Kalief Browder and the Criminalization of Poverty: Using Documentary Film as a Pedagogical Tool to Explore the Consequences of Cash Bail and Pretrial Detention
Notice bibliographique
Résumé
This study examines the use of Time: The Kalief Browder Story as an interdisciplinary pedagogical tool to explore the legal, political, and public health consequences of cash bail, pretrial detention, and systemic injustice. Browder’s prolonged incarceration without trial, rooted in his inability to pay bail and his extended time in solitary confinement, provides a case study through which students engage with structural failures of the U.S. criminal justice system and their far-reaching public health implications. The documentary was integrated into an undergraduate public health disparities course offered within the university’s core curriculum, drawing students from public health, criminal justice, sociology, political science, and related disciplines. Students applied the social determinants of health framework and the social-ecological model to analyze the legal and health dimensions of Browder’s case. Using a mixed-methods design, student papers, written reflections, and post-course survey responses were evaluated. Quantitative analysis revealed high levels of student mastery in applying interdisciplinary frameworks, identifying legal violations, and proposing policy-level interventions. Qualitative analysis highlighted students’ growing legal-public health literacy, their recognition of intersecting structural inequities, and the emotional impact of Browder’s story, which fostered empathy and a sense of professional responsibility. These findings suggest that narrative media serves as an effective teaching method for complex interdisciplinary topics, deepening students' critical thinking, ethical reasoning, and policy engagement. Future research should explore curricular adaptations, emotional scaffolding, and the long-term professional impact of narrative media pedagogy within legal, public health, and policy education.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,005 | 0,007 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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 ».