The Line Between Politics and Conspiracy Theories: Tracking Disinformation using #StopTheGreatReset
Notice bibliographique
Résumé
Have you heard? In today’s pandemic, the Trudeau administration has been using the widespread lockdowns to impose socialism in Canada. This conspiracy theory has been mobilized under the hash tags #StopTheGreatReset, #Scamdemic and #CancelTheLockdown amongst others. With the COVID-19 pandemic, as with previous major events, there has been an influx of dis-and mis- information on social media platforms. This rapid spread of information can have strong influences on people’s behaviour which can impact the effectiveness of public health measures taken by governments (Cinelli et al. 2020; González-Padilla andTortolero-Blanco 2020). My research is part of an ongoing project that aims to identify and map the spread of disinformation, and its effects on Canadian society. For this sub-project, I created a database of social media posts from Twitter accounts that promote or spread disinformation narratives directed towards Canadian politics and public health measures. From this, we were able to identify some of the most common narratives of disinformation in circulation on Twitter; the hash tag #StopTheGreatReset was chosen as the focus of the project to study the fine, and often blurred, line between legitimate politics and conspiracy theories. Going forth, my aim is to conduct a qualitative analysis on the links attached to social media posts fueling disinformation to understand what kinds of information are being circulated and identify common themes. This project has been an opportunity for me to learn about how social media research is conducted and allows me to engage with urgent issues in contemporary media culture.
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 | 0,008 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,008 | 0,015 |
| Communication savante | 0,009 | 0,009 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,003 |
| 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 ».