Alternative Risk: A Diagnostic and Canadian Anti-Vaccine Case Study
Notice bibliographique
Résumé
This thesis builds on a growing body of interdisciplinary risk scholarship that is taking place across the humanities and sciences. It combines Ulrich Beck’s sociological concept of “risk society”, legal scholar Dayna Nadine Scott’s “risk frame” as a Foucauldian “governmentality” and the techniques of the professional writing discipline of “risk communication” with multi-modal rhetorical analysis to show that “risk” is more than a deliberative discussion of statistics and probabilities: it is a multi-dimensional form of argument that has become a topos, or persuasive “place,” in our social discourse, one where we find arguments about preventing catastrophe ... or where we find arguments for all kinds of other purposes. I argue that this complex rhetorical practice is vulnerable to capture by “alternative risk”: risk communications that adopt the conceptual and formal features of risk discourse to exploit their audience’s risk anxieties. In a context of increasing concern about the volume and impact of disinformation, the concept of “alternative risk” offers a framework for diagnosing patterns and structures of disinformation, which I apply in a Canadian anti-vaccine case study, Stop the Shots in Kids. Mapping this anti-COVID vaccine campaign to the “alternative risk” framework reveals (1) how it uses the stylistic and conceptual features of risk communication alongside rhetorical strategies characteristic of the “alt-right” to advance conspiracy theories and other forms of mis- and dis-information in a manner that makes them difficult to distinguish from legitimate COVID-19 risk communications, and (2) how it uses the risk of vaccination as a “place” to argue about COVID-19 restrictions, mitigation practices such as masking, and the trustworthiness of government and other institutions. The case study, and the other examples included in this thesis highlight that alternative risk is not a “fringe minority” issue, but something of mainstream and ongoing importance in our daily lives.
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 | 0,005 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,004 | 0,007 |
| Études des sciences et des technologies | 0,033 | 0,009 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,006 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».