Nature vs. Nurture in Albuquerque: What <em>Breaking Bad</em> and <em>Better Call Saul</em> Teach Us about How We Talk about Criminals
Notice bibliographique
Résumé
Breaking Bad and Better Call Saul focus on the criminal transformation of their two main characters, Walter White (Bryan Cranston) and Jimmy McGill (Bob Odenkirk). While quite similar on the surface, Walter and Jimmy’s narratives represent two different criminal transitions, evoking the classic nature vs nurture conversation. Both of these shows bring the conversation to the idea of inevitability. The nature vs. nurture argument is a popular one because it acts as a teaching tool for how we think and talk about criminal behavior. At first, it follows that since criminality was in Walter White’s nature the whole time, his transition should feel the most inevitable, with the inverse being true of Jimmy. However, since Better Call Saul is a prequel to Breaking Bad, the opposite ends up happening. Even though Jimmy may only need the right people around him to be saved from his descent, his presence as Saul Goodman on Breaking Bad reminds the audience that it is Jimmy who is already fated to become a criminal. This dichotomy highlights the distinctive pedagogical opportunity present in both of these shows. Through their subversion of the concepts of nature and nurture, they allow for a unique teaching opportunity regarding how we talk about criminals. This article explores what they teach us and how their commentary can be used as a pedagogical tool for learning about criminal behavior in more nuanced ways.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,020 | 0,013 |
| Communication savante | 0,006 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».