Distrusting Consensus: How a Uniform Corona Pandemic Narrative Fostered Suspicion and Conspiracy Theories
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
Although the institutional model of science communication operated well during the corona-pandemic, and relevant public institutions (media, science, politics) garnered higher levels of trust following “rally-around-the-flag” dynamics, other people would develop distrusts towards those institutions and the emerging orthodox corona narrative. Their ideas are often framed as conspiracy theories, and today’s globalized media eco-system enables their proliferation. This looming “infodemic” became a prime object of concern. In this article I agnostically study those distrusts from a cultural sociological perspective to better understand how and why people (came to) disbelieve official knowledge and their producers. To do so, I draw on my ethnographic fieldwork in the off- and online worlds of people labeled as conspiracy theorists in the Netherlands, which includes the media they consume, share and produce. Based on an inductive analysis of people’s own sense-making, I present three dominant reasons: media’s panicky narrative of fear and mayhem; governments sole focus on lockdowns and vaccines; and the exclusion of heterodox scientific perspectives in the public sphere. Each of these reasons problematize a perceived orthodoxy in media, politics and science, and this uniformity bred suspicion about possible conspiracies between these public institutions. Too much consensus gets distrusted. While we can discard those ideas as irrational conspiracy theories, I conclude that these findings have important implications for the way we deal with and communicate about complex societal problems. Next to keeping things simple and clear, as crisis/risk/science communication holds, we need to allow for uncertainty, critique and epistemic diversity as well.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 découle