois domaines politiques clés : les mesures provinciales de confinement et les ordonnances de rester chez soi; les conditions d'admissibilité pour accéder aux aides économiques et financières d'urgence disponibles; et le plan de déploiement des vaccins. Le fait de mettre l'accent sur le travail de l'industrie du sexe permet de mettre en évidence les contradictions souvent ignorées entre les soins et le contrôle, les relations entre les politiques axées sur le maintien de l'ordre et les réponses pénales et judiciaires étant particulièrement tendues. Nous soutenons au contraire que les décideurs politiques peuvent tirer des leçons précieuses des initiatives d'entraide et de soins collectifs mises en place par les travailleurs et travailleuses de l'industrie du sexe, une leçon aux ramifications étendues.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.021 | 0.009 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 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".