ΚΟΙΝΟΠΟΙΗΣΗ | ΕΚΤΥΠΩΣΗ | ΗΛΕΚΤΡΟΝΙΚΗ ΔΙΕΥΘΥΝΣΗ
https://www.kekstcnc.com/media/2827/20200730_kc_covid_opinion_tracker_japan_deck_final_for-web.pdf
Ρίξτε μια προσεκτική ματιά στην παραπάνω διαφάνεια από μια διεθνή δημοσκόπηση που διεξήχθη λίγους μήνες μετά την εμφάνιση της Covid: Έτσι μοιάζει η αποτελεσματική προπαγάνδα. Και το πραγματικό αποτέλεσμα ήταν ακόμη μεγαλύτερο, επειδή οι αριθμοί του «πραγματικού κόσμου» που χρησιμοποιήθηκαν για να υπολογιστεί πόσο άσχημα οι άνθρωποι υπερέβαλαν τους κινδύνους του Covid, φυσικά, προέρχονταν οι ίδιοι από... τους κορυφαίους οργανισμούς προπαγάνδας του κόσμου (που μεταμφιέζονταν σε οργανισμούς δημόσιας υγείας). Οι οποίοι ήδη υπερέβαλαν άγρια τους κινδύνους του Covid.
Η τέχνη της αποτελεσματικής προπαγάνδας είναι ένας περιεκτικός κλάδος που απαιτεί προσεκτική και ενδελεχή μελέτη — και αναθεώρηση — κατά καιρούς. Για τον αρχάριο, μπορεί να είναι πολύ δύσκολο να το κατακτήσει. Ακόμα και ο έμπειρος προπαγανδιστής μπορεί κατά καιρούς να πέσει στην παγίδα να σκεφτεί ότι η δημιουργία και η διάδοση προπαγάνδας είναι μια απλή επιχείρηση - κάτι που είναι ένας καλός τρόπος για να κερδίσει κανείς μόνιμες διακοπές στη Σιβηρία με όλα τα έξοδα πληρωμένα. Δεν είναι συνήθως τόσο απλό να μπερδεύεις ολόκληρη την κοινωνία κάθε μέρα, 365 ημέρες το χρόνο, επ' αόριστον.
Ο ακόλουθος σύντομος οδηγός θα παρέχει στον επίδοξο προπαγανδιστή, στον λακέ του Παγκόσμιου Οικονομικού Φόρουμ, στον κομμουνιστή απαρατσίκ, στον αφυπνισμένο μαρξιστή και στον έμπειρο κυβερνητικό γραφειοκράτη τα εργαλεία και τις γνώσεις που είναι απαραίτητα για να αναπτύξουν το πολλά υποσχόμενο ταλέντο τους σε πλήρη άνθηση της τέχνης της προπαγάνδας.
Αυτό το βιβλίο είναι λίγο μεγάλο!! Οπότε μην νομίζετε ότι πρέπει να το διαβάσετε από την αρχή μέχρι το τέλος μονομιάς, γιατί αυτό αποτελεί συνταγή για εξάντληση και για να μην συγκρατήσετε τις κρίσιμες πληροφορίες που περιέχονται σε αυτό.
Αυτό το εγχειρίδιο χωρίζεται στις ακόλουθες ενότητες:
Τμήμα Ι. Ορισμοί - Πώς να επαναπροσδιορίσετε λέξεις, όρους και μετρήσεις ώστε να ευθυγραμμίζονται με την αφήγηση του καθεστώτος
Ενότητα II. Επιμέλεια Δεδομένων - Πώς να καταλάβετε τις διαδικασίες καταγραφής, αναφοράς και δημοσίευσης δεδομένων
Τμήμα III. Έλεγχος των δεδομένων που θεωρούνται μέρος της επίσημης επιστήμης - Πώς να ελέγξετε τα δεδομένα και να απορρίψετε δεδομένα που δεν συμμορφώνονται με το καθεστώς, ώστε να μην εμφανίζονται ποτέ σε κανένα επίσημο σύνολο δεδομένων επιστήμης ή καθεστώτος
Ενότητα IV. Πώς να συντάξετε μια μελέτη - Ακριβώς όπως ακούγεται
Ενότητα V. Επεξεργασία των συνόλων δεδομένων - Μερικές φορές, θα χρειαστεί να κάνετε μια μικρή «επέμβαση» στα δεδομένα για να τροποποιήσετε το περιεχόμενο των βάσεων δεδομένων που έρχονται σε αντίθεση με τα σημεία συζήτησης του καθεστώτος, τα οποία δεν μπορείτε απλώς να εξαλείψετε.
Τμήμα VI. Έλεγχος των προτύπων αποδεικτικών στοιχείων - Πώς να δημιουργήσετε μια ιεραρχία στοιχείων που να τοποθετεί την επιστήμη που είναι φιλική προς το καθεστώς στην κορυφή και την επιστήμη που είναι μη φιλική προς το καθεστώς στη βάση (της Τάφρου των Μαριάνων)
Τμήμα VII. Οι Εκκλησιαστικές Αρχές της Επιστήμης - Πώς να διασφαλιστεί ότι οι Επιστημονικές Αρχές επαναλαμβάνουν με αξιοπιστία τα γεγονότα και τις αφηγήσεις του καθεστώτος
Ακολουθία - Δένοντάς τα όλα όμορφα, σαν ένα από τα παπιγιόν του Peter Hotez (είναι ένας ιδιαίτερα ενοχλητικός επιστήμονας διασημοτήτων του Regime)
Τμήμα Ι – Ορισμοί
«Αυτός που ελέγχει τη γλώσσα ελέγχει τις μάζες».
— Σαούλ Αλίνσκι, Κανόνες για ρίζες
Ο τρόπος με τον οποίο ορίζουμε τις έννοιες ή τις κατηγορίες καθορίζει ποια λεπτομέρεια του πραγματικού κόσμου επικοινωνούν ή αντιπροσωπεύουν – ή τι δεν επικοινωνούν ή δεν αντιπροσωπεύουν.
Οι εύπλαστοι ορισμοί, καθώς και ένα αυθαίρετο και ιδιότροπο πρότυπο για την ανάθεση ορισμών, είναι απολύτως απαραίτητο για κάθε αποτελεσματικό προπαγανδιστή. Παρά τις καλύτερες προσπάθειες, ακόμη και οι έμπειροι, ειδικοί προπαγανδιστές αναπόφευκτα θα αντιμετωπίσουν καταστάσεις όπου τα υπάρχοντα επιμελημένα δεδομένα ή η βιωμένη εμπειρία των ανθρώπων είναι προβληματικά για την επίσημη αφήγηση του καθεστώτος.
Συνεπώς, η αποτελεσματική προπαγάνδα απαιτεί την ικανότητα για ευέλικτη και εξαιρετικά προσαρμοστική ευελιξία για τον έλεγχο του περιεχομένου των δεδομένων, ιδίως των προϋπαρχόντων συμβατικών μετρήσεων που το κοινό έχει συνηθίσει να ακούει, οι οποίες είναι εξαιρετικά δύσκολο να εξαφανιστούν (σε αντίθεση με την ευκολία με την οποία μπορείτε να εξαφανίσετε έναν αντιφρονούντα επιστήμονα από το YouTube ή το Facebook). Για παράδειγμα, δεν θα μπορείτε να αποφύγετε να μιλάτε για «θανάτους» στο πλαίσιο μιας νέας Πανδημίας της Φοβερής Ασθένειας - ο κύριος τρόπος με τον οποίο οι άνθρωποι θα σχετίζονται με τη μέτρηση της σοβαρότητας μιας ασθένειας θα είναι πάντα πρωτίστως «Πόσοι άνθρωποι πέθαναν από την ασθένεια;». Αλλά μπορείτε να αλλάξετε σε τι αναφέρεται ο όρος «θάνατος» στο πλαίσιο της νέας Φοβερής Ασθένειας, εάν θέλετε να αυξήσετε ή να μειώσετε την αίσθηση των ανθρώπων για το πόσο θανατηφόρος είναι.
Στην πράξη, αυτό σημαίνει ότι όταν η κανονική κατανόηση ενός όρου ή μιας έννοιας δείχνει ότι η πραγματικότητα δεν ταιριάζει απόλυτα με την επιθυμητή αφήγηση του καθεστώτος, απλώς αλλάξτε μερικούς ορισμούς και ιδού, το πρόβλημα λύθηκε.
Όπως έχουν παρατηρήσει και πολλοί εξέχοντες κομμουνιστές προπαγανδιστές σε όλη την ιστορία, «Αυτός που ελέγχει τη γλώσσα κυβερνά τον κόσμο».
Υπάρχουν διάφοροι τρόποι για να τροποποιήσετε ή να μετατρέψετε ορισμούς από προβληματικούς σε αποδεκτούς:
I-1. Περιορισμός ενός Ορισμού
Εάν ο συμβατικός ορισμός κάποιου πράγματος περιλαμβάνει έννοιες, δεδομένα ή πληροφορίες που έρχονται σε αντίθεση με το δόγμα του καθεστώτος, περιορίστε τον ορισμό ώστε να μην περιλαμβάνει πλέον τις ανεπιθύμητες πληροφορίες. Υπάρχουν πολλοί τρόποι για να το κάνετε αυτό. Θα παραθέσουμε λοιπόν μερικούς από τους πιο συνηθισμένους τύπους χαρακτηριστικών που μπορείτε να χρησιμοποιήσετε για να περιορίσετε αποτελεσματικά έναν ορισμό: Περιορισμός του ορισμού κατά χρονικό διάστημα: Ας υποθέσουμε ότι τα εμβολιασμένα άτομα προσβάλλονται από την Τρομερή Νόσο σε πολύ υψηλά ποσοστά τις πρώτες 30 ημέρες μετά τον εμβολιασμό και μετά από 90+ ημέρες από τον εμβολιασμό, με το Ένδοξο Εμβόλιο. Αυτό είναι ένα μεγάλο πρόβλημα, επειδή οι άνθρωποι θα πιστεύουν ότι το Ένδοξο Εμβόλιο δεν είναι αποτελεσματικό:
Η κόκκινη γραμμή δείχνει το ποσοστό κρουσμάτων ανά εκατομμύριο ανθρώπων μετά τον εμβολιασμό με το Ένδοξο Εμβόλιο, με βάση τον αριθμό των ημερών από τον εμβολιασμό. Όπως μπορείτε να δείτε, τις πρώτες 30 ημέρες, το ποσοστό των λοιμώξεων που ξεσπούν είναι πολύ υψηλό, αλλά μεταξύ των ημερών 30-90 το ποσοστό κρουσμάτων είναι πρακτικά 0 και μετά την ημέρα 90 το ποσοστό κρουσμάτων αρχίζει να αυξάνεται ξανά.
Με απλά λόγια, αυτό που βλέπετε στο παραπάνω διάγραμμα είναι ότι ο αριθμός των κρουσμάτων ανά εκατομμύριο ανθρώπων έχει ως εξής:
- Πριν από τον εμβολιασμό: 500 κρούσματα Επικίνδυνης Ασθένειας/εκατομμύριο ανθρώπους
- 10 ημέρες μετά τον εμβολιασμό: 3,000 κρούσματα της τρομερής ασθένειας/εκατομμύριο ανθρώπους
- 20 ημέρες μετά τον εμβολιασμό: 1,700 κρούσματα της τρομερής ασθένειας/εκατομμύριο ανθρώπους
- 30 ημέρες μετά τον εμβολιασμό: 100 κρούσματα ανά εκατομμύριο ανθρώπων
Αυτή είναι μια πολύ άδοξη αποτελεσματικότητα για το Ένδοξο Εμβόλιο – κάτι που δεν μπορεί να επιτραπεί να συνεχιστεί. Μια λύση είναι απλώς να αλλάξει ο ορισμός του «εμβολιασμένου» ώστε να σημαίνει κάποιον που έχει εμβολιαστεί μεταξύ 30 και 90 ημερών από την ένεση με το Ένδοξο Εμβόλιο – με άλλα λόγια, όποιος έχει εμβολιαστεί εντός 30 ημερών ή μετά από 90 ημέρες από τον εμβολιασμό, δεν θεωρείται «εμβολιασμένος»:
Αυτή η συγκεκριμένη τακτική πρωτοπορήθηκε από σχεδόν κάθε υπηρεσία δημόσιας υγείας στον πολιτισμένο κόσμο, όπου ο ορισμός του «πλήρως εμβολιασμένου» για τα εμβόλια Covid περιοριζόταν σε «14 ημέρες μετά τη δεύτερη δόση σας»:
Περιορίστε τον ορισμό με βάση την ποσότητα, όπως τον αριθμό των ανοιγμάτων – Για παράδειγμα, εάν μια ομάδα ανθρώπων που έλαβαν 1 δόση ή 5 δόσεις της Θαυματουργής Θεραπείας Mirafaucivir πέθαναν (η πρώτη δόση σκοτώνει άτομα που είναι ιδιαίτερα ευαίσθητα στην τοξικότητά της και 5 δόσεις είναι πολύ τοξικές για σχεδόν οποιονδήποτε), περιορίστε τον ορισμό της «αγωγής με MiraFaucivir» σε 2-4 δόσεις:
Περιορίστε έναν ορισμό προσθέτοντας παράλογες συνθήκες στον ορισμό που είναι σχεδόν αδύνατο να εκπληρωθούν. Για παράδειγμα, μπορείτε να δοκιμάσετε να χρησιμοποιήσετε τις ακόλουθες συνθήκες για να περιορίσετε τον ορισμό ενός «θανάτου από εμβόλιο» στο πλαίσιο μιας μαζικής εκστρατείας εμβολιασμού με το νεοσύστατο Glorious Vaccine:
Είναι πολύ δύσκολο να καταφέρεις ποτέ να βρεις μια «επιβεβαιωμένη» περίπτωση θανάτου κάποιου από το Ένδοξο Εμβόλιο υπό τέτοιες συνθήκες.
(Πρέπει να θυμάστε να εμποδίζετε τις νεκροψίες όσο το δυνατόν περισσότερο για να είναι πλήρως αποτελεσματικός αυτός ο ορισμός-παράδειγμα.)
I-2. Επέκταση ενός ορισμού
Αντίθετα, μερικές φορές μπορεί να θέλετε κάτι περισσότερο από ό,τι υπάρχει στην πραγματικότητα. Η επέκταση των ορισμών είναι μια εξαιρετική λύση - απλώς αντιστρέψτε τις παραπάνω οδηγίες για τον περιορισμό των ορισμών.
Έτσι, αν χρειάζεστε περισσότερους θανάτους από την Τρομερή Νόσο από ό,τι υπάρχουν άνθρωποι που πραγματικά σκοτώθηκαν από την Τρομερή Νόσο, μπορείτε να επεκτείνετε τον ορισμό του «Θάνατος από Τρομερή Νόσο» σε «οποιονδήποτε θάνατο εντός 30 ημερών από ένα θετικό τεστ» και, ως δια μαγείας, έχετε μια πανδημία πλήρους κλίμακας στα χέρια σας.
Για να το δείξουμε αυτό, ας υποθέσουμε ότι μετά από 12 μήνες κυκλοφορίας της Φρικτής Νόσου, μόνο 7 άτομα ανά 100,000 μολύνσεις πέθαναν στην πραγματικότητα από την Φρικτή Νόσο - κάτι που δεν είναι ακριβώς τρομακτικό. Κάνετε μια μικρή αλλαγή και επεκτείνετε τον ορισμό ενός «Θάνατος από Φρικτή Νόσο» σε κάτι σαν αυτό που έβγαλε το CDC - «οποιοσδήποτε θάνατος εντός 30 ημερών από την θετική εξέταση για την Φρικτή Νόσο». Δεδομένου ότι πολλοί άνθρωποι πεθαίνουν κάθε μέρα, αν τους κάνετε μαζικά τεστ όλων, αναπόφευκτα θα «ανακαλύψετε» ένα σωρό νεκρούς ανθρώπους που τυχαίνει να έχουν την Φρικτή Νόσο όταν πέθαναν, παρόλο που σκοτώθηκαν από κάτι εντελώς άσχετο, όπως καρκίνο ή τροχαίο ατύχημα. Δείτε τι διαφορά κάνει αυτό:
Η Πολιτεία της Νέας Υόρκης προσφέρει ένα κλασικό παράδειγμα του πώς να επεκτείνουμε τον ορισμό του «Θάνατου από Φοβερή Ασθένεια» για να δημιουργήσουμε την εντύπωση μιας μοναδικής στην ιστορία υπερ-τρομακτικής αποκαλυπτικής πανδημίας - απλώς κοιτάξτε τον ακόλουθο υπέροχο ανοιχτό ορισμό για έναν «πιθανό» θάνατο από Covid:
ΣΗΜΕΙΩΣΗ ΠΡΟΣΟΧΗΣ: Πρέπει πάντα να προσέχετε να ΜΗΝ εκφράζετε ΠΟΤΕ, ΠΟΤΕ, ΠΟΤΕ – ΠΟΤΕ!!! – στο κοινό πώς τους εκνευρίζετε με σαφή, συνοπτική γλώσσα που μπορούν να κατανοήσουν. Το ακόλουθο αβίαστο λάθος το 2020 από τη Διευθύντρια Δημόσιας Υγείας του Ιλινόις, Δρ. Νγκόζι Εζίκε, είναι από αυτά που σου εξασφαλίζουν ένα γρήγορο εισιτήριο απλής μετάβασης για το Γκουλάγκ - είπε στην πραγματικότητα τα εξής σε δημόσια συνέντευξη Τύπου (δείτε το ενσωματωμένο βίντεο παρακάτω):
«Έτσι, ο ορισμός του κρούσματος είναι πολύ απλοϊκός. Σημαίνει ότι κατά τη στιγμή του θανάτου, η διάγνωση ήταν θετική στην Covid. Αυτό σημαίνει ότι αν βρισκόσασταν σε ξενώνα και σας είχαν ήδη δοθεί μερικές εβδομάδες ζωής και στη συνέχεια διαπιστώθηκε ότι έχετε επίσης Covid, αυτό θα θεωρούνταν θάνατος από Covid. Αυτό σημαίνει ότι, τεχνικά, ακόμη και αν πεθάνατε από σαφή εναλλακτική αιτία, αλλά είχατε Covid ταυτόχρονα, εξακολουθεί να αναφέρεται ως θάνατος από Covid.»
