Disinformation under a networked authoritarian state: Saudi trolls’ credibility attacks against Jamal Khashoggi
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract This paper deals with a case study that provides unique and original insight into social media credibility attacks against the Saudi journalist and activist, Jamal Khashoggi. To get the data, I searched all the state-run tweets sent by Arab trolls (78,274,588 in total), and I used Cedar, Canada’s supercomputer, to extract all the videos and images associated with references to Khashoggi. In addition, I searched Twitter’s full data archive to cross-examine some of the hashtag campaigns that were launched the day Khashoggi disappeared and afterwards. Finally, I used CrowdTangle to understand whether some of these hashtags were also used on Facebook and Instagram. I present here evidence that just a few hours after Khashoggi’s disappearance in the Saudi Consulate in Istanbul, Saudi trolls started a coordinated disinformation campaign against him to frame him as a terrorist, foreign agent for Qatar and Turkey, liar.... etc. The trolls also emphasized that the whole story of his disappearance and killing is a fabrication or a staged play orchestrated by Turkey and Qatar. The campaign also targeted his fiancée, Hatice Cengiz, alleging she was a spy, while later they cast doubt about her claims. Some of these campaigns were launched a few months after Khashoggi’s death. Theoretically, I argue that state-run disinformation campaigns need to incorporate the dimension of intended effect. In this case study, the goal is to tarnish the reputation and credibility of Khashoggi, even after he died, in an attempt to discredit his claims and political cause, influence different audiences especially the Saudi public, and potentially reduce sympathy towards him.
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.
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 | 0,007 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,005 | 0,042 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle