Parler Games: A Narrative Framework Analysis of Parler Conspiracy Theories and the January 6th Insurrection
Notice bibliographique
Résumé
Parler, a prominent right-leaning "echo platform," became a forum in late 2020 for Trump supporters convinced the 2020 election was fraudulent as they abandoned or were banned from Twitter. This study suggests that a narrative analytical approach to the discussions on Parler in the period from the 2020 presidential election up to the violence at the Capitol on January 6th, 2021 can provide some insight into the relationship between storytelling and real world action. We deploy a computational pipeline combining natural language processing and network analysis to uncover the underlying narrative framework, based on an actant-interaction model. We use a topic modeling approach to further reduce the complexity of the narrative framework; various community detection methods afford a macroscopic view onto the discussions, allowing one to both trace the development of narratives and subnarratives over time, and to explore at various levels of granularity the make-up of narrative subgraphs. The main narrative framework of Parler is redolent of conspiracy theory, and portrays a profound threat to America and her patriots from deep state actors, "globalists," and Democrats. This threat necessitates a response. Beyond expressing anger, people posting to the site developed strategies for fighting back. Analyzing shifts and connections in conversations reveals an emergent real-world conspiracy to take violent action on January 6th, demonstrating how online conspiracy theorizing fostered an emergent real-world conspiracy.
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 | 0,002 |
| 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 | 0,001 |
| 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 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 ».