Trust Us—We Are the (COVID-19 Misinformation) Experts: A Critical Scoping Review of Expert Meanings of “Misinformation” in the Covid Era
Notice bibliographique
Résumé
Since the WHO declared COVID-19 a pandemic, prominent social actors and institutions have warned about the threat of misinformation, calling for policy action to address it. However, neither the premises underlying expert claims nor the standards to separate truth from falsehood have been appraised. We conducted a scoping review of the medical and social scientific literature, informed by a critical policy analysis approach, examining what this literature means by misinformation. We searched academic databases and refereed publications, selecting a total of 68 articles for review. Two researchers independently charted the data. Our most salient finding was that verifiability relied largely on the claims of epistemic authorities, albeit only those vetted by the establishment, to the exclusion of independent evidentiary standards or heterodox perspectives. Further, “epistemic authority” did not depend necessarily on subject matter expertise, but largely on a new type of “expertise”: in misinformation itself. Finally, policy solutions to the alleged threat that misinformation poses to democracy and human rights called for suppressing unverified information and debate unmanaged by establishment approved experts, in the name of protecting democracy and rights, contrary to democratic practice and respect for human rights. Notably, we identified no pockets of resistance to these dominant meanings and uses. We assessed the implications of our findings for democratic public policy, and for fundamental rights and freedoms.
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 | 0,014 |
| 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 | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,002 |
| 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 | 0,000 |
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 ».