Notice bibliographique
Résumé
The apparatus of cash bail is devised to balance the presumption of innocence with a guarantee of court appearance, which has gradually railed against the existence of socioeconomic and ethnic inequality. This research yields a socio-legal critique of pretrial justice in Mombasa County, Kenya, examining how systemic bail inequities weaken governance credibility and intensify social exclusion. Utilising a multimethod approach, we explored thematic analysis of policy documents, court rulings, and NGO reports; interviews with police officers; regression modelling associating pretrial detention rates (2018–2023) with crime data; GIS-based hotspot mapping; and comparative case studies of bail reform in Germany and Canada. Quantitative results demonstrate that pretrial detention rates have an inverse relationship with community trust (β = –0.45, p < 0.01) and are inseparable from minor offences (3.2 % increase per 10 % rise in detention, p < 0.05), including terrorism recruitment. Logistic decline divulges that detention beyond seventy-two hours significantly raises the probability of reoffending in organised crime (OR = 1.8, p < 0.001). Spatial data analysis reveals coastal counties as points of interest where prolonged detention occurs simultaneously with radical activity. Qualitative intuitions bring to light that ethnic and economic discrimination in police bail decisions wears away civic faith and intensifies grievances that fanatic networks exploit. Considering experiences in other countries, we assert that impartial bail practices, emphasising risk-based assessments, non-monetary release options, and strengthened legal aid, are prerequisites for reinforcing social cohesion and national security. The analysis shows that pretrial justice updates should become part of security planning so bail works as a universal defence mechanism.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».