The Virus Gone Viral: The October 4th Conspiracy, “X”, and Post-Truth
Notice bibliographique
Résumé
On October 4th, 2023, the Federal Emergency Management Agency (FEMA) and Federal Communications Commission (FCC) conducted a nationwide test of the Emergency Alert System and Wireless Emergency Alerts, broadcasting a message to all consumer cell phones in the United States; This routine test became the catalyst for a baseless conspiracy theory involving 5G, wave frequencies, and zombies within the anti-vaccine community and gained significant traction online. In the context of a post-truth world, the proliferation of such dangerous misinformation warrants an examination of the role played by social media platforms, particularly "X" (formerly "Twitter"), in disseminating the October 4th Zombie conspiracy theory. This study explores how social media facilitates the dissemination and perpetuation of groundless theories devoid of objective truth within like-minded communities, and utilizes content analysis, discourse analysis, and an examination of user engagement with October 4th-related content on "X". What is found is that the rise of this conspiracy theory is largely attributed to the nature of the “X” algorithm: whether engaged with positively or negatively, engagement pushes content regardless of the nature of the post and therefore enables the widespread of the conspiracy theory across the platform to be viewed by millions. Thus, these findings bring forth the question of who is responsible for regulating informational versus misinformational discourse if we live in a post-truth era.
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 | 0,002 | 0,000 |
| 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 | 0,007 | 0,002 |
| Communication savante | 0,013 | 0,002 |
| 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 ».