An Epidemic of Rumors: How Stories Shape Our Perceptions of Disease
Notice bibliographique
Résumé
An Epidemic of Rumors: How Stories Shape Our Perceptions of Disease. By Jon D. Lee. (Logan, UT: Utah State University Press, 2014. Pp. xi + 219, acknowledgments, introduction, epilogue, index, references. $26.95 paper, $21.00 e-book.)It turns out that epidemics are a laughing matter-and also a matter of conspiracy theory and rumor. In An Epidemic of Rumors: How Stones Shape our Perceptions of Disease folklorist Jon D. Lee sets out to show how perceptions of diseases were formed through the circulation of narratives during the SARS epidemic of 2003, and how these stories affected behavior. More broadly this book describes patterned ways communities tend to respond to the news of emerging diseases. Central to Lee's project is a desire to foster better communication between lay audiences and the expert knowledge disseminators of public health, media, and academic institutions. While such experts may scoff at or dismiss popular narratives about diseases, Lee examines lay beliefs with the experience-centered approach (as exemplified by David Hufford) that takes seriously the observations and reasoning skills of ordinary people. Many of the narratives shared among lay observers of epidemics manifest xenophobic fears, and Lee shows that though experts may deride popular rumors they are often partially responsible for propelling problematic messages that exacerbate fear and suspicion.An Epidemic of Rumors begins with a meticulous timeline of the public health sector's, the media's, and (to a lesser extent) the medical research community's responses to SARS as they unfolded between April and July of 2003. Lee relies heavily on media sources to construct the timeline, a strategy that illuminates some processes more than others. The mass media's extraordinary ability to distill information from the scientific community for lay audiences makes them an important go-between. At the same time the media's tendencies to oversimplify, distort information, and inundate the public with sensationalist headlines created the context for public panic and the temporary collapse of the tourist industry in SARS hotspots in Asia and Canada. Thus public health reports are the building blocks of rumor and conspiracy theory spread via news media, internet, and word of mouth.The chapters that follow plunge the reader into the scholarship on and content of folk discourses of disease. Primarily the focus is on rumors and conspiracy theories about the origins and spread of diseases. Lee ranges himself among scholars of folklore and cultural studies (including Diane Goldstein, Patricia Turner, Charles Briggs, and Gary Alan Fine) and shows how SARS rumors borrow heavily from the template of other epidemic rumor cycles. The usual suspects of animal origins or outsiders are blamed for spreading the disease. Rumors and jokes about diseases have the power to naturalize the connection between racial categories and particular diseases. …
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 | 0,004 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,010 |
| Communication savante | 0,010 | 0,013 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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 ».