“You are not a horse”: Medicalization, social control, and academic discourse in the Covid-19 era
Notice bibliographique
Résumé
Since early 2020, public figures in government, medicine, public health, and academia have accused critics of official Covid-19 policy of subverting efforts to contain the crisis, by spreading “misinformation” leading to concerning levels of “vaccine hesitancy” or to the uptake of unproven, even dangerous, therapeutics. These accusations were compellingly captured in an August 2021 tweet from the US Food and Drug Administration (FDA), “You’re not a horse. You are not a cow. Seriously, y’all. Stop it”, warning anyone considering or already consuming the antiparasitic drug ivermectin to treat or prevent Covid-19 that the drug could be “dangerous and even lethal” if used outside of the scope of FDA guidelines. In this study I examine the role of academic popularizing discourse in Covid-19 debates. Drawing from theories and methods that share a concern with how medical language and frames are deployed to control social behaviour, I appraise articles from The Conversation, an outlet that disseminates academic knowledge to facilitate open exchange and democratic governance. My analysis challenges the outlet’s self-presentation, suggesting instead that, in the Covid-19 era, far from contributing to its ostensible goals, The Conversation’s stigmatizing and condemnatory messaging is largely undermining them, with dire implication for the normative academic principles of open inquiry, the free pursuit of knowledge, and the promotion of critical thinking among younger generations.
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 | 0,053 | 0,067 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,008 | 0,007 |
| Études des sciences et des technologies | 0,031 | 0,138 |
| Communication savante | 0,041 | 0,028 |
| Science ouverte | 0,003 | 0,021 |
| Intégrité de la recherche | 0,012 | 0,012 |
| 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 ».