Notice bibliographique
Résumé
With pressure on Twitter from governments and others intent on preventing the spread of racist, including anti-Semitic and Islamophobic, messages, it appears that some right-wing populist users have moved to Gab, where they are less likely to be censored. There appears to be a split between those who are willing to play by the new rules on Twitter, and those who prefer the ability to express their racism more openly on Gab. We believe that this split reflects a broader, ongoing split within the far right. In the United States and in Europe, the more "moderate" right, hopeful of electoral successes, conserves its Islamophobic and anti-migrant rhetoric, but is moving away from overt anti-Semitism. Meantime the diehard anti-Semites develop their own, separate networks, online and offline, and these may now include Gab. Our test case is what we call the "Soros Myth," which accuses the Hungarian-born, American-Jewish financier George Soros of instigating or supporting an astonishingly large array of causes and events that right-wing populist resent, including the mass migration of Muslim refugees to Europe. The article discusses the methodology of gathering relevant information on Twitter and Gab, and the preliminary results, which strongly support our working hypothesis that when it comes to the Soros Myth, the more overtly anti-Semitic content is now found on Gab.
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 | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».