“Friends” of Science? Critically analysing the multimodal discourse of a long-standing climate denial front group on Instagram
Notice bibliographique
Résumé
Problematic climate information affects public support for mitigation policies. Frequently distributed through a powerful coalition of contrarian actors—the climate change counter movement (CCCM)—it undermines scientific evidence to protect vested interests through ongoing promotional campaigns. On social media, image-based climate misinformation often outperforms verified content. Instagram, with its multimodal vernacular, is a crucial platform for climate misinformation research. In this paper, a novel, visual-first exploratory method combines unsupervised machine learning with multimodal critical discourse analysis. I employ a custom computational tool, the ‘Image Machine, to identify dominant visual signatures and discursive themes in a dataset of 15,000 Instagram posts, collected via hashtags representing climate denial discourse.Cluster analysis reveals a distinct visual signature that represents the branding logics of established contrarian front group, Friends of Science Society (FoS). Through multimodal critical discourse analysis of a visual cluster and representative post case study, this research interrogates the discursive strategies and climate denial rhetoric of FoS that—through deliberate intertextual, multimodal tactics that exploit Instagram’s affordances—aim to confound public climate science knowledge. Findings situate FoS firmly in the role of front group within the denial machine, instrumentally using climate denial as a rhetorical and discursive strategy to support Canada’s fossil fuel interests.Funded by fossil interests, FoS exploits signature visuality to solidify contrarian narratives and reinforce its brand. In documenting individuals and organisations implicit in the FoS funding structure, this research contributes to scholarship about the CCCM, as well introduces a novel methodology to ascribe multimodal—particularly, visual—means for detecting problematic climate information.
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 | 0,001 | 0,001 |
| 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 | 0,004 |
| Communication savante | 0,000 | 0,000 |
| 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 ».