A “disorder that exacerbates all other crises” or “a word we use to shut you up”? A critical policy analysis of NGOs’ discourses on COVID-19 misinformation
Notice bibliographique
Résumé
Abstract Drawing from Carol Bacchi’s “What is the problem represented to be?” framework, we analysed discourses within documents from five nongovernmental organizations (NGOs) that have influenced the debate around “COVID-19 misinformation.” Through Google Scholar, we identified documents published between 2020 and 2024, selecting 29 reports by the Center for Countering Digital Hate, First Draft, Meedan, Public Good Projects, and the EU Disinfo Lab, and 13 articles authored by their directors or research directors. Across the data, the proposed policy solutions consisted of tracking, managing, and suppressing any COVID-relevant expression perceived as undermining the official policy response. It followed that the “problem” was represented to be these expressions, or rather, individuals producing them, framed as threatening science, democracy, and even human survival. NGOs also positioned themselves as experts in an emerging scientific field, infodemiology, thus equipped to evaluate all forms of communication according to their own or similar experts’ standards. Notably, none of the documents engaged with the substance of opposing viewpoints or disconfirming evidence, dismissing them almost entirely via authority, ad populum, or ad hominem fallacies. We conclude that, rather than defending science, democracy, or human survival, these NGOs and their partners are undermining the open, respectful, and inclusive debate essential to support these values.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,053 | 0,076 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,024 | 0,094 |
| Communication savante | 0,022 | 0,026 |
| Science ouverte | 0,002 | 0,011 |
| Intégrité de la recherche | 0,011 | 0,013 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».