Information disorder, the Triumvirate, and COVID-19: How media outlets, foreign state intrusion, and the far-right diaspora drive the COVID-19 anti-vaccination movement
Notice bibliographique
Résumé
Information disorder has become an increasing concern in the wake of the 2016 US presidential election. With the state of the COVID-19 pandemic rapidly evolving in all facets, the vaccination debate has become increasingly polarized and subjected to a form of politics based around identity markers such as nationality, ethnicity, gender, and ideology. At the forefront of this is the COVID-19 anti-vaccination movement that has gained mainstream attention, leading to conflict with pro-vaccinationists. This has paved the way for exploitation by subversive elements such as, foreign state-backed disinformation campaigns, alternative news outlets, and right-wing influencers who spread false and misleading information, or disinformation, on COVID-19 in order to promote polarization of the vaccine debate through identity politics. Disinformation spread sows confusion and disorder, leading to the erosion of social cohesion as well as the potential for real-world conflict and violence. As a result, the article below will generate further understanding of the modern-day spread of disinformation, the strategies and tactics utilized by state and non-state actors, the effects of its exposure, and the social-psychological processes involved in its spread and resonance. Furthermore, in countering this phenomenon, this article recommends a collaborative framework involving emphasis on critical media literacy skills, citizen participation, and development of counter-offensive capabilities towards state-backed information operations.
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 | 0,004 | 0,004 |
| 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 | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».