Έκανε το σωστό φυσικά χρησιμοποιώντας έναν τόσο υπέροχα εκτεταμένο ορισμό για τους θανάτους από Covid, αλλά ανόητα και απρόσεκτα άφησε την γάτα από την τσάντα να βγει μπροστά σε όλο τον κόσμο. Αυτό είναι το είδος του απρόσεκτου λάθους που μπορεί να καταστρέψει μια ολόκληρη προπαγανδιστική εκστρατεία από τη μια μέρα στην άλλη. Και επίσης το είδος του πράγματος που μπορεί να οδηγήσει στο τέλος της καριέρας (ή και χειρότερα):
I-3. Εφευρίσκοντας έναν ολοκαίνουργιο ορισμό
Μερικές φορές απλώς δεν είναι δυνατόν να κρύψεις την κοινή αντίληψη για κάτι απλώς παίζοντας με τον ορισμό στο περιθώριο. Σε αυτήν την περίπτωση, μπορείς να κάνεις το τολμηρό βήμα να επαναπροσδιορίσεις μια λέξη, μια έννοια ή μια κατηγορία εντελώς ώστε να ταιριάζει στις προπαγανδιστικές σου ανάγκες. Απλώς πρόσεξε ότι μπορεί να είναι λίγο πιο δύσκολο να πείσεις τους ανθρώπους ότι ο παλιός ορισμός είναι αποκύημα της φαντασίας τους.
Πάρτε για παράδειγμα το CDC (ναι, θα παραθέτουμε συχνά τα λόγια του CDC· είναι άλλωστε ο κορυφαίος οργανισμός προπαγάνδας για την υγεία στον κόσμο), το οποίο άλλαξε τον ορισμό του «εμβολιασμού» πολλές φορές σε διάστημα 6 ετών:
Πλευρική γραμμή: Το παραπάνω tweet προσφέρει ένα μάθημα για την ανάγκη ελέγχου των απατεώνων νομοθετών που ενδέχεται να προσπαθήσουν να διαφωνήσουν ή ακόμα και να αποκαλύψουν τις προπαγανδιστικές σας προσπάθειες. Δεν χρειάζεστε τον επιπλέον πονοκέφαλο της αντιμετώπισης σαφών αποδεικτικών στοιχείων της γλωσσικής σας προδοσίας που μεταδίδονται στο κοινό από το βήμα του Κογκρέσου ή του Κοινοβουλίου (ούτε τον ακόμη μεγαλύτερο πονοκέφαλο της εξορίας σας στη Σιβηρία ως ο ένοχος που επέτρεψε να συμβεί κάτι τέτοιο).
Κατά καιρούς, μπορεί ακόμη και να διαπιστώσετε ότι είστε παγιδευμένοι από την συνηθισμένη έννοια των λέξεων στην καθημερινή μας ζωή, όπου αυτές τονίζουν κάτι στο οποίο δεν έχετε την πολυτέλεια να δώσετε προσοχή. Σε περίπτωση που συμβεί αυτό, θα αναγκαστείτε να εφαρμόσετε μια θεμελιώδη αλλαγή στην ίδια την ουσία της γλώσσας. Αυτή είναι ένα είδος πυρηνικής επιλογής για όταν δεν μπορείτε να κρύψετε κάτι με άλλο τρόπο, και επίσης δεν έχετε την πολυτέλεια να μην το κρύψετε. (Προσοχή!! Μια τόσο τολμηρή προσπάθεια έρχεται με σημαντικό βαθμό δυσκολίας, καθώς πολλοί άνθρωποι θα είναι διατεθειμένοι να αντισταθούν σε μια τόσο ανοιχτή και τολμηρή μετάβαση σε μια γλώσσα - παρόμοια με το πόσοι αμόρφωτοι Λουδίτες αντιστέκονται στις μεταβάσεις φύλου.).
Για παράδειγμα, ας πάρουμε τον όρο «ειρηνική διαμαρτυρία»:
Φυσικά, ο όρος «περιορισμένος» είναι ένας υποκειμενικός όρος του οποίου τα ακριβή περιγράμματα είναι ασαφή, γεγονός που σας δίνει μεγάλο περιθώριο κέρδους να εφαρμόσετε την περιγραφή σχεδόν σε οτιδήποτε, ανεξάρτητα από το πόσο ασυνάρτητη ή ακατάλληλη είναι η εφαρμογή, όπως αποδεικνύεται από αυτό το πραγματικό ρεπορτάζ των μέσων ενημέρωσης που δεν χρειάζεται περαιτέρω περιγραφή:
I-4. Συνδυασμός κατηγοριών
Μερικές φορές, απλώς δεν είναι πρακτικό ή εφικτό να διαμορφώσετε τα δεδομένα απλώς αλλάζοντας τους ορισμούς. Μην ανησυχείτε όμως - αν δεν μπορείτε να αλλάξετε τον ορισμό, μπορείτε αντ' αυτού να αλλάξετε το ίδιο το σημείο δεδομένων ή την κατηγορία στην οποία οι άνθρωποι έχουν συνηθίσει τη λέξη ή τη φράση στην οποία αναφέρεται. Οι άνθρωποι δεν είναι προσαρμοσμένοι στις ανεπαίσθητες ή λεπτές διαφορές στις κατηγορίες ή τα σημεία δεδομένων και τα μέσα ενημέρωσης συγχέουν τα περισσότερα πράγματα ούτως ή άλλως, καθιστώντας αυτό ένα εύκολο και βολικό κόλπο. Για παράδειγμα, μπορείτε να δοκιμάσετε:
- Συνδυασμός διαφορετικών ηλικιακών ομάδων:
Ας υποθέσουμε ότι το Ένδοξο Εμβόλιο κάνει μια ομάδα παιδιών να μετατρέπονται σε ζόμπι. Αυτό είναι πολύ κακό για το καθεστώς. (Που σημαίνει ότι θα πρέπει να αναθέσετε σε μερικούς επιστήμονες να εργαστούν σε έναν σταθμό κλιματικής έρευνας στην Ανταρκτική για το υπόλοιπο της καριέρας τους. Χωρίς κάλτσες.)
Καταρχάς, πρέπει πάντα να αναφέρεστε σε αυτή τη νέα κατάσταση ως «Ασφαλή και Αποτελεσματική Μεταμόρφωση σε Σαρκοφάγο Ζόμπι». Ο λόγος για το σαρκοβόρο κομμάτι είναι απλός: το «ζόμπι που τρώει σάρκα» ακούγεται πολύ τρομακτικό και το απλό «ζόμπι» δίνει την αίσθηση ότι τα ζόμπι είναι ουσιαστικά νεκρά - δηλαδή τα πολύτιμα παιδάκια είναι νεκρά - κανένα από τα δύο δεν είναι μια εντύπωση που θέλετε να αφήσει ο κόσμος.Παρόλο που το υποθετικό μας παράδειγμα είναι απίθανο να υλοποιηθεί στην πράξη, η αρχή είναι σχετική και εφαρμόσιμη σε κάθε περίπτωση: πρέπει πάντα να ονομάζετε κάτι με τρόπο που να μεταφέρει μια αίσθηση του πώς θέλετε να είναι οι εντυπώσεις των ανθρώπων.)
Δεύτερον, επειδή το ποσοστό Ζόμπικοποίησης στην ηλικιακή ομάδα 12-17 ετών είναι τόσο υψηλό που είναι προφανές σε όποιον κοιτάξει τα δεδομένα (παρακάτω διάγραμμα), πιθανότατα θα πρέπει να το αντιμετωπίσετε. Έτσι, αντί να παρουσιάζετε τα δεδομένα ανά ηλικία, όπου οι άνθρωποι θα παρατηρήσουν αμέσως την αύξηση της παιδικής ζόμπικοποίησης, παρουσιάστε τα δεδομένα ως μια συνδυασμένη ηλικιακή ομάδα που είναι αρκετά μεγάλη για να κρύψει ή να ξεπλύνει το σήμα:
Αυτό που κάνετε στην ουσία είναι να πάρετε τον όρο «ποσοστό Ζόμπικοποίησης μετά το Ένδοξο Εμβόλιο», ο οποίος μπορεί να χρησιμοποιηθεί για να αναφερθεί στις διάφορες ηλικιακές ομάδες, και να τον κάνετε να αναφέρεται στο ποσοστό όλων των ηλικιακών ομάδων μαζί.
Τώρα κανείς δεν θα παρατηρήσει ότι τα δεδομένα δείχνουν έναν σαφή κίνδυνο για τα παιδιά να μετατραπούν σε σαρκοφάγα ζόμπι από το Ένδοξο Εμβόλιο.
Ή αντίστροφα, υποθέτοντας ότι τα παιδιά δεν πεθαίνουν από την Τρομερή Νόσο με αρκετά υψηλά ποσοστά για να τρομάξουν τις μαμάδες, μπορείτε να παρουσιάσετε δεδομένα θανάτων από την Τρομερή Νόσο από μια συνδυασμένη ηλικιακή ομάδα 0-50 που να δίνουν την εντύπωση ότι υπάρχουν τόσοι πολλοί θάνατοι από μια ομάδα που... περιλαμβάνει τα παιδάκια:
- Συνδυασμός διαφορετικών δημογραφικών ομάδων:
Ίδια ιδέα με τις ηλικιακές ομάδες. Ας υποθέσουμε ότι πρέπει να αποφύγετε να καταλάβουν οι πολίτες ότι η Τρομερή Ασθένεια είναι στην πραγματικότητα επικίνδυνη μόνο για τα νοσηρά παχύσαρκα άτομα - κάτι που είναι κακό:
- πρώτον επειδή τότε δεν θα φοβούνται την Τρομερή Ασθένεια
- Δεύτερον, επειδή οι άνθρωποι μπορεί να αρχίσουν να αμφισβητούν αν το λίπος είναι υγιές, κάτι που δεν μπορείτε να επιτρέψετε, επειδή μπορεί να αρχίσουν να αμφισβητούν την αφήγηση του καθεστώτος σχετικά με τη «θετικότητα στο λίπος» και μετά ποιος ξέρει τι άλλο στη συνέχεια.
Επομένως, θα πρέπει απλώς να παρουσιάσετε τα δεδομένα θανάτου από την Dreaded Disease χρησιμοποιώντας μια συνδυασμένη κατηγορία που καλύπτει όλους τους τύπους ταυτοτήτων βάρους:
- Συνδυασμός διαφορετικών χρονικών περιόδων
Ας υποθέσουμε ότι παρατηρείτε ότι οι θάνατοι από την Τρομερή Νόσο μειώνονται μήνα με τον μήνα - κάτι που μπορεί να είναι καταστροφικό για τα σχέδια του καθεστώτος που απαιτούν από τον λαό να πιστέψει ότι η Πανδημία της Τρομερής Νόσου κυκλοφορεί πλήρως για μερικούς ακόμη μήνες. Αν ο λαός καταλάβει ότι η Τρομερή Νόσος υποχωρεί, τότε χάνονται πολλές ευκαιρίες να χρησιμοποιηθεί η κρίση της Τρομερής Νόσου ως μέσο για την πραγματοποίηση κοινωνικού μετασχηματισμού, με στόχο την εδραίωση και την ενίσχυση της εξουσίας του καθεστώτος.
Έτσι, αντί να παρουσιάζετε τα δεδομένα θανάτων ανά μήνα, συνδυάστε και τους τρεις μήνες σε μια νέα κατηγορία «μηνιαίου μέσου όρου κατά τη διάρκεια των τριών μηνών», η οποία θα καλύψει τη μείωση από τον Ιανουάριο έως τον Μάρτιο, όπως απεικονίζεται παρακάτω:
- Συνδυασμός διαφορετικών γεωγραφικών δικαιοδοσιών
Ας υποθέσουμε ότι υπάρχει ένα αδίστακτο κράτος εντός της χώρας που δημιουργεί προβλήματα για το καθεστώς και δεν ακολουθεί τις οδηγίες του καθεστώτος για την αντιμετώπιση της Φρικτής Ασθένειας, την οποία θα ονομάσουμε Θανάτου Σαντίσταν. Αν δείξουν καλύτερα ή ακόμα και ίσα αποτελέσματα με την υπόλοιπη χώρα όπου είναι καλοί πολίτες και ακολουθούν τις οδηγίες του καθεστώτος, αυτό θα ήταν πολύ άσχημο. Ας υποθέσουμε επίσης ότι υπάρχει μια πόλη ή κομητεία εντός αυτής της κακής πολιτείας που είναι μια κομητεία πιστή στο καθεστώς που ακολουθεί όλες τις οδηγίες του καθεστώτος, αλλά της οποίας το ποσοστό θνησιμότητας είναι πολύ υψηλότερο από το υπόλοιπο Θανάτου Σαντίσταν. Το οποίο είναι πολύ πολύ άσχημο. Λύση; Μπορείτε να παρουσιάσετε δεδομένα από ολόκληρη την πολιτεία, ώστε οι άνθρωποι να μην μπορούν να καταλάβουν ότι η πιστή κομητεία που ακολουθεί τις οδηγίες του καθεστώτος έχει ποσοστό θνησιμότητας 10 φορές μεγαλύτερο από το υπόλοιπο κράτος. Υπάρχει ακόμη και ένα επιπλέον πλεονέκτημα: μπορείτε να επισημάνετε ολόκληρη την πολιτεία του Θανάτου Σαντίσταν ως αποτυχία, επειδή η κομητεία πιστή στο καθεστώς θα κάνει ολόκληρη την πολιτεία να φαίνεται πολύ χειρότερη!!
Ο συνδυασμός όλων των πόλεων και των κομητειών σε ένα άπιστο κράτος για την απόκρυψη των προβλημάτων που είναι μοναδικά για τις πόλεις που είναι πιστές στο καθεστώς είναι μια από τις βασικές τακτικές προπαγάνδας που χρησιμοποιούνται για να προσπαθήσουν να αποκρύψουν δυσάρεστες πληροφορίες, όπως τα πολύ υψηλότερα ποσοστά εγκληματικότητας στις πόλεις που είναι πιστές στο καθεστώς σε σύγκριση με τις πόλεις που ελέγχονται από την κακή αντιπολίτευση.
(Sidebar: Τα υψηλά ποσοστά εγκληματικότητας είναι φυσικά κάτι καλό, καθώς αποτελούν σκόπιμη επιλογή του καθεστώτος εκ προθέσεως – τα υψηλά ποσοστά εγκληματικότητας είναι χρήσιμα για το καθεστώς, επειδή η αστάθεια κάνει τους ανθρώπους πιο πρόθυμους να αποδεχτούν την τυραννική κυβέρνηση ως λύση.)
Για να το δείξουμε, ακολουθεί ένα εξαιρετικό κομμάτι gaslighting από ένα από τα βασικά φερέφωνα των μέσων ενημέρωσης του καθεστώτος:
Κοίτα τον υπότιτλο στο κατακόκκινο κουτί - δες πώς πιέζουν επιδέξια το κόκκινο με το δάχτυλο κράτη για τα υψηλά ποσοστά εγκληματικότητας που υπάρχουν όλες στις μπλε πόλεις εντός των κόκκινων πολιτειών αλλά όχι στην υπόλοιπη πολιτεία όπου η διακυβέρνηση είναι «κόκκινη;» Ακριβώς.
- Συνδυασμός διαφορετικών τύπων του αποτελέσματος ή του φαινομένου. Για παράδειγμα, εάν υπάρχει αύξηση σε έναν συγκεκριμένο υποτύπο ασθένειας - όπως ανησυχητικές αυξήσεις σε σπάνιες μορφές καρκίνου μετά την κυκλοφορία του Ένδοξου Εμβολίου, κάτι που θα μπορούσε να κάνει τους ανθρώπους να αμφισβητήσουν την επίσημη αφήγηση του καθεστώτος ότι το Ένδοξο Εμβόλιο είναι η ασφαλέστερη οντότητα που δημιουργήθηκε ή ανακαλύφθηκε ποτέ στην παγκόσμια ιστορία - μπορείτε να χρησιμοποιήσετε τη γενική κατηγορία του καρκίνου - η οποία είναι 1,000 φορές μεγαλύτερη - για να αποκρύψετε το σήμα.
Ένας άλλος τρόπος για να σκεφτείτε τον συνδυασμό κατηγοριών είναι να μην δίνετε ποτέ τα συγκεκριμένα δεδομένα για διαφορετικές ομάδες ή υποσύνολα, κάτι που έγινε στην εντέλεια όταν χτύπησε η Covid. Σκεφτείτε τα ακόλουθα αποτελέσματα δημοσκοπήσεων, που δείχνουν το ποσοστό των θανάτων από Covid για κάθε ηλικιακή ομάδα δίπλα-δίπλα με το ποσοστό κάθε ηλικιακής ομάδας που ανησυχούσε ότι θα σκοτωνόταν από την Covid. (Οι μπλε μπάρες δείχνουν το ποσοστό κάθε ηλικιακής ομάδας που ανησυχούσε ότι θα σκοτωνόταν από την Covid, οι πράσινες μπάρες δείχνουν το ποσοστό του συνολικού αριθμού θανάτων από Covid που σημειώθηκαν σε κάθε ηλικιακή ομάδα.)
Αν οι άνθρωποι είχαν καταλάβει ποιος ήταν ο πραγματικός κίνδυνος θανάτου τους, οι μπλε μπάρες θα έπρεπε να είναι τουλάχιστον στο ίδιο επίπεδο με τις πράσινες. Όταν οι μπλε μπάρες είναι δραματικά υψηλότερες, αυτό είναι αποτέλεσμα μιας βάναυσα αποτελεσματικής προπαγάνδας που συνδυάζει όλες τις ηλικιακές ομάδες σε μία κατηγορία χωρίς ποτέ να γίνεται διαφοροποίηση:
Πραγματικά τρομερή επιτυχία!!
I-5. Διαχωρισμός κατηγοριών
Μερικές φορές θα χρειαστεί να διαχωρίσετε μια κατηγορία αντί να τη συνδυάσετε με μια άλλη. Απλώς αντιστρέψτε το πλαίσιο που περιγράφεται παραπάνω για τον συνδυασμό κατηγοριών.
Αυτός ο έξυπνος μικρός ελιγμός είναι ιδιαίτερα χρήσιμος όταν χρειάζεται να βρείτε κάτι κάτω από το όριο στατιστικής σημαντικότητας.
Δεδομένου ότι η στατιστική σημαντικότητα είναι μια αρκετά σημαντική έννοια στα δεδομένα και την Επιστήμη, είναι καλή ιδέα να εξηγήσουμε πώς λειτουργεί.
Η στατιστική σημαντικότητα, όπως χρησιμοποιείται στη συμβατική ιατρική ακαδημαϊκή/επιστημονική ορολογία, ουσιαστικά σημαίνει ότι η πιθανότητα κάτι που δεν οφείλεται σε τυχαία σύμπτωση είναι μικρότερη από 5%.
If ρίχνεις ένα νόμισμα 10 φορές, η πιθανότητα να πετύχετε 7 κορώνες λόγω τυχαίας τύχης είναι 11.72% – ΔΕΝ είναι στατιστικά σημαντική. Αν ρίξετε ένα νόμισμα 100 φορές, η πιθανότητα να πετύχετε 70 κορώνες λόγω τυχαίας τύχης είναι ελάχιστη, 0.0023% – ΠΟΛΥ στατιστικά σημαντική (γιατί αυτό είναι πολύ λιγότερο από 5%) – που σημαίνει ότι δεν αποδίδεται εύλογα σε τυχαία τύχη, αλλά μάλλον σε κάτι συγκεκριμένο (όπως απάτη) το νόμισμα να πετύχει κορώνες κατά 70%.
Γιατί συμβαίνει αυτό; Για να πετύχετε 7/10, το μόνο που χρειάζεστε είναι δύο επιπλέον ρίψεις νομισμάτων για να πετύχετε τον στόχο σας – συνεχίζοντας ένα μικρό σερί. Μικρές αποκλίσεις όπως αυτή μπορούν εύκολα να συμβούν τυχαία. Ωστόσο, για να πετύχετε 70/100 απαιτούνται 20 επιπλέον ρίψεις νομισμάτων για να πετύχετε τον στόχο σας – οι πιθανότητες να πετύχετε *20* επιπλέον ρίψεις νομισμάτων από ένα σύνολο μόνο 100 τυχαία είναι αμελητέες. Έτσι, αν δούμε 70 κεφαλιές από 100 ρίψεις, μπορούμε να υποθέσουμε ότι υπάρχει κάποιο είδος απάτης, επειδή είναι πολύ πολύ απίθανο να συμβεί τυχαία.
Μπορείτε να το χρησιμοποιήσετε αυτό προς όφελός σας για να διαιρέσετε και να κατακτήσετε ένα στατιστικά σημαντικό σήμα – μπορείτε να διαιρέσετε μια κατηγορία όπου υπάρχει ένα στατιστικά σημαντικό σήμα για κάτι αντίθετο με το δόγμα του καθεστώτος σε μικρότερες κατηγορίες, προκειμένου να διασπάσετε το σήμα από ένα «70/100» σε μια δέσμη «7/10» που δεν είναι μεμονωμένα στατιστικά σημαντικά.
Έτσι, αν για παράδειγμα υπάρχει ένδειξη ότι υπάρχουν περισσότεροι θάνατοι ανά 100 ετησίως μετά την Εκστρατεία Θαυμαστού Ένδοξου Εμβολιασμού, μπορείτε να δημοσιεύσετε τα δεδομένα θανάτων ανά ηλικιακή ομάδα, όπου καμία ηλικιακή ομάδα δεν θα παρουσιάσει στατιστικά σημαντική αύξηση θανάτων (και μπορείτε να ισχυριστείτε ότι πιθανότατα πρόκειται για επιπλέον θάνατο που απομένει από την «Μακράς Φοβερή Νόσο» λόγω επιπλοκών της εμφάνισης της Φοβερής Νόσου):
Σημείωση προσοχής: Αυτή η συγκεκριμένη τακτική θα έπρεπε ιδανικά να συνδυαστεί με κάτι άλλο. Διαφορετικά, οι άνθρωποι θα μπορούσαν να ανακατασκευάσουν την ανάλυση κάνοντας μερικές απλές αριθμητικές πράξεις για να προσθέσουν όλες τις ηλικιακές ομάδες μαζί. Γι' αυτό φροντίστε να προσθέσετε και άλλα περίεργα κόλπα.
I-6. Αναδιανομή / Ανασχεδιασμός Κατηγοριών
Μια πιο λεπτοσυντονισμένη εναλλακτική λύση σε σχέση με τον άμεσο συνδυασμό κατηγοριών είναι η αναδιανομή τους – η αναδιαμόρφωση των ορίων, ας πούμε. Αυτό μπορεί να γίνει χρησιμοποιώντας οποιοδήποτε χαρακτηριστικό με το οποίο διαφοροποιούνται οι κατηγορίες.
Για να το δείξουμε αυτό, επιστρέφοντας στο παράδειγμά μας για την κακή και άπιστη πολιτεία του Θανάτου Σαντιστάν, αντί να συνδυάσετε ολόκληρη την πολιτεία σε ένα στατιστικό στοιχείο για ολόκληρη την πολιτεία, μπορείτε να ανασχεδιάσετε κρυφά τα γεωγραφικά όρια των κομητειών εντός της πολιτείας για τους σκοπούς των δεδομένων της Φοβερής Ασθένειας όπως αυτό - δείτε τι συμβαίνει όταν αλλάζουμε τα σύνορα της κομητείας στις πράσινες γραμμές:
Σημείωση: Αυτό δεν σημαίνει ότι πρέπει κυριολεκτικά να ανασχεδιάσετε τις κομητείες για πολιτικούς και άλλους σκοπούς, όπως οι εκλογικές περιφέρειες. Το μόνο που κάνετε είναι να χρησιμοποιείτε διαφορετικά σύνορα αποκλειστικά για τον σκοπό των στατιστικών της Φοβερής Ασθένειας. (Ο πληθυσμός, ωστόσο, θα υποθέσει ότι εννοείτε τις πραγματικές κομητείες που υπάρχουν και επομένως δεν θα συνειδητοποιήσει ότι τις ξεπεράσατε βιαστικά. Λέγεται προπαγάνδα για κάποιο λόγο.)
I-7. Ορισμοί Ρευστών
Υπάρχουν φορές που μπορεί να έχετε την παράδοξη ανάγκη να χρησιμοποιήσετε έναν συγκεκριμένο ορισμό για ένα πράγμα, αλλά πρέπει επίσης να αποφύγετε αυτόν τον συγκεκριμένο ορισμό για κάτι άλλο. Σε τέτοιες περιπτώσεις, πρέπει να ενεργήσετε σαν λεξικό - τα λεξικά συνήθως έχουν πολλαπλούς διακριτούς ορισμούς για μία λέξη, μπορείτε να κάνετε το ίδιο.
Για παράδειγμα, η λέξη «γυναίκα» ορίζεται μερικές φορές ως «ενήλικος άνθρωπος που διαθέτει γυναικεία ανατομικά και γενετικά χαρακτηριστικά», όπως όταν συζητείται το δικαίωμα επιλογής μιας γυναίκας· και μερικές φορές ορίζεται ως «άτομο που αυτοπροσδιορίζεται ως γυναίκα», όπως στο πλαίσιο οργανωμένου αθλητισμού.
Ενότητα II – Επιμέλεια Δεδομένων
Ακόμα καλύτερο από το να χρησιμοποιούμε εύπλαστους ορισμούς είναι να αποφεύγουμε καταστάσεις που απαιτούν εξαρχής αλλαγή ορισμού.
Ο καλύτερος τρόπος για να αποτρέψετε τέτοια προβλήματα είναι να επιμεληθείτε τα δεδομένα με τρόπο που να αποφεύγει τη δημιουργία πιθανών πονοκεφάλων, χρησιμοποιώντας μία ή περισσότερες από τις ακόλουθες δοκιμασμένες και ελεγμένες μεθόδους για την παραβίαση της επιμέλειας, της οργάνωσης και της παρουσίασης των δεδομένων.
II-1. Μην κάνετε διάγνωση ή μην αναγνωρίζετε κάτι
Εάν ένας ασθενής προσέλθει υποφέροντας από πολλαπλά νευρολογικά ελλείμματα μετά τη λήψη του Εμβολίου Glorious και σταλεί σπίτι με μια συνταγή Xanax για το «άγχος» του, δεν θα δημιουργηθεί διάγνωση για νευρολογικό έλλειμμα εξαρχής σε καμία βάση δεδομένων. Καμία διάγνωση πάθησης που θα μπορούσε να έχει προκληθεί από το Εμβόλιο Glorious - ή διαγνωστικός κώδικας σε κάποια μεγάλη κυβερνητική ή ασφαλιστική βάση δεδομένων - σημαίνει ότι θα πρέπει να χρησιμοποιήσετε οριστικά τεχνάσματα για να καλύψετε την ύπαρξη διαγνωσμένων τραυματισμών που σχετίζονται με το Εμβόλιο Glorious. Επομένως, θα πρέπει να διασφαλίσετε ότι τα άτομα που είναι υπεύθυνα για τη διάγνωση ή τον εντοπισμό προβληματικών ή αντιφατικών δεδομένων/παρατηρήσεων για το Τέλεια Ασφαλές και Αποτελεσματικό Εμβόλιο Glorious θα αποφύγουν να το κάνουν.
Αξίζει να τονιστεί εδώ ότι οι ασθενείς εύκολα δέχονται φυσαλίδες αερίου από τους ίδιους τους γιατρούς τους ότι «όλα είναι στο κεφάλι τους», ακόμη και ενώ γνωρίζουν ότι έχουν σοβαρούς, αλλοιωτικούς γιατρικούς τραυματισμούς που τους αφήνουν ανάπηρους και εντελώς ανίκανους να λειτουργήσουν. που βιώνουν καθημερινά.
Ας το δείξουμε αυτό με το ακόλουθο υποθετικό σενάριο:
Οι αξιωματούχοι του καθεστώτος βλέπουν ότι στον ελεγχόμενο από την κυβέρνηση ΠΡΟΠΑΓΑΝΔΑ Δημιουργήθηκε βάση δεδομένων επιτήρησης ασφάλειας για την παρακολούθηση της ασφάλειας του Glorious Vaccine –
– υπάρχει σήμα για σύνδρομο VAMP (Vοξύ Aσυνδεδεμένος Mμεταμορφολογικός Pφαινόμενα) συνθήκες:
Ένας ασθενής προσέρχεται στο ιατρείο παρουσιάζοντας ταχεία, οξεία έναρξη Σύνδρομο Renfield (δίψα για αίμα), ακραία φωτοευαισθησία, έντονη μακροδοντίακαι σοβαρή δερματίτιδα εξ επαφής έως ασημένια, που ξεκίνησαν μέσα σε λίγες ώρες από την ένεση με το εμβόλιο Glorious. Αυτή είναι μια προφανής περίπτωση παρενέργειας του συνδρόμου VAMP - η παρουσίαση του ασθενούς πληροί τα διαγνωστικά κριτήρια για πλήρη βαμπιρισμό και η πάθηση προκλήθηκε από το εμβόλιο Glorious (δεδομένου ότι εσείς, ο γιατρός, μπορείτε να αποκλείσετε με ασφάλεια οποιαδήποτε άλλη αιτία, ενώ η αμεσότητα εμφάνισης των συμπτωμάτων VAMP μετά την ένεση είναι μια αρκετά αυτονόητη ένδειξη ότι το εμβόλιο Glorious προκάλεσε τα συμπτώματα).
Παρόλο που ο ασθενής μπορεί να δει ότι σαφώς δεν έχει δίκιο - νιώθει έναν συντριπτικό πειρασμό να μασήσει την παλλόμενη σφαγίτιδα φλέβα σας, δεν αντέχει να βρίσκεται μπροστά σε ένα παράθυρο εκτός αν τα στόρια είναι εντελώς κλειστά, δαγκώνει κατά λάθος μερικά κομμάτια της γλώσσας του με τα πρόσφατα, εξαιρετικά μακριά και κοφτερά σαν ξυράφι μπροστινά του δόντια, και το δέρμα του αρχίζει να ξεφλουδίζει αν αγγίξει τα ασημένια οικογενειακά κειμήλια - και τι;; Μπορείτε ακόμα να πείτε στον ασθενή: «Αυτό είναι στο κεφάλι σου» και να τον στείλετε σπίτι με μια συνταγή Xanax (και ίσως ένα ή δύο σακουλάκια αίματος Ο-αρνητικού αν αισθανθείτε ότι ο ασθενής μπορεί να μην είναι σε θέση να ελέγξει τον εαυτό του για πολύ ακόμα και δεν θέλετε η σφαγίτιδα φλέβα σας να του παρέχει το μεσημεριανό γεύμα). Και ο ασθενής στην πραγματικότητα απλώς θα το δεχτεί και θα πάει σπίτι χωρίς ιδιαίτερη μάχη.
Αυτό αποφεύγει άψογα ακόμη και τη δημιουργία οποιουδήποτε διαγνωστικού αρχείου του συνδρόμου VAMP, επομένως δεν υπάρχει τίποτα να εμφανιστεί σε καμία βάση δεδομένων πουθενά.
Θα εκπλαγείτε με το πόσοι γιατροί συμμορφώνονται σε σημείο που θα πείσουν τους εαυτούς τους ότι η γούνινη γυναίκα με την ουρά που φύτρωσε από το πουθενά μια ώρα αφότου έκανε το Ένδοξο Εμβόλιο... δεν έχει καμία απολύτως σχέση με το Ένδοξο Εμβόλιο.
(Σημείωση: Με κάθε σοβαρότητα, είναι σημαντικό να βρείτε πιασάρικα ακρωνύμια ή ονόματα για πράγματα που μεταφέρουν την εντύπωση του πώς θέλετε να βλέπουν οι άνθρωποι το πράγμα, οπότε μην χρησιμοποιείτε αυτό το παράδειγμα στην πραγματική ζωή, επειδή δείχνει ότι δεν παίρνετε στα σοβαρά την επιτήρηση της ασφάλειας και κάνει τους ανθρώπους πιο πιθανό να πιστέψουν ότι προσπαθείτε να κρύψετε τα πραγματικά ζητήματα ασφάλειας με το Ένδοξο Εμβόλιο.)
II-2. Υπερβολική Διάγνωση ή Υπεραναγνώριση Κάτι
Αντίθετα, αν χρειάζεται να φτιάξετε κάτι περισσότερο από αυτό που είναι άμεσα διαθέσιμο, απλώς αντιστρέψτε το #1. Για παράδειγμα, αν θέλετε οι άνθρωποι να φοβούνται περισσότερο την Τρομερή Ασθένεια, μπορείτε να εφαρμόσετε ένα καθεστώς μαζικών τεστ για να αυξήσετε τον αριθμό των «επιβεβαιωμένων» κρουσμάτων της Τρομερής Ασθένειας. Επίσης, φροντίστε να χρησιμοποιήσετε τεστ που θα επιστρέψουν πολύ υψηλά ποσοστά θετικών, είτε είναι αληθινά είτε όχι.
Αυξάνοντας την επιτήρηση ή τα τεστ για κάτι, μπορείτε να δημιουργήσετε την εντύπωση ότι ο αριθμός των τεστ για τα οποία κάνετε τεστ αυξάνεται ή τουλάχιστον να διατηρήσετε την εικόνα που εξακολουθεί να υπάρχει. Σκεφτείτε το ακόλουθο παράδειγμα από τις παλιές καλές ΗΠΑ - μπορείτε να δείτε στο πάνω διάγραμμα ότι καθώς ο αριθμός των καθημερινών τεστ Covid αυξήθηκε, την ίδια στιγμή που το ποσοστό των θετικών τεστ μειώθηκε κατακόρυφα περισσότερο από 75% (κάτω διάγραμμα). Αυτό που κατάφερε να κάνει αυτό ήταν να διατηρήσει τους αριθμούς των κρουσμάτων σχετικά υψηλούς (μεσαίο διάγραμμα), έτσι ώστε ακόμη και όταν το ποσοστό των θετικών τεστ μειώθηκε >75%, ο αριθμός των νέων κρουσμάτων μειώθηκε μόνο κατά περίπου 25% κατά την ίδια χρονική περίοδο.
Η άνευ νοήματος αύξηση στον ακατέργαστο αριθμό των κρουσμάτων, η οποία οφειλόταν αποκλειστικά σε περισσότερα τεστ, οδήγησε σε τίτλους όπως αυτό το υπέροχο πορνό πανικού του NBC που δημοσιεύτηκε στις 11 Ιουνίου 2020:
Θυμάμαι: βρίσκεις αυτό που ψάχνεις και βρίσκεις περισσότερα από αυτά που ψάχνεις.
II-3. Μην αναφέρετε ό,τι έχει διαγνωστεί ή αναγνωριστεί
Μερικές φορές δεν είναι δυνατόν να αποφύγετε τη διάγνωση ή τον εντοπισμό κάτι που είναι καλύτερο να μην ανακαλυφθεί. Σε μια τέτοια περίπτωση, μπορείτε τουλάχιστον να βεβαιωθείτε ότι αυτό που παρατηρήθηκε δεν περιλαμβάνεται σε επίσημες αναφορές ή δεδομένα:
Πηγή: https://www.nytimes.com/2022/02/20/health/Covid-cdc-data.html
Σε πιο εξατομικευμένο επίπεδο, θα πρέπει να εκδώσετε οδηγίες στους γιατρούς, το ιατρικό προσωπικό και το διοικητικό προσωπικό επί τόπου, ώστε να ΜΗΝ διαγιγνώσκουν πράγματα που δεν θέλετε να εμφανίζονται σε σύνολα δεδομένων. Μην διστάσετε να χρησιμοποιήσετε οικονομικά κίνητρα για να κερδίσετε πιστούς γιατρούς που συμμορφώνονται με το καθεστώς. Μην είστε τσιγκούνηδες εδώ - η πρόληψη είναι σχεδόν πάντα φθηνότερη (και λιγότερο αγχωτική) από την επίλυση προβλημάτων αφού έχουν ήδη προκύψει.
Ακόμα και σε εκείνες τις σπάνιες περιπτώσεις όπου ένας γιατρός δεν μπορεί να αποφύγει τη διάγνωση μιας σοβαρής πάθησης σε έναν ασθενή που εμφανίστηκε αμέσως μετά τη λήψη του Glorious Vaccine, ο γιατρός μπορεί ακόμα να βεβαιωθεί ότι θα αποφύγει την αναφορά του ανεπιθύμητου συμβάντος σε οποιαδήποτε βάση δεδομένων τραυματισμών από το Glorious Vaccine.
Εναλλακτικά, εάν η βάση δεδομένων του καθεστώτος για την καταγραφή τραυματισμών από το Ένδοξο Εμβόλιο εξακολουθεί να περιέχει πάρα πολλές προβληματικές αναφορές όπου αμφισβητείται η ασφάλειά του, υπάρχουν δύο πράγματα που πρέπει να κάνετε.
Το πρώτο είναι να εγκλωβιστούν μερικοί από τους διαχειριστές βάσεων δεδομένων κατά μήκος της ακτογραμμής της Σομαλίας όπου συχνάζουν οι πειρατές, ώστε οι υπόλοιποι να συνέλθουν και να σταματήσουν να αφήνουν τόσες πολλές αναφορές να περνούν. Τους πληρώνετε για να κάνουν μια δουλειά, η οποία είναι να διατηρήσουν την κοινή αντίληψη ότι το Ένδοξο Εμβόλιο είναι το ασφαλέστερο φαρμακευτικό προϊόν που εφευρέθηκε ποτέ. Η αποτυχία δεν είναι αποδεκτή.
Το δεύτερο είναι να ΜΗΝ δημοσιοποιούνται οι προβληματικές αναφορές στη βάση δεδομένων. Το CDC προσπάθησε όσο το δυνατόν περισσότερο, αλλά τελικά ηττήθηκε από έναν απατεώνα δικαστή (κάτι που τονίζει την ανάγκη να υπάρχει έλεγχος και επί της δικαστικής εξουσίας):
II-4. Μην επιτρέπετε τη διερεύνηση φαινομένων εάν τα ευρήματα ενδέχεται να προκαλέσουν προβλήματα
Η άλλη όψη του «Θα βρεις αυτό που ψάχνεις» είναι ότι «Δεν θα βρεις αυτό που δεν ψάχνεις», οπότε βεβαιωθείτε ότι κανείς δεν ψάχνει για πιθανά σημάδια για κάτι που θα μπορούσε να είναι προβληματικό για την αφήγηση του καθεστώτος. Αν, ας πούμε, το καθεστώς εξαπολύσει «κατά λάθος» μια πανώλη σε μια πόλη του τρίτου κόσμου, δεν μπορείτε να έχετε ενοχλητικούς θεωρητικούς συνωμοσίας των μέσων κοινωνικής δικτύωσης να καταλαβαίνουν τι συνέβη, οπότε καλύτερα να βεβαιωθείτε ότι κανείς δεν διεξάγει νεκροψίες ή δεν εξετάζει άρρωστα άτομα.
Το CDC προσφέρει ένα ακόμη παράδειγμα καλής προληπτικής στρατηγικής σκέψης για να αποτρέψει την ύπαρξη δεδομένων που είναι δυνητικά επιβλαβή για το καθεστώς:
Το CDC πολύ έξυπνα δεν έχει ακόμη αναθέσει ούτε μία νεκροψία για τους χιλιάδες θανάτους που αναφέρθηκαν στη βάση δεδομένων παρακολούθησης της ασφάλειας των εμβολίων VAERS του CDC. (Θυμάστε από την Ενότητα Ι το μέρος σχετικά με την προσθήκη παράλογων συνθηκών στους ορισμούς; Αν όχι, είναι καλύτερο να επανεξετάσετε το υλικό ώστε να το έχετε πρόχειρο.)
II-5. Δημοσιεύστε μόνο ένα μέρος των δεδομένων στην αρχή
Συχνά, απλώς δημοσιεύοντας ένα μέρος των δεδομένων και παραλείποντας το άλλο για αργότερα, μπορείτε να δημιουργήσετε μια ψευδή αφήγηση που ριζώνει. Έτσι, όταν τελικά δημοσιεύσετε τα υπόλοιπα δεδομένα, δεν θα έχει σημασία αν έρχονται σε αντίθεση με τη βάση αυτού που έχει πλέον γίνει αποδεκτό δόγμα.
Για παράδειγμα, αν χρειάζεται να παρουσιάσετε την Τρομερή Ασθένεια ως πιο διαδεδομένη από ό,τι είναι στην πραγματικότητα, θα μπορούσατε να ακολουθήσετε το παράδειγμα των πρωτοπόρων προπαγανδιστών της Βιρτζίνια και να αποκρύψετε για λίγο ορισμένα από τα αρνητικά αποτελέσματα των εξετάσεων, προκειμένου να αυξήσετε το ποσοστό των θετικών αποτελεσμάτων των εξετάσεων - γεγονός που κάνει να φαίνεται ότι περισσότεροι άνθρωποι έχουν αρρωστήσει με την Τρομερή Ασθένεια:
Πηγή: https://www.wavy.com/news/health/coronavirus/virginia-june-12-Covid-19-update-virginias-percent-of-positive-tests-drops-to-8-after-backlog-of-43k-negative-tests-added/
Ένα άλλο σενάριο όπου μπορείτε να χρησιμοποιήσετε την τεχνική μερικής δημοσίευσης δεδομένων με μεγάλη αποτελεσματικότητα είναι όταν βρεθείτε αναγκασμένοι να δημοσιεύσετε δεδομένα για οποιονδήποτε λόγο που θα κάνει το καθεστώς να φαίνεται πολύ κακό (συμβαίνει). Έτσι, θέλετε να καθυστερήσετε την δημοσίευση των πραγματικά επιβλαβών πληροφοριών για όσο το δυνατόν περισσότερο - αν περιμένετε αρκετά, τελικά θα πάψουν να είναι σχετικά. Επίσης, αν τα απορρίψετε όλα μονομιάς, ο παράγοντας σοκ θα είναι τεράστιος και θα έχετε ένα μεγάλο χάος στα χέρια σας. Ωστόσο, αν δημοσιεύσετε τις πληροφορίες σταγόνα-σταγόνα, τότε μέχρι να δημοσιευτούν τα σκανδαλώδη κομμάτια, ο παράγοντας σοκ του "ουάου" έχει ήδη εξασθενίσει προ πολλού και οι άνθρωποι δεν πρόκειται να δίνουν πλέον τόση προσοχή. Αυτή η τακτική επιχειρήθηκε από τον FDA, αν και ματαιώθηκε ως επί το πλείστον από τον αδίστακτο δικαστή (τονίζοντας την κρίσιμη ανάγκη για δικαστικό έλεγχο για να αποτραπεί η απιστία των αποστατών δικαστών στο καθεστώς):
Όταν υπάρχουν πηγές που παράγουν δεδομένα που δεν συνάδουν με την αφήγηση του καθεστώτος (θα συμβεί πού και πού παρά τις καλύτερες προσπάθειές σας), απλώς δυσφημίστε τες ως προπαγάνδα ή κάτι άλλο αναξιόπιστο και επικίνδυνο, όπως ρωσικά bots. (Κατά γενικό κανόνα, μπορείτε πάντα να κατηγορείτε ή να αποδίδετε οποιαδήποτε άβολη πληροφορία σε «ρωσική παραπληροφόρηση» σε περίπτωση ανάγκης.)
Το παράδειγμα Α για αυτήν την τακτική θα ήταν η βάση δεδομένων VAERS που διαχειρίζεται το CDC. Όταν το VAERS έδειξε εντελώς τρελούς αριθμούς τραυματισμών από εμβόλια λόγω του εμβολίου Covid -
– ολόκληρος ο επιστημονικός μηχανισμός του κατεστημένου απλώς χαρακτήρισε το VAERS ως θεωρία συνωμοσίας που χρησιμοποιείται για τη διάδοση επικίνδυνης παραπληροφόρησης:
Αν, ωστόσο, αυτά τα δεδομένα προέρχονται από σύνολα δεδομένων καθεστώτος που είναι πολύ δύσκολο να απορριφθούν απλώς ως αντιεπιστημονικά σκουπίδια (ναι, συμβαίνει), τότε σταματήστε να τα δημοσιεύετε και αντ' αυτού τα δυσφημούν ως κακώς κατασκευασμένα και γεμάτα μοιραία λάθη.
Μπορούμε να χρησιμοποιήσουμε την UKHSA για να δείξουμε αυτήν την αρχή. Αφού η ακατέργαστη αποτελεσματικότητα του εμβολίου μειώθηκε σημαντικά σε αρνητικό έδαφος για σχεδόν όλες τις ηλικιακές ομάδες (καθώς τα εμβολιασμένα άτομα διέτρεχαν ΥΨΗΛΟΤΕΡΟ κίνδυνο να προσβληθούν από Covid σε σύγκριση με τα μη εμβολιασμένα άτομα), η UKHSA απλώς σταμάτησε να δημοσιεύει τα εβδομαδιαία δεδομένα αποτελεσματικότητας του εμβολίου:
Το UKHSA προσφέρει επίσης μια προειδοποιητική ιστορία για το τι συμβαίνει όταν περιμένετε πολύ καιρό για να σταματήσετε την επεξεργασία προβληματικών συνόλων δεδομένων:
Δεν γίνεται να βγαίνουν τέτοιοι τίτλοι κάθε εβδομάδα!! Θα έπρεπε να είχαν κλείσει αυτό το σύνολο δεδομένων πριν οι εμβολιασμένοι αρχίσουν να κολλάνε Covid περισσότερο από τους μη εμβολιασμένους. Αυτό είναι ένα αβίαστο λάθος, το είδος του ηλιθίου λάθους για το οποίο γυρίζουν τα κεφάλια, κυριολεκτικά. Γιατί περίμεναν μέχρι η *ενισχυτική* αποτελεσματικότητα για τους 80χρονους να βγει αρνητική;;;; Κάποιος στο UKHSA δεν έχει διαβάσει αυτό το βιβλίο εδώ και καιρό, ο οποίος σαφώς θα ωφελούνταν από λίγη κριτική...
Μερικοί προπαγανδιστές μπορεί να διστάζουν να είναι απροκάλυπτα υποκριτές, επειδή αισθάνονται εκτεθειμένοι επειδή υποστηρίζουν ανοιχτά δύο ασυμβίβαστα πρότυπα που ακόμη και μερικοί απλοί αγρότες μπορούν να παρατηρήσουν. Πρέπει, ωστόσο, να καταπολεμήσετε αυτή την παρόρμηση. Κατανοήστε ότι η χρήση διπλών προτύπων αυξάνει εκθετικά τις επιλογές σας όσον αφορά τη διαμόρφωση σημείων συζήτησης και θέσεων για την παραπλάνηση του κοινού.
Αυτό ισχύει ιδιαίτερα όταν πρόκειται για ανέκδοτα. Τα ανέκδοτα που υποστηρίζουν τα επιχειρήματα του καθεστώτος, ειδικά εκείνα που προέρχονται από πηγές εγκεκριμένες από το καθεστώς, θα πρέπει να αντιμετωπίζονται ως η ύψιστη μορφή απόδειξης, ενώ τα ανέκδοτα από αιρετικές ή μη εγκεκριμένες πηγές που αντικρούουν την προπαγάνδα του καθεστώτος πρέπει να καταγγέλλονται ως απλώς ανέκδοτα και μηδενικής αποδεικτικής αξίας που δεν έχουν καμία απολύτως αξία.
Έτσι, ανέκδοτα από γιατρούς που συμμορφώνονται με το καθεστώς και πιστούς πολίτες της Φρικτής Ασθένειας που σκοτώνουν και ακρωτηριάζουν ανθρώπους αποτελούν αδιάσειστα στοιχεία, αλλά ανέκδοτα για τραυματισμούς ή θανάτους εξαιτίας του Ένδοξου Εμβολίου δεν είναι τίποτα περισσότερο από τυχαίες συμπτώσεις, αν όχι εντελώς κατασκευασμένα, που προωθούνται από άθλιους τσαρλατάνους για να δυσφημίσουν το καθεστώς και να θέσουν σε κίνδυνο όλους τους καλούς ανθρώπους παντού που θέλουν απλώς να παραμείνουν ζωντανοί και υγιείς:
Η ανοιχτή εφαρμογή διπλών σταθμών έχει επίσης το πρόσθετο κρίσιμο πλεονέκτημα της εξάρτησης του πληθυσμού από το να πιστεύει ότι το πραγματικό κριτήριο για τον προσδιορισμό της αξιοπιστίας των δεδομένων ή των πληροφοριών είναι απλώς αυτό που λέει το καθεστώς.
II-8. Διαστρεβλώστε τα δεδομένα για να προστατεύσετε ή να ενισχύσετε την αφήγησή σας
Μερικές φορές, η ευκολότερη τακτική για να αποφύγετε προβληματικά δεδομένα είναι απλώς η επινόηση ψεύτικων δεδομένων. Μπορείτε να κατασκευάσετε κάτι εντελώς. Ή μπορείτε να ακολουθήσετε μια πιο λεπτή προσέγγιση και να αλλοιώσετε τα δεδομένα εισάγοντας ανεπαίσθητα ελαττώματα ή προκαταλήψεις που είναι πιο δύσκολο να παρατηρήσει ο μέσος άνθρωπος. Υπάρχουν απεριόριστοι τρόποι για να κατασκευάσετε ή να παραποιήσετε δεδομένα, πάρα πολλοί για να τους απαριθμήσουμε εδώ. Απλώς φροντίστε να παραποιήσετε τα δεδομένα με τρόπο που δεν ανακαλύπτεται εύκολα ή δεν γίνεται αντίστροφη μηχανική.
Για παράδειγμα, επιστρέφοντας στην προηγούμενη υποθετική μας κατάσταση όπου χρειάζεται ο πληθυσμός να πιστέψει ότι υπάρχουν πολύ περισσότερα κρούσματα μιας Τρομερής Ασθένειας από ό,τι στην πραγματικότητα, ένας άλλος τρόπος για να απεικονίσετε την Τρομερή Ασθένεια ως πιο διαδεδομένη είναι να συνδυάσετε τον αριθμό των ατόμων που είναι ήδη άρρωστα με τον αριθμό των ατόμων που έχουν ήδη αναρρώσει. Το CDC έκανε ακριβώς αυτό όταν συνδύασε τα τεστ αντισωμάτων (τα οποία μετρούν τον αριθμό των ατόμων που έχουν ήδη αναρρώσει από την Covid) με τα τεστ PCR (τα οποία μετρούν τον αριθμό των ατόμων που είναι ήδη άρρωστα) σε μία μέτρηση του «θετικού αποτελέσματος τεστ Covid», συμπεριλαμβάνοντας ύπουλα όλους όσους έχουν ήδη αναρρώσει ως άρρωστους:
Πηγή: https://fox4kc.com/tracking-coronavirus/cdc-and-11-states-acknowledge-mixing-results-of-viral-and-antibody-tests/
Παρατηρήστε τις υπογραμμισμένες προτάσεις παραπάνω, είναι αρκετά αποκαλυπτικές.
Η πράσινη υπογραμμισμένη πρόταση – «Η μέθοδος του CDC κάνει να φαίνεται ότι οι ΗΠΑ έχουν μεγαλύτερη ικανότητα να κάνουν τεστ από ό,τι πραγματικά έχουν.«– παρατηρήστε πώς το CDC κατάφερε λαμπρά να αποσπάσει πολλαπλά προπαγανδιστικά μπισκότα από αυτόν τον έναν ελιγμό. Όχι μόνο δημιούργησαν την ψευδαίσθηση ότι τα ποσοστά των ενεργά μολυσμένων ατόμων ήταν πολύ υψηλότερα, αλλά και την ψευδαίσθηση ότι η κυβέρνηση είχε πολύ μεγαλύτερη ικανότητα να κάνει τεστ στους ανθρώπους για τον ιό από ό,τι στην πραγματικότητα διέθετε. (Είναι καλό να επιδεικνύουμε παραδείγματα κυβερνητικής ικανότητας, δεδομένου ότι η θρυλική φήμη της κυβέρνησης για την εκπληκτική ανικανότητά της είναι μια από τις πιο δύσκολες αντιλήψεις που έχουν οι άνθρωποι για την κυβέρνηση.) Ένας οξυδερκής προπαγανδιστής προσπαθεί πάντα να εκμεταλλευτεί πρόσθετες οπτικές γωνίες για πλεονεκτήματα αντί να είναι ικανοποιημένος με το γεγονός ότι η τακτική προπαγάνδας που αναπτύχθηκε πέτυχε τον κύριο επιδιωκόμενο στόχο της.
Η κόκκινη υπογραμμισμένη πρόταση – «Οι αριθμοί μπορούν να κάνουν να φαίνεται ότι οι πολιτείες έχουν επαρκή ικανότητα δοκιμών και είναι έτοιμες να άρουν τους περιορισμούς, όταν αυτό μπορεί να μην ισχύει» (και στην πραγματικότητα οι δύο τελευταίες παράγραφοι) – προσφέρουν ένα έξυπνο μάθημα για το πώς να τσιμπολογάτε πιθανά αγκάθια εν τη γενέσει τους. Πρέπει πάντα – πάντα!! – να είστε σε εγρήγορση για να αποτρέψετε *οποιεσδήποτε* πιθανές επιπτώσεις ή βιαστικές προσεγγίσεις σε πληροφορίες που, παρόλο που γενικά υποστηρίζουν το καθεστώς, περιέχουν επίσης κάτι που μπορεί να διαστρεβλωθεί για να υπονομεύσει κάποια άλλη πτυχή της επίσημης αφήγησης του καθεστώτος. Βασικά, μπορείτε να φάτε ΚΑΙ να το φάτε! Εκτιμήστε εδώ πώς ο επιστήμονας του καθεστώτος που αναφέρθηκε καταφέρνει επιδέξια ταυτόχρονα (1) να εκφράσει την έγκριση της αυξημένης ικανότητας δοκιμών ως μέτρο της εξαιρετικής ικανότητας του καθεστώτος· (2) να επιρρίψει την ευθύνη για το [σκόπιμο] «ατύχημα» στο αντιφρονούν πολιτικό κόμμα· και (3) να προειδοποιεί ότι παρόλο που το κράτος κάνει τόσο καταπληκτική δουλειά καθιστώντας τα τεστ ευρέως διαθέσιμα, αυτό δεν σημαίνει ότι είναι ασφαλές να ανοίξει ξανά! Θυμηθείτε, υπάρχει μια πανδημία που πρέπει να διατηρηθεί, κάτι που αυτός ο επιστήμονας του καθεστώτος κάνει επιδέξια. (Φροντίστε να ανταμείψετε πλουσιοπάροχα τους επιστήμονες του καθεστώτος για εξαιρετική δουλειά όπως αυτή. Θα δώσει κίνητρο και στους υπόλοιπους να βελτιώσουν το επίπεδό τους και είναι καλό για το ηθικό.)
Παρατηρήστε επίσης ότι τα μέσα ενημέρωσης είναι ένας κρίσιμος σύμμαχος του καθεστώτος, χωρίς τον οποίο θα αποτύχετε. Κάντε λοιπόν ό,τι πρέπει για να διατηρήσετε τις άνετες σχέσεις - μην αρχίσετε να τσιμπάτε χρήματα εδώ.
II-9. Διαγραφή προβληματικών δεδομένων
Ναι. Σαν το Bleach Bit-ing στα email της Hillary. Είναι καλό να καθαρίζονται οι βάσεις δεδομένων κατά καιρούς από δεδομένα που δεν συνάδουν με τις αφηγήσεις ή τις θέσεις του καθεστώτος. Διαφορετικά, αυτό θα μπορούσε να συσσωρευτεί σε μια διακριτή τάση που θα μπορούσε να γίνει αντιληπτή από τους αντιφρονούντες του καθεστώτος ή τους διαδότες παραπληροφόρησης.
Έτσι, εάν για παράδειγμα η βάση δεδομένων ασφαλείας για το Glorious Vaccine περιέχει πάρα πολλές αναφορές, απλώς διαγράψτε τες, όπως κάνει το CDC, όπως φαίνεται από το παρακάτω διάγραμμα που δείχνει τον αριθμό των προβληματικών αναφορών VAERS που διαγράφονται από το CDC κάθε εβδομάδα:
Παρατηρήστε σε αυτήν την περίπτωση ότι οι εργαζόμενοι του VAERS του CDC δεν απέδωσαν αρκετά για το μεγαλύτερο μέρος του χρόνου – δεν μπορείτε να επιτρέψετε στο κρίσιμο προσωπικό να χαλαρώσει. Ολόκληρο αυτό το γράφημα θα πρέπει να δείχνει μπάρες μέχρι την κορυφή – δεν υπάρχει κανένας βάσιμος λόγος για τον οποίο δεν θα μπορούσαν να είχαν διαγράψει πολλές αναφορές VAERS τον Αύγουστο του 2021, όπως έκαναν τον Απρίλιο και τον Μάιο του 2022. Εάν πρέπει να προσλάβετε επιπλέον προσωπικό για να χειριστεί τη διαγραφή αναφορών, κάντε το.
Επίσης, γιατί αυτοί οι τεμπέληδες επέτρεψαν εξαρχής να συσσωρευτούν τόσες πολλές αναφορές; Δεν θα έπρεπε καν να υπάρχουν αρκετές αναφορές σε μια τέτοια βάση δεδομένων εξαρχής, οπότε θα υπήρχε ανάγκη για εβδομαδιαίες μαζικές εκκαθαρίσεις των εν λόγω αναφορών.
Ίσως το πιο σημαντικό δίδαγμα ολόκληρου αυτού του βιβλίου είναι το εξής: Οι βαρετές, αστείες, κουραστικές υλικοτεχνικές λεπτομέρειες της διάδοσης και διατήρησης της προπαγάνδας είναι εξίσου κρίσιμες με ένα μεγάλο ψέμα ή μια εκπληκτική γλωσσική γυμναστική.
Ίσως χρειαστεί να είστε δημιουργικοί για να βρείτε μια δικαιολογία ή μια εξήγηση για αυτό, αν οι άνθρωποι διαπιστώσουν ότι λείπουν δεδομένα, οπότε φροντίστε να έχετε προετοιμάσει εκ των προτέρων τα σημεία συζήτησης για κάθε ενδεχόμενο.
Ένα άλλο εξαιρετικό παράδειγμα ύπουλης διαγραφής δεδομένων στην πράξη είναι η ακόλουθη λαμπρή διαγραφή που πραγματοποίησε η αυστραλιανή κυβέρνηση για να εξαλείψει τα ενοχλητικά κλιματικά δεδομένα που δείχνουν ρεκόρ θερμότητας που συνέβησαν πριν από πάρα πολλά χρόνια για να αποδοθούν στις ανθρώπινες εκπομπές άνθρακα:
Δυστυχώς, συνελήφθησαν, κάτι που μερικές φορές είναι αναπόφευκτο όταν προσπαθείς να διαγράψεις κάτι πραγματικά σημαντικό και αξιοσημείωτο. Γι' αυτό είναι επιτακτική ανάγκη να υπάρχει ένα σύστημα Γκουλάγκ έτοιμο να περιμένει όλο το εικοσιτετράωρο για να χειριστεί μια ξαφνική αύξηση νέων κρατουμένων ανά πάσα στιγμή (όπως τα στρατόπεδα καραντίνας της Αυστραλίας).
II-10. Δημιουργήστε ψευδή δεδομένα που φαίνεται να καταρρίπτουν τη δική σας αφήγηση για να ξεγελάσετε και να δυσφημίσετε την αντιπολίτευση
Όταν αντιμετωπίζετε μια επίμονη απειλή πληροφοριών που διαβρώνει τις προπαγανδιστικές σας προσπάθειες, αυτή είναι μια εξαιρετικά ύπουλη τακτική για να τους απομυθοποιήσετε από την εξουσία, την αξιοπιστία και την επιρροή τους. Απλώς δημοσιεύστε ψευδή δεδομένα που επιφανειακά φαίνεται να καταρρίπτουν την αφήγηση του καθεστώτος, αλλά που εύκολα διαψεύδονται. Οι άξεστοι εχθροί του κράτους αναμφίβολα θα εκμεταλλευτούν αυτές τις ψευδείς πληροφορίες ή δεδομένα και, ως εκ τούτου, θα δυσφημιστούν όταν αποδείξετε ότι έπεσαν θύματα των πλέον προφανώς γελοίων ισχυρισμών.
Όπως αυτό που έκανε ο στρατός με τη δική του εσωτερική βάση δεδομένων με όλες τις ιατρικές παθήσεις για ολόκληρο τον στρατό, την DMED. Την έσπειραν σκόπιμα με ψεύτικα δεδομένα που έμοιαζαν με μια ολοκληρωτική στιγμή, OMG!!!!!!!! που έδειχνε ανίερες, τεράστιες αυξήσεις σε κάθε είδους ιατρικές παθήσεις, όπως καρκίνοι, αποβολές κύησης και άλλες που σχετίζονται με τα ιερά εμβόλια Covid. Στη συνέχεια, όταν μερικοί ηρωικοί στρατιωτικοί γιατροί βρήκαν τα δεδομένα της DMED, τα έπεσαν θύματα... κάτι που κατέστρεψε όλη την ιστορία. (Για ένα πλήρες λεπτομερές χρονοδιάγραμμα και εξήγηση αυτού, Δες εδώ.)
Μεγάλο μέρος της δημόσιας αντίληψης για την επιστήμη ή τα δεδομένα οφείλεται στην οπτική παρουσίαση της επιστήμης ή των δεδομένων - ένα καλό meme ή εικόνα μπορεί αποτελεσματικά να μεταδώσει εντελώς ψευδή δεδομένα με τρόπο που αφήνει τους ανθρώπους με την πεποίθηση ότι τα ψευδή δεδομένα είναι απολύτως 100% αληθινά.
Για παράδειγμα, αν θέλετε να δείξετε ότι τα ποσοστά και η σοβαρότητα της μυοκαρδίτιδας που προκαλείται από την Τρομερή Νόσο είναι δραματικά χειρότερα από τα ποσοστά και τη σοβαρότητα της μυοκαρδίτιδας που προκαλείται από το Ένδοξο Εμβόλιο ακόμα κι αν ισχύει το ακριβώς αντίθετο, θα μπορούσατε να δημιουργήσετε μια δυνατή εικόνα όπως αυτή:
Τώρα, οι άνθρωποι ενστικτωδώς θα συνδέσουν την «Φρικτή Μυοκαρδίτιδα» με μια τεράστια αποκάλυψη από σύννεφα μανιταριών έναντι της μυοκαρδίτιδας από το Ένδοξο Εμβόλιο ως ένα μικροσκοπικό τσίμπημα που δεν φαίνεται καν στο διάγραμμα.
II-12. Δημιουργήστε απεικονίσεις δεδομένων που παραποιούν τα δεδομένα
Μερικές φορές δεν μπορείς παρά να δημοσιεύσεις δεδομένα που είναι πραγματικά, πραγματικά κακά (για το καθεστώς ή την Επιστήμη™️). Αλλά ευτυχώς για εσάς, οι περισσότεροι άνθρωποι (και οι ακαδημαϊκοί) είναι ρηχοί ηλίθιοι που είναι πολύ τεμπέληδες για να διαβάσουν λέξεις που είναι τυπωμένες δίπλα σε ένα διάγραμμα ή γράφημα. Έτσι, μπορείς να απεικονίσεις ύπουλα τα δεδομένα σε ένα σχήμα οπτικοποίησης που διαστρεβλώνει ή κρύβει αυτό που λένε τα δεδομένα.
Ας το δείξουμε αυτό χρησιμοποιώντας ένα παράδειγμα από τα σπουδαιότερα περιοδικά Science™️ – το Νυστέρι. ο Νυστέριδημοσίευσε μια μελέτη που εκτιμά τον αριθμό των θανάτων που προκαλούνται από ακραίο κρύο και ακραία ζέστη σε όλο τον κόσμο κάθε χρόνο. Επειδή οι κυβερνήσεις σε όλο τον κόσμο θέλουν να διατηρήσουν την μυθοπλασία ότι η υπερθέρμανση του πλανήτη αποτελεί θανάσιμο κίνδυνο για την ανθρωπότητα, έπρεπε να αποδείξουν ότι οι θάνατοι που προκαλούνται από τη ζέστη υπερείχαν σε αριθμό από τους θανάτους που προκαλούνται από το κρύο. Τουλάχιστον, έπρεπε να είναι ίσοι. Έτσι, όταν το Νυστέρι ανακάλυψαν ότι οι θάνατοι από το κρύο υπερείχαν σε αριθμό από τους θανάτους από τη ζέστη με διαφορά 10 προς 1 (κυριολεκτικά), έπρεπε να βρουν έναν τρόπο να δημιουργήσουν ένα διάγραμμα που να κρύψει αυτό το άβολο μικρό γεγονός. Το οποίο είχε ως αποτέλεσμα το παρακάτω διάγραμμα στην αριστερή πλευρά:
Οι μπλε μπάρες δείχνουν θανάτους από κρύο, οι κόκκινες μπάρες δείχνουν θανάτους από ζέστη. Όσο μεγαλύτερη είναι η μπάρα, τόσο περισσότεροι θάνατοι. Έτσι, έπρεπε να κάνουν τις κόκκινες μπάρες να είναι τόσο μεγάλες όσο οι μπλε μπάρες. Έτσι, χρησιμοποίησαν ένα ύπουλο μικρό κόλπο - αν κοιτάξετε τους μωβ υπογραμμισμένους αριθμούς που μεταφράζουν το μέγεθος της μπάρας σε έναν συγκεκριμένο αριθμό θανάτων, θα δείτε ότι για τις μπλε μπάρες (θάνατοι από κρύο), κάθε ίντσα της μπάρας αντιπροσωπεύει 50 θανάτους, αλλά για τις κόκκινες μπάρες (θάνατοι από ζέστη), κάθε ίντσα της μπάρας αντιπροσωπεύει μόνο 10 θανάτους. Έτσι, η μπάρα ίδιου μεγέθους αντιπροσωπεύει 5 φορές τον αριθμό θανάτων από κρύο σε σχέση με τους θανάτους από ζέστη, παρόλο που μοιάζουν ίδιοι. Αλλά οι άνθρωποι δεν δίνουν προσοχή και απλώς λένε «Ω, μοιάζουν, άρα πρέπει να υπάρχει περίπου ίση αναλογία θανάτων από ζέστη προς θανάτους από κρύο». (Και προσπάθησαν ακόμη και να εισάγουν ένα γιγάντιο διάστημα στο τέλος όπου η τελευταία ίντσα των κόκκινων μπάρων αντιπροσωπεύει 210 θανάτους αντί για μόνο 10 (πορτοκαλί βέλος).)
Αν είχαν δημιουργήσει ένα έντιμο διάγραμμα που χρησιμοποιούσε την ίδια κλίμακα τόσο για τους θανάτους από κρύο όσο και για τους θανάτους από ζέστη, θα έμοιαζε με το διάγραμμα στα δεξιά. Το θέμα είναι ότι μια ματιά σε αυτό το διάγραμμα σας δίνει την σαφή εντύπωση ότι το ακραίο κρύο αποτελεί μια πολύ μεγαλύτερη απειλή από την ακραία ζέστη, κάτι που θα μπορούσε να οδηγήσει σε κάποια άβολα ερωτήματα σχετικά με το αν ίσως λίγη υπερθέρμανση του πλανήτη θα ήταν πράγματι ωφέλιμη για την ανθρωπότητα.
ΣημείωσηΌταν χρησιμοποιείτε αυτήν την τακτική, προσπαθήστε να είστε πιο διακριτικοί και διακριτικοί από το Lancet, όπου ήταν πολύ εύκολο ακόμη και για έναν απλό άνθρωπο να εντοπίσει την ταχυδακτυλουργία.
Στησίματα της Επιστήμης
"Για τον σκοπό αυτό, ο Λυσένκο άρχισε να «εκπαιδεύει» τις σοβιετικές καλλιέργειες να βλασταίνουν σε διαφορετικές εποχές του χρόνου, μουλιάζοντάς τες σε παγωμένο νερό, μεταξύ άλλων πρακτικών. Στη συνέχεια, ισχυρίστηκε ότι οι μελλοντικές γενιές καλλιεργειών θα θυμούνται αυτά τα περιβαλλοντικά σημάδια και, ακόμη και χωρίς να υποβληθούν οι ίδιες σε θεραπεία, θα κληρονομήσουν τα ευεργετικά χαρακτηριστικά."1
Η νόθευση της επιστήμης δεν είναι κάτι καινούργιο. Ευτυχώς για τον προπαγανδιστή, η Επιστήμη είναι πολύ εύκολο να χειραγωγηθεί κατά βούληση αν είσαι το καθεστώς. Απλώς δείτε τα επιτεύγματα του Τρόφιμ Λυσένκο όταν είχε την υποστήριξη του συντρόφου Στάλιν. Οι ακόλουθες ενότητες θα περιγράψουν λεπτομερώς τι πρέπει να κάνετε για να νόθεύσετε με επιτυχία την Επιστήμη ώστε να υποστηρίξει την αφήγηση και τους στόχους του καθεστώτος.
Ένα τέλειο παράδειγμα μιας συντονισμένης και αποτελεσματικής επιχείρησης επιστημονικής χειραγώγησης είναι η καλολαδωμένη μηχανή προπαγάνδας των Big Pharma. Μια ομάδα αποστατών επιστημόνων συνωμότησε για να διατυπώσει με ακρίβεια πώς οι Big Pharma ελέγχουν και χειραγωγούν την Επιστήμη και τα Δεδομένα κατά βούληση:
Προφανώς, το γεγονός ότι αυτό το άρθρο είναι ακόμα προσβάσιμο στο κοινό αποτελεί μια εκπληκτική αποτυχία των λογοκριτών του καθεστώτος. Σε μια χώρα με λειτουργική κυβέρνηση, όλοι οι συντάκτες μιας τόσο τολμηρής επίθεσης κατά του καθεστώτος (και οι λογοκριτές που δεν κατάφεραν να την εμποδίσουν να δημοσιευτεί ή/και δεν την κατέβασαν) θα απελαύνονταν στον Βόρειο Πόλο χθες.
SidebarΑυτοί οι συγγραφείς περιγράφουν με ακρίβεια πώς διαφθείρουμε την επιστήμη για να ταιριάξει στην ατζέντα του καθεστώτος. Άρθρα όπως αυτά, ενώ προφανώς δεν επιτρέπεται η δημόσια διάδοσή τους, είναι απολύτως αποδεκτό να διαδίδονται μεταξύ των προπαγανδιστών του καθεστώτος, προκειμένου να κατανοηθεί καλύτερα ο τρόπος αποτελεσματικής προπαγάνδας..
Επίσης, σημαντικό να σημειωθεί ότι οι φαρμακευτικές εταιρείες - οι «Μεγάλες Φαρμακευτικές» - συνήθως θα συμμορφώνονται με το καθεστώς, αλλά εάν μια φαρμακευτική εταιρεία γίνει «λιγότερο» συμμορφούμενη, τότε φυσικά θα πρέπει να την διώξετε για την άθλια απάτη της. Επίσης, φροντίστε να επιβάλλετε μεγάλα πρόστιμα στις πιστές φαρμακευτικές εταιρείες κάθε λίγα χρόνια, ώστε ο πληθυσμός να πιστεύει ότι το καθεστώς έχει μια αντιφατική σχέση με τις Μεγάλες Φαρμακευτικές και επομένως θα είναι λιγότερο πιθανό να συνειδητοποιήσει ότι το καθεστώς και οι φαρμακευτικές εταιρείες συνεργάζονται. Μερικά δισεκατομμύρια δεν είναι τίποτα σπουδαίο για τους ισολογισμούς τους.
Τμήμα III – Έλεγχος των Δεδομένων που Θεωρούνται Επίσημα Επιστημονικά
Να είστε επιλεκτικοί ως προς το ποια δεδομένα περιλαμβάνονται στην Επίσημη Επιστήμη. Οι πληροφορίες που έχουν την έγκριση να είναι επιστημονικές πληροφορίες έχουν πολύ μεγαλύτερο βάρος και αξιοπιστία στον πληθυσμό, ακόμη και σε εκείνους που αρνούνται να ακολουθήσουν την αφήγηση του καθεστώτος (κανείς δεν θέλει να θεωρείται «αντιεπιστημονικός» - αυτό είναι σχεδόν τόσο κακό όσο το να είναι κανείς ρατσιστής στη σύγχρονη κοινωνία).
III-1. Μην δημοσιεύετε προβληματικές μελέτες και, αν δημοσιευτούν, αποσύρετέ τες
Ο πιο σίγουρος τρόπος για να αποτρέψετε την επίσημη επιστημονική έρευνα από το να καταρρίψει μια αφήγηση του καθεστώτος είναι να της αφαιρέσετε την επίσημη φύση της. (Στη συνέχεια, την κρύβετε μακριά από το σημείο που κανείς δεν μπορεί να έχει πρόσβαση και ισχυρίζεστε ότι από τότε που ανακλήθηκε, αυτό δείχνει ότι επρόκειτο εξαρχής για ψεύτικη, δόλια επιστήμη-σκουπίδι που προωθούνταν από διεφθαρμένους αιρετικούς κατά της επιστήμης που θέλουν να πλουτίσουν πουλώντας περίεργα παρασκευάσματα βιταμινών.)
Πρέπει, ωστόσο, να προσέξετε να ενεργήσετε άμεσα, γιατί αν περιμένετε πολύ, αντίγραφα μη εγκεκριμένης επιστήμης μπορούν να κυκλοφορήσουν κρυφά μεταξύ απίστων ή αιρετικών εναντίον του καθεστώτος και να αποκτήσουν σχεδόν μυθικό καθεστώς. Και μόλις μια μελέτη εδραιωθεί στην εμπειρία των ανθρώπων ως «πραγματική μελέτη», η ανάκλησή της απλώς τους κάνει να πιστεύουν ότι θέλετε απεγνωσμένα να κρύψετε την «αλήθεια».
Ρίξτε μια ματιά σε όλες αυτές τις ένδοξες ανακλήσεις μελετών που ήταν επιβλαβείς για την αφήγηση του καθεστώτος κατά τη διάρκεια της Covid (αυτή είναι μόνο η πρώτη σελίδα από 36):
Πηγή: https://coronacentral.ai/retractions
Φανταστείτε πόση (περισσότερη) ζημιά θα μπορούσαν να είχαν προκαλέσει αυτές οι απατεώνες μελέτες αν τους επιτρεπόταν να παραμείνουν και δεν είχαν αποσυρθεί!
Φανταστείτε επίσης πόσες ακόμη μελέτες δεν είδαν ποτέ το φως της δημοσιότητας, αφού αυτές αντιπροσωπεύουν μόνο ένα μικρό κλάσμα αιρετικής έρευνας (ή Καλής Επιστήμης που κατά λάθος βρήκε αιρετικά αποτελέσματα).
III-2. Επιλέξτε με κόπο ποια μέρη ενός συνόλου δεδομένων αντιπροσωπεύουν την «επίσημη επιστήμη»
Είναι εκπληκτικό το πόσο δραστικά μπορείς να αλλάξεις την Επιστήμη απλώς χρησιμοποιώντας επιλεγμένα τμήματα ενός συνόλου δεδομένων που ενισχύουν την αφήγηση του καθεστώτος, ενώ παράλληλα απορρίπτουν (ή ακόμα καλύτερα, κρύβουν) τα μέρη του συνόλου δεδομένων που δεν είναι συγχρονισμένα με τις θέσεις του καθεστώτος.
Για παράδειγμα, ας υποθέσουμε ότι βλέπουμε τις ακόλουθες δύο τάσεις στο καθεστώς: ΠΡΟΠΑΓΑΝΔΑ βάση δεδομένων παρακολούθησης ασφάλειας για το Glorious Vaccine.
(Δυστυχώς, πρέπει να προσποιείστε ότι παρακολουθείτε την ασφάλεια για να καθησυχάσετε τους ανήσυχους πολίτες που νιώθουν νευρικοί για οτιδήποτε νέο, αλλά και για να έχετε μια έτοιμη απάντηση σε πιθανούς επικριτές και διαδότες παραπληροφόρησης που θα προσπαθήσουν να κατηγορήσουν το καθεστώς ότι αποκρύπτει προβληματικά δεδομένα ασφαλείας. Και πρέπει να προσποιείστε ότι το παίρνετε αυτό ΠΟΛΥ σοβαρά..)
Τέλος πάντων, ας υποθέσουμε ότι υπάρχουν 26,878 αναφορές για ασφαλείς και αποτελεσματικούς μετασχηματισμούς σε σαρκοφάγα ζόμπι ανά εκατομμύριο δόσεις του Ένδοξου Εμβολίου που χορηγούνται, αλλά μόνο 2 αναφορές για εμβολιασμένα άτομα που σκοτώνονται από σαρκοφάγα βακτήρια αμέσως μετά τον εμβολιασμό, ως εξής:
Δεν μπορείτε ακριβώς να αφήσετε αυτό να βγει στον δημόσιο διάλογο, κάτι που θα ενθαρρύνει την διστακτικότητα απέναντι στα εμβόλια και θα κάνει τους ανθρώπους να αμφιβάλλουν για την αφήγηση του καθεστώτος γενικά, ακόμη και για άλλα πράγματα. Αλλά πρέπει επίσης να αποδείξετε ότι η βάση δεδομένων ΠΡΟΠΑΓΑΝΔΑΣ δείχνει ότι τα ποσοστά πιθανών τραυματισμών από το Ένδοξο Εμβόλιο είναι αμελητέα. (Φροντίστε να τονίζετε κάθε φορά που αναφέρεστε στη βάση δεδομένων ασφαλείας ότι αυτές οι αναφορές δεν επιβεβαιώνονται ότι το Ένδοξο Εμβόλιο ήταν η αιτία, απλώς μια πιθανή συσχέτιση.)
Η λύση εδώ είναι αρκετά απλή - χρησιμοποιήστε μόνο τα δεδομένα που δείχνουν ότι υπάρχουν μόνο 2 αναφορές για κάποιον που έχει μολυνθεί με Τρομακτικά Σαρκοφάγα Βακτήρια λόγω του Ένδοξου Εμβολίου ανά 100,000 δόσεις. Ωστόσο, οι 26,878 αναφορές ανά 100,000 Δόσεις Ασφαλών και Αποτελεσματικών Σαρκοφάγων Μεταμορφώσεων Ζόμπι πρέπει να αγνοούνται δημόσια όσο το δυνατόν περισσότερο, και όταν δεν μπορείτε να αποφύγετε να τις αγνοήσετε, πρέπει να τις καταγγείλετε ως μη ελεγμένες, αντιεπιστημονικές και επομένως άνευ νοήματος αναφορές που είναι επομένως ασήμαντες. Και φροντίστε να επιπλήξετε τα μέσα ενημέρωσης που τολμούν να σας ρωτήσουν γι' αυτό. (Ιδανικά θα πρέπει να συνωμοτήσετε με έναν πιστό δημοσιογράφο του Καθεστώτος ώστε να είναι αυτός που θα ρωτήσει γι' αυτό, ώστε να μπορεί να αναφερθεί με απαξιωτικό τρόπο όπως, "Μερικοί περιθωριακοί άνθρωποι προσπαθούν να ισχυριστούν ότι το Ένδοξο Εμβόλιο προκαλεί δεκάδες χιλιάδες εντυπωσιακούς τραυματισμούς, μπορείτε να εξηγήσετε πώς διαστρεβλώνουν τις αναφορές στη βάση δεδομένων ΠΡΟΠΑΓΑΝΔΑΣ;")
Επίσης, μην χρησιμοποιείτε ποτέ τη λέξη «τρομακτικό» στο πλαίσιο μιας κατάστασης όπου προσπαθείτε να ηρεμήσετε τους ανθρώπους. Ποτέ. Ακόμα κι αν αυτό που περιγράφετε είναι αντικειμενικά τρομακτικό. Όταν περιγράφετε κάτι που είναι εγγενώς τρομακτικό, χρησιμοποιήστε αντίθετα μεγάλες, ακαδημαϊκές λέξεις που ακούγονται επιστημονικά. Έτσι, η φράση «βακτήρια που τρώνε σάρκα» μπορεί να περιγραφεί ως «νεκρωτική απονευρωσίτιδα», κάτι που κανείς δεν έχει ιδέα τι στο καλό σημαίνει (και οι περισσότεροι άνθρωποι είναι πολύ τεμπέληδες για να το ψάξουν καν στο Google για να το ανακαλύψουν). Έχει ακόμη και δύο «i», γεγονός που την κάνει να ακούγεται εντυπωσιακή με έναν διανοητικό τρόπο, σαν να είναι πρακτικά προνόμιο να σε σκοτώσει κάτι τόσο εξελιγμένο:
Αυτό δεν είναι και τόσο περίπλοκο. Θα το καταλάβετε σε χρόνο μηδέν. (Και αν δεν το κάνετε, πιθανότατα δεν θα είστε εδώ για πολύ ακόμα ούτως ή άλλως.)
ΣημείωσηΌταν αντιμετωπίζετε μια κατάσταση όπου ένα προϊόν που έχει την έγκριση ή την επιβολή κυρώσεων από το καθεστώς είναι επικίνδυνο – **κάτι που συμβαίνει συχνά** – πρέπει να βεβαιωθείτε ότι δεν θα πέσετε θύμα της δικής σας προπαγάνδας. Διαφορετικά, μπορεί κάλλιστα να καταλήξετε ο επόμενος Ασφαλής και Αποτελεσματικός Ζόμπι, όπως αυτοί οι τέσσερις γερουσιαστές των ΗΠΑ:
III-3. Δεδομένα Αναφοράς Καθυστερήσεων
Ένας πιο διακριτικός τρόπος για να ελέγξετε ποια δεδομένα περιλαμβάνονται στην Επίσημη Επιστήμη είναι η ανειλικρινής αναφορά δεδομένων ή πληροφοριών. Ο στρατηγικός συγχρονισμός της αναφοράς διαφορετικών υποσυνόλων δεδομένων είναι ένας απλός αλλά εξαιρετικά αποτελεσματικός τρόπος χειραγώγησης των επιστημονικών δεδομένων. (Μην ανησυχείτε για την κατανόηση του τρόπου λειτουργίας αυτού. Απλώς να ξέρετε ότι λειτουργεί και να προσλάβετε ικανούς στατιστικολόγους που μπορούν να καταλάβουν πώς να το εφαρμόσουν καλύτερα.) Πολλοί υπολογισμοί βασίζονται στον συγχρονισμό των αναφερόμενων δεδομένων και, ως εκ τούτου, μπορείτε να ελέγξετε τι δείχνουν τα δεδομένα δημοσιεύοντας προσεκτικά διαφορετικά τμήματα των δεδομένων στον βέλτιστο χρόνο.
Για παράδειγμα, ένα καθυστέρηση μίας εβδομάδας στην αναφορά θανάτων μπορεί να αλλάξει ριζικά την φαινομενική αποτελεσματικότητα ή ασφάλεια μιας ιατρικής παρέμβασης – κυριολεκτικά, καθυστερώντας την αναφορά θανάτων κατά μία εβδομάδα, μπορείτε να κάνετε κάτι που έχει μηδενικό αποτέλεσμα να μοιάζει σαν να είναι 95% αποτελεσματικό. (Μπορείτε να ακολουθήσετε τον σύνδεσμο για περισσότερες λεπτομέρειες, αλλά αυτή η συγκεκριμένη τακτική είναι λίγο πολύπλοκη για έναν Οδηγό Ηλιθίου, και η συμπερίληψη μιας εις βάθος περιγραφής εδώ θα μπορούσε να κάνει τους κατά τα άλλα εκκολαπτόμενους προπαγανδιστές με ένα λαμπρό μέλλον μπροστά τους να νιώθουν κατάθλιψη και να αμφιβάλλουν για τις δικές τους ικανότητες αν δεν μπορούν να ακολουθήσουν την εξήγηση, κάτι που μπορεί να τους οδηγήσει στο να τα παρατήσουν, κάτι που θα ήταν τραγωδία. Πραγματικά.)
Ενότητα IV – Πώς να τοποθετήσετε μια μελέτη
Ίσως το πιο κρίσιμο σύνολο δεξιοτήτων που απαιτείται για τον χειρισμό της Επιστήμης είναι η ικανότητα σχεδιασμού και χειρισμού μιας μελέτης για την επίτευξη των απαραίτητων αποτελεσμάτων.
[Σημείωση: Η πραγματική σκηνοθεσία των μελετών θα γίνεται πάντα από ειδικούς που διεξάγουν μελέτες για να ζήσουν (που ονομάζονται PI ή Κύριοι Ερευνητές). Επομένως, δεν χρειάζεται πραγματικά να είστε άπταιστοι σε αυτά τα πράγματα. Ωστόσο, είναι χρήσιμο να έχετε μια αρκετά καλή κατανόηση των βασικών.]
Οι μελέτες – ειδικά οι μεγάλες και φανταχτερές που συνήθως θεωρούνται το «χρυσό πρότυπο» της Επιστήμης™️ – είναι εξαιρετικά πολύπλοκα θηρία που μπορούν να χειραγωγηθούν με αμέτρητους τρόπους. Θα εξηγήσουμε τους πιο εμφανείς και απλούς τύπους απάτης, χειραγώγησης και σχεδιαστικών ελαττωμάτων που μπορούν να αξιοποιηθούν για να μετατρέψουν τη μελέτη σε μαριονέτα στα χέρια σας για να την περιφέρετε κατά βούληση.
[Σημείωση: – υπάρχουν πολλές διαβαθμίσεις πολυπλοκότητας στην εφαρμογή οποιουδήποτε από τους ακόλουθους χειρισμούς. Θα εξηγήσουμε και θα απεικονίσουμε μόνο τις υποκείμενες έννοιες χρησιμοποιώντας την απλή εφαρμογή των αρχών, χωρίς να προσθέσουμε φανταχτερά στολίδια και μπιχλιμπίδια. Ο στόχος εδώ είναι να κατανοήσετε τους διάφορους τύπους και τρόπους χειρισμού δεδομένων. Μπορείτε να εκπαιδεύσετε τον εαυτό σας στις πιο προηγμένες μεθοδολογίες στη συνέχεια (κάτι που φυσικά ενθαρρύνεται και συνιστάται ιδιαίτερα).
IV-1. Τακτική Νοθείας Μελέτης #1: Νοθεία του Σχεδιασμού των Πρωτοκόλλων Μελέτης
Το μεγαλύτερο μέρος του υλικού που σχετίζεται με αυτήν την ενότητα είναι επίσης σχετικό με την επόμενη ενότητα που ασχολείται με την υπονόμευση της εφαρμογής των πρωτοκόλλων μελέτης, επομένως θα ασχοληθούμε εδώ μόνο με τις τακτικές που χρησιμοποιούνται για τη νόθευση του σχεδιασμού των ίδιων των πρωτοκόλλων.
Τα πρωτόκολλα μελέτης είναι ουσιαστικά σαν ένα βιβλίο κανόνων που υπαγορεύει τον τρόπο διεξαγωγής της μελέτης. Φροντίστε λοιπόν να γράψετε κανόνες που ευνοούν το αποτέλεσμα που θέλετε να επιτύχετε.
Α) Στοίβαξη της τράπουλας – στρατηγικά αναθέστε τα υποκείμενα μελέτης στις αντίστοιχες ομάδες μελέτης και ελέγχου
Σχεδόν όλες οι μεγάλες, ειδικές μελέτες έχουν δύο ομάδες – την ομάδα μελέτης και την ομάδα ελέγχου. Σε μια μελέτη για ένα νέο φάρμακο, η ομάδα μελέτης λαμβάνει το φάρμακο, ενώ η ομάδα ελέγχου όχι. Θεωρητικά, εάν το φάρμακο έχει αποτέλεσμα, τότε θα πρέπει να υπάρχουν περισσότεροι άρρωστοι στην ομάδα ελέγχου παρά στην ομάδα μελέτης.
Έτσι, εάν διεξάγετε μια μελέτη για να δοκιμάσετε ένα νέο φάρμακο τύπου Wunder, θα μπορούσατε να το εκμεταλλευτείτε αυτό βάζοντας περισσότερους ανθυγιεινούς ανθρώπους στην ομάδα ελέγχου από ό,τι στην ομάδα μελέτης, έτσι ώστε η ομάδα μελέτης να τα πάει καλύτερα ακόμα κι αν το φάρμακο τύπου Wunder δεν λειτουργήσει. (Φυσικά, δεν πρέπει να παραδεχτείτε ότι κάνετε αυτό ή οποιαδήποτε άλλη από αυτές τις τακτικές απάτες στην τεκμηρίωση της μελέτης.)
Β) Προσεκτικός έλεγχος των συμμετεχόντων που θα συμπεριληφθούν στη μελέτη
Πολλοί πονοκέφαλοι μπορούν να αποφευχθούν απλώς κρατώντας μακριά άτομα που είναι πιθανό να χαλάσουν τα αποτελέσματά σας με κάποιο τρόπο.
Για παράδειγμα, εάν δοκιμάζετε ένα νέο φάρμακο που θέλετε να αποδείξετε ότι είναι ασφαλές και αποτελεσματικό, κρατήστε μακριά άτομα που είναι ιδιαίτερα επιρρεπή σε ανεπιθύμητες αντιδράσεις ή αναποτελεσματικότητα. Καταλαβαίνετε την ιδέα. (Όπως δεν συμπεριέλαβαν κανένα ηλικιωμένο άτομο με συννοσηρότητα στις δοκιμές εμβολίων κατά της Covid, κάτι που θα είχε αποκαλύψει την ψευδαίσθηση «αποτελεσματικότητας 99%».)
IV-2. Τακτική νόθευσης μελέτης #2: Σαμποτάζ στην εκτέλεση των πρωτοκόλλων μελέτης
Συχνά, δεν θα μπορείτε να ρυθμίσετε τα ίδια τα πρωτόκολλα μελέτης για να επιτύχετε τα επιθυμητά αποτελέσματα. Σε τέτοιες περιπτώσεις, θα πρέπει να σαμποτάρετε την εφαρμογή ή την τήρηση των επίσημων πρωτοκόλλων μελέτης. Αυτό είναι αρκετά εύκολο να γίνει και υπάρχουν κυριολεκτικά αμέτρητοι τρόποι για να το πετύχετε.
Σημείωση: Είναι συνετό να έχετε προγραμματίσει εκ των προτέρων την εφοδιαστική σας, προκειμένου να αποφύγετε μια ποικιλία προβλημάτων και αγχωτικών καταστάσεων που μπορούν να προκύψουν σε μια μεγάλη μελέτη που περιλαμβάνει χιλιάδες άτομα και προσωπικό. Για παράδειγμα, εάν θέλετε να «δείξετε» ότι ένα ιδιαίτερα ενοχλητικό φάρμακο είναι στην πραγματικότητα θανατηφόρο, θα πρέπει να έχετε διαθέσιμες σακούλες για πτώματα για να απομακρύνετε γρήγορα τα πτώματα από δημόσιους χώρους και μια εγκατάσταση αποτέφρωσης σε ετοιμότητα 24/7 για να καταστρέψετε τυχόν ανεπιθύμητα εγκληματολογικά ή παθολογικά στοιχεία που μπορεί να περιέχουν τα πτώματα.
Πρωτόκολλο Σαμποτάζ #1: Χορήγηση της θεραπείας/παρέμβασης της μελέτης [στην ομάδα μελέτης]
Οι άνθρωποι πιστεύουν ότι η χορήγηση ενός φαρμάκου στα άτομα της μελέτης είναι απλή και απλή. Κάνουν λάθος. Πολύ πολύ πολύ λάθος. Συχνά μπορείτε να ελέγξετε ολόκληρη τη μελέτη προσαρμόζοντας διακριτικά τον τρόπο χορήγησης της θεραπείας στα άτομα της μελέτης, συμπεριλαμβανομένων των εξής:
- Δοσολογία/Ποσότητα παρέμβασης – Μπορείτε να πάρετε υποδοσολογία ή υπερβολική δόση ενός φαρμάκου ανάλογα με τον στόχο σας. Αν θέλετε το φάρμακο να φαίνεται αναποτελεσματικό, η υποδοσολογία θα διασφαλίσει ότι δεν θα λειτουργήσει. Αν θέλετε να δείξετε ότι το φάρμακο είναι επικίνδυνο, απλώς αυξήστε τη δόση σε πολύ τοξικά επίπεδα.
- Χρόνος χορήγησης θεραπείας – Ένας άλλος τρόπος για να σαμποτάρετε ένα φάρμακο είναι να το χορηγήσετε στους ασθενείς πολύ νωρίς ή πολύ αργά για να είναι αποτελεσματικό. Υπάρχουν πολλές διαφορετικές τακτικές που μπορείτε να επιλέξετε για να το πετύχετε αυτό. Για παράδειγμα, μπορείτε να στείλετε το φάρμακο στους ασθενείς μέσω ταχυδρομείου, κάτι που αναπόφευκτα θα προσθέσει μερικές ημέρες στο χρονοδιάγραμμα (ένα ειδικό αφιέρωμα στην Ιβερμεκτίνη του David Boulware).
- Ποιότητα του προϊόντος – δηλαδή καθαρότητα/δραστικότητα – Ένα μολυσμένο ή κακώς κατασκευασμένο προϊόν δεν θα λειτουργήσει με τον ίδιο τρόπο που ένα καθαρό προϊόν που κατασκευάζεται με συστατικά υψηλής ποιότητας και με πλήρη πιστότητα στις ιδανικές πρακτικές παρασκευής.
(Σημείωση: Θα πρέπει ΠΑΝΤΑ να διεξάγετε ανεπίσημες προκλινικές μελέτες σε ζώα – και ανθρώπους – για να κατανοήσετε πώς θα λειτουργήσουν διαφορετικές εκδοχές του φαρμάκου ή της παρέμβασης ΠΡΙΝ από την ανάπτυξη μολυσμένων εκδοχών σε μια μελέτη (εκτός από τις επίσημες προκλινικές μελέτες για την κανονική σύνθεση του φαρμάκου). Διαφορετικά, διατρέχετε τον κίνδυνο να σαμποτάρετε κατά λάθος τις δικές σας προσπάθειες σαμποτάζ. Να θυμάστε ότι ο σκοπός της διεξαγωγής της μελέτης είναι να δείξετε ένα προκαθορισμένο αποτέλεσμα, όχι να ανακαλύψετε νέες επιστημονικές γνώσεις! Η αβεβαιότητα ή η μη προβλεψιμότητα σχετικά με το τι θα κάνει το φάρμακο ή η παρέμβαση που μελετάτε στην πραγματική ζωή είναι κρυπτονίτης για την επιτυχή νόθευση της μελέτης. Ή τουλάχιστον θα σας προκαλέσει μερικές πολύ έντονες ημικρανίες ενώ αγωνίζεστε να περιηγηθείτε στον λαβύρινθο των κινδύνων και των άβολων δεδομένων από την πλέον εξαιρετικά ακατάστατη μελέτη σας.)
- Χρησιμοποιήστε φυσιολογικό ορό ή εικονικό φάρμακο αντί για την παρέμβαση – Ένας άλλος τρόπος με τον οποίο μπορείτε να ελαχιστοποιήσετε τους κινδύνους της παρέμβασης που έχει επιλέξει το θεραπευτικό σχήμα είναι να χορηγήσετε εικονικό φάρμακο αντί για τη θεραπεία, έτσι ώστε να υπάρχει λιγότερη έκθεση στην τοξικότητα της παρέμβασης. Προφανώς, πρέπει επίσης να βεβαιωθείτε ότι η χρήση φυσιολογικού ορού δεν θα έχει την ανεπιθύμητη παρενέργεια να δείξει ότι το φάρμακό σας δεν λειτουργεί, επομένως αυτή η τακτική χρησιμοποιείται συνήθως σε συνδυασμό με άλλους χειρισμούς πρωτοκόλλου ή απιστίες.
- Ανακατεψε και ταιριαξε – Μπορείτε πάντα να συνδυάσετε οποιαδήποτε από αυτές τις προτάσεις. Για παράδειγμα, μπορείτε να δώσετε μερικοί των υποκειμένων θεραπείας ένα διαφορετικό προϊόν. Μπορείτε επίσης να χρησιμοποιήσετε περισσότερες από μία από αυτές τις προτάσεις σε συνδυασμό, έτσι ώστε να καλύψετε διαφορετικά τμήματα της ομάδας μελέτης με διαφορετικές προτάσεις, κάτι που μπορεί να δυσκολέψει τους εξωτερικούς παρατηρητές να ανακαλύψουν τις παραβιάσεις του πρωτοκόλλου.
Πρωτόκολλο Σαμποτάζ #2: Χορήγηση του εικονικού φαρμάκου [στην ομάδα μελέτης]
Αυτή είναι ουσιαστικά η άλλη όψη της προηγούμενης ενότητας. Υπάρχουν μερικές συγκεκριμένες τακτικές που είναι λίγο μοναδικές όπως εφαρμόζονται στο εικονικό φάρμακο:
- Δώστε στην ομάδα ελέγχου/εικονικού φαρμάκου την παρέμβαση – Ένας τρόπος για να διασφαλιστεί ότι μια μελέτη δεν θα δείξει καμία αποτελεσματικότητα για μια θεραπεία είναι να χορηγηθεί και στην ομάδα ελέγχου η θεραπεία. Εάν και οι δύο ομάδες λάβουν τη θεραπεία, τότε δεν θα υπάρχει διαφορά μεταξύ τους που να δείχνει ότι η ομάδα θεραπείας τα πήγε καλύτερα χάρη στη θεραπεία.
Η ευκολότερη αλλά πιο επικίνδυνη μέθοδος για να γίνει αυτό είναι να ζητηθεί από το προσωπικό της μελέτης να χορηγήσει απευθείας το φάρμακο στην ομάδα ελέγχου, μεταμφιεσμένο σε εικονικό φάρμακο. (Αυτό είναι αρκετά εύκολο, επειδή το εικονικό φάρμακο υποτίθεται ότι έχει την ίδια εμφάνιση, αίσθηση, γεύση και μυρωδιά με τη θεραπεία, ώστε να αποτραπεί η πιθανότητα τα άτομα της ομάδας ελέγχου να καταλάβουν ότι δεν έλαβαν το φάρμακο.)
Η πιο δύσκολη αλλά λιγότερο επικίνδυνη μέθοδος είναι να ωθήσετε τα άτομα της ομάδας ελέγχου να λάβουν τη θεραπεία εκτός της μελέτης. Για παράδειγμα, μπορείτε να χρησιμοποιήσετε ένα εικονικό φάρμακο που είναι σημαντικά διαφορετικό από το φάρμακο. Δεδομένου ότι τα άτομα της μελέτης μπορούν εύκολα να ανακαλύψουν μέσω της Google ότι αυτό δεν είναι αυτό που υποτίθεται ότι πρέπει να έχει το φάρμακο, η μυρωδιά ή η γεύση του, θα προσπαθήσουν να προμηθευτούν το πραγματικό φάρμακο από το πλάι, καθώς δεν θέλουν να πεθάνουν ή να υποστούν εξουθενωτικές επιπλοκές από οποιαδήποτε ασθένεια ή πάθηση για την οποία χρησιμοποιείται το φάρμακο.
Εναλλακτικά, μπορείτε να επιλέξετε να διεξάγετε τη μελέτη σε ένα μέρος όπου ο πληθυσμός έχει ήδη ευρεία έκθεση στη θεραπεία που μελετάται, επομένως η ομάδα των συμμετεχόντων θα είναι πλήρως μολυσμένη με άτομα που ήδη χρησιμοποιούν ή τουλάχιστον έχουν διαθέσιμο απόθεμα του φαρμάκου.
(Απλώς λάβετε υπόψη ότι αυτή η τακτική διατρέχει τον κίνδυνο να γίνει αντιληπτή από ενοχλητικούς αντιφρονούντες αιρετικούς κατά της επιστήμης, καθώς θα είναι δημόσιο αρχείο ότι υπήρξε ευρεία ενημέρωση ή/και χρήση του φαρμάκου εκεί όπου διεξήχθη η μελέτη.)
- Αυξήστε το εικονικό φάρμακο – Αν δεν θέλετε ένα αδρανές εικονικό φάρμακο, μπορείτε να το ενισχύσετε με κάτι λίγο πιο «ζωντανό» που μπορεί να προκαλέσει παρενέργειες ή/και θεραπευτικό αποτέλεσμα.
Μια συγκεκριμένη μέθοδος είναι η χρήση συστατικών της θεραπείας για την αύξηση του εικονικού φαρμάκου. Αυτό μπορεί να είναι ιδιαίτερα χρήσιμο για την απόκρυψη προβληματικών παρενεργειών μιας θεραπείας που προκαλούνται από άλλα συστατικά ή συστατικά εκτός από το ενεργό συστατικό της θεραπείας - αν τα προσθέσετε στο εικονικό φάρμακο, τότε και οι δύο ομάδες θα έχουν παρόμοιες παρενέργειες.
(ΣημείωσηΛάβετε υπόψη ότι εάν οι παρενέργειες είναι πολύ έντονες, η απλή προσθήκη των τοξικών συστατικών της θεραπείας στο εικονικό φάρμακο μπορεί να εγείρει ερωτήματα εάν οι άνθρωποι παρατηρήσουν ότι τα ποσοστά των συγκεκριμένων παρενεργειών είναι πολύ υψηλότερα στην ομάδα ελέγχου της μελέτης από ό,τι στον γενικό πληθυσμό.)
Σαμποτάζ Πρωτοκόλλου #3: Δώστε κίνητρα στα υποκείμενα της μελέτης να τροποποιήσουν τη συμπεριφορά τους
Η συμπεριφορά των συμμετεχόντων στη μελέτη αποτελεί συχνά κρίσιμο παράγοντα κατά τον σχεδιασμό πρωτοκόλλων και τη διεξαγωγή μιας μελέτης. Χρησιμοποιήστε το προς όφελός σας.
Υπάρχουν 3 βασικοί τύποι κινήτρων:
- Οικονομικά κίνητρα – Ένας από τους πιο σίγουρους τρόπους για να παρακινήσετε μια συμπεριφορά είναι να την ανταμείψετε οικονομικά:
- Μπορείτε να εκτελέσετε ένα σχέδιο διαφθοράς και δωροδοκίας εντός της μελέτης. Για παράδειγμα, εάν η μελέτη λαμβάνει αποτελέσματα ζητώντας από τα άτομα να αναφέρουν πληροφορίες - όπως ποιες παρενέργειες παρουσίασαν μετά την εφαρμογή της Ένδοξης Παρέμβασης - μπορείτε να πληρώσετε τα άτομα για να μην αναφέρουν παρενέργειες. Ωστόσο, θα πρέπει επίσης να επιβάλετε μυστικότητα και να διασφαλίσετε ότι κανείς δεν θα το μάθει, κάτι που μπορεί να είναι δύσκολο.
- Εναλλακτικά, μπορείτε να χειραγωγήσετε ή να εκμεταλλευτείτε το περιβάλλον όπου λαμβάνει χώρα η μελέτη για να λειτουργήσετε ως ενδιάμεσος ή μεσάζων σας για να διανείμετε τα οικονομικά οφέλη. Για παράδειγμα, εάν δοκιμάζετε την αποτελεσματικότητα μιας πιθανής παρέμβασης για τον αποκλεισμό της μετάδοσης της Τρομερής Ασθένειας, μπορείτε να διεξάγετε τη μελέτη σε ένα μέρος όπου οι άνθρωποι μπορούν να πάνε στη δουλειά μόνο εάν δεν έχουν μολυνθεί με την Τρομερή Ασθένεια, εκμεταλλευόμενοι αυτό το ενσωματωμένο κίνητρο να μην αναφέρουν θετικά τεστ που έχουν οι άνθρωποι (θέλουν τον πλήρη μισθό τους).
- Κοινωνική πίεση – Ο δεύτερος τύπος κινήτρου είναι η κοινωνική πίεση. Αυτή μπορεί να προέρχεται από συνομηλίκους, πολιτικές δυνάμεις, κοινωνικές ομάδες, επαγγελματίες συνεργάτες, ιδρύματα, διασημότητες ή οποιαδήποτε άλλη πηγή επιρροής στην κοινωνία. Το θέμα είναι ότι μπορείτε να χρησιμοποιήσετε οποιοδήποτε ή όλα αυτά προς όφελός σας.
Για παράδειγμα, ας υποθέσουμε ότι διεξάγετε μια μελέτη για να ελέγξετε την αποτελεσματικότητα της Θαυμαστής Υφασμάτινης Ασπίδας που σταματά την εξάπλωση της Τρομερής Ασθένειας. Έτσι, δίνετε σε ορισμένα χωριά σε μια χώρα του τρίτου κόσμου τη Θαυμαστή Υφασμάτινη Ασπίδα και δημιουργείτε μια ομάδα ελέγχου χωριών που δεν την έχουν. Μπορείτε να κάνετε μια επίδειξη του πόσο καταπληκτικές είναι αυτές οι συσκευές μπροστά στους χωρικούς που τις έχουν. Μπορείτε επίσης να ζητήσετε από τους πρεσβύτερους του χωριού να διακηρύξουν ότι η Θαυμαστή Υφασμάτινη Ασπίδα είναι ένα Δώρο από τον Ουρανό, γεγονός που καθιστά σημείο ηθικής αρετής τη χρήση της και, το πιο σημαντικό, καθιστά τη χρήση της, αλλά η μόλυνση από τη Τρομερή Ασθένεια ένδειξη θρησκευτικής αποτυχίας. Αυτό τους καθιστά πολύ λιγότερο πιθανό να αναφέρουν κρούσματα της Τρομερής Ασθένειας, ειδικά σε σύγκριση με τα χωριά που δεν έλαβαν τις Θαυμαστή Υφασμάτινες Ασπίδες. Αυτό κάνει να φαίνεται ότι η Θαυμαστή Υφασμάτινη Ασπίδα λειτουργεί για τη μείωση της μετάδοσης της Τρομερής Ασθένειας.
- Σκληρές Ποινές – Μπορείτε να απειλήσετε με κάθε είδους τρομερές συνέπειες αν τα υποκείμενα της μελέτης δεν κάνουν ακριβώς αυτό που θέλετε. Αυτό είναι ιδιαίτερα εύκολο να εφαρμοστεί σε χώρες του τρίτου κόσμου όπου υπάρχει ελάχιστος, αν όχι καθόλου, κανόνας δικαίου και η διαφθορά είναι ο κανόνας. Μπορεί να είναι χρήσιμο να δώσετε ένα παράδειγμα κάποιου εκ των προτέρων για να δείξετε ότι το εννοείτε σοβαρά – για παράδειγμα, μπορείτε να επιλέξετε κάποιον τυχαία για να τον στείλετε σε μια φυλακή στο Σουδάν, από την οποία είναι απίθανο να επιστρέψει ποτέ ζωντανός.
Σαμποτάζ Πρωτοκόλλου #4: Πρόσληψη ανίκανων ατόμων για τη διεξαγωγή της μελέτης
Οι μελέτες – ειδικά οι μελέτες που εκτελούν κάποιο είδος πειράματος (σε αντίθεση με την απλή ανάλυση προϋπαρχόντων συνόλων δεδομένων) – συνήθως απαιτούν μεγάλο προσωπικό για τη διεξαγωγή τους. Η πρόσληψη ανίκανου προσωπικού είναι ένας πολύ καλός τρόπος για να δώσετε στον εαυτό σας κάποιο περιθώριο να «μετατρέψετε» τα άβολα δεδομένα που προκύπτουν από τη μελέτη – «αυτά τα δεδομένα είναι εσφαλμένα επειδή το προσωπικό τα έκανε θάλασσα». Φυσικά, πρέπει να «διορθώσετε» τα «σφάλματα».
Το πιο σημαντικό είναι ότι το ανίκανο προσωπικό είναι λιγότερο πιθανό να παρατηρήσει ότι στήνετε τη μελέτη, επειδή δεν έχει τις γνώσεις ή την εμπειρία σχετικά με το πώς πρέπει να διεξάγεται μια νόμιμη μελέτη.
Σαμποτάζ Πρωτοκόλλου #5: Αφαίρεση τυχόν προβληματικών συμμετεχόντων ή συμβάντων από τη μελέτη
Αυτό είναι ένα προφανές «Ναι». Αν μερικά άτομα στη δοκιμή φάσης 3 για το Ένδοξο Εμβόλιο υποστούν σοβαρούς τραυματισμούς αμέσως μετά την ένεση με το Ένδοξο Εμβόλιο, δεν μπορείτε να τα αφήσετε να καταστρέψουν την αφήγηση περί «ασφαλούς και αποτελεσματικής». Ευτυχώς, όμως, η λύση είναι απλή: αφαιρέστε τα από τη μελέτη.
Αυτό δεν θα φαίνεται καν ύποπτο σε έναν εξωτερικό παρατηρητή! Κάθε μελέτη έχει κανόνες γραμμένους στα πρωτόκολλα που σας επιτρέπουν να αποβάλλετε άτομα που παραβιάζουν τα πρωτόκολλα της μελέτης ή επιθυμούν να φύγουν για «προσωπικούς λόγους». (Σκεφτείτε κάθε φορά που ένας πολιτικός λέει ότι παραιτείται για να «περάσει περισσότερο χρόνο με την οικογένειά του» - η ίδια ιδέα.) Αλλά οι περισσότεροι ακαδημαϊκοί είναι άστοχοι σε αυτό και το παραδέχονται κάθε φορά.
Αν είστε πραγματικά έξυπνοι σχετικά με τον τρόπο που σχεδιάζετε τα πρωτόκολλα εξαρχής, θα προσθέσετε μια προϋπόθεση που απαγορεύει στα άτομα να αναζητήσουν ιατρική περίθαλψη από οποιονδήποτε γιατρό εκτός της μελέτης. Έτσι, εάν ένα άτομο υποφέρει από μια δυσάρεστη παρενέργεια, όπως μια μικρή ασφαλή και αποτελεσματική μυοκαρδίτιδα ή κάποια ήπια παράλυση Bell που το αφήνει κάπως παράλυτο, θα πάει κατευθείαν στα πλησιέστερα επείγοντα... κάτι που αποτελεί σαφή παραβίαση των πρωτοκόλλων της μελέτης!! Αντίο πρόβλημα.
Αν θέλετε να δείτε έναν πραγματικό μαέστρο, μην ψάχνετε άλλο από τον υπεύθυνο της κλινικής δοκιμής Φάσης 3 του Kiddie της Pfizer για το εμβόλιό τους - όταν ένα από τα άτομα που συμμετείχαν στη δοκιμή, ονόματι Maddie de Garay, υπέστη πολλαπλούς μάλλον δυσάρεστους νευρολογικούς τραυματισμούς 24 ώρες μετά τη λήψη του εμβολίου (του είδους που περιλαμβάνει μόνιμη χρήση σωλήνων σίτισης και αναπηρικών αμαξιδίων, μεταξύ άλλων «προσαρμογών» στον τρόπο ζωής), απλώς την απέβαλαν από τη μελέτη. Και στη συνέχεια κατέγραψαν τον τραυματισμό της ως «άλυτο κοιλιακό άλγος». Επίσης, απέβαλαν έναν άλλον από την κύρια δίκη, έναν δικηγόρο ονόματι Augusto Rioux, αφού υπέστη κάποια ήπια ασφαλή και αποτελεσματική περικαρδίτιδα μετά τη Δόση #1.
Το ίδιο ισχύει και για την AstraZeneca – η Brianne Dressen αποβλήθηκε μετά τη Δόση #1 – αλλά ανέφεραν ότι αποσύρθηκε για προσωπικούς λόγους. Καταλαβαίνετε; Εύκολο.
Σαμποτάζ Πρωτοκόλλου #6: Καταγραφή Ψευδών Δεδομένων
Όταν όλα τα άλλα αποτύχουν, μπορείτε απλώς να καταγράψετε δεδομένα για τη μελέτη που είναι εντελώς λανθασμένα και κατασκευασμένα από το πουθενά. Η Ventavia, ανάδοχος μελέτης της Pfizer, μας δείχνει τον τρόπο σε αυτό το θέμα - τα ακόλουθα στιγμιότυπα οθόνης είναι το πραγματικό email που έστειλε η Brooke Jackson - μία από τους Διευθυντές Ιστοσελίδων της Ventavia - η οποία αποφάσισε να επιχειρήσει να υπονομεύσει το καθεστώς αποκαλύπτοντας την συνεχιζόμενη απάτη:
Σε μια ασυνήθιστα άμεση και αποτελεσματική απάντηση, η κα Τζάκσον απολύθηκε λιγότερο από έξι – 6 – ώρες αφότου έστειλε αυτό το email στον FDA. ΕΞΙ ΩΡΕΣ!! Έτσι πρέπει να γίνονται τα πράγματα.
Επιπλέον, όταν μήνυσε στο ομοσπονδιακό δικαστήριο σε μια προσπάθεια να ακυρώσει ολόκληρη τη δοκιμή του εμβολίου της Pfizer, το καθεστώς την καθυστέρησε με επιτυχία για σχεδόν δύο ολόκληρα χρόνια χρησιμοποιώντας μια ποικιλία έξυπνων νομικών τακτικών. (Ωστόσο, πρέπει να σημειωθεί ότι όποιος ήταν υπεύθυνος για την πρόσληψη τα κατάφερε υπερβολικά. Πρέπει να κάνετε ενδελεχείς ελέγχους ιστορικού για να βεβαιωθείτε ότι οι υποψήφιοι υποψήφιοι δεν έχουν ισχυρές ηθικές πεποιθήσεις.)
Δυστυχώς, ο FDA δεν ελέγχει ξένα ιατρικά περιοδικά, ένα από τα οποία αποφάσισε (σοκαριστικά) να δημοσιεύσει ένα άρθρο που τεκμηριώνει την απάτη στη δίκη της Pfizer. Μεγάλο ουάου. Γι' αυτό είναι επιτακτική ανάγκη να δημιουργηθεί ένα ενιαίο διοικητικό όργανο για ολόκληρο τον κόσμο.
Πηγή: https://www.bmj.com/content/375/bmj.n2635
IV-3. Επιλογή Νοθείας Μελέτης #3: Ανάλυση Μελέτης
Μόλις ολοκληρώσετε την ίδια τη μελέτη, ήρθε η ώρα να αναλύσετε τα στοιχεία από τη μελέτη. Οποιαδήποτε προβληματικά δεδομένα που με κάποιο τρόπο πέρασαν από όλα τα σχέδια πρωτοκόλλου και το σαμποτάζ σας θα καθαριστούν εδώ. Σκεφτείτε το σαν να βάζετε ένα μεταχειρισμένο, φθαρμένο αυτοκίνητο με μια ολοκαίνουργια στρώση χρώματος για να κρύψετε όλες τις ζημιές από κάτω - δεν αλλάζετε τίποτα ουσιαστικό, απλώς συγκαλύπτετε πράγματα (ως επί το πλείστον). Κανείς δεν θέλει να ξύσει το φρέσκο καινούργιο χρώμα για να βεβαιωθεί ότι δεν κρύβει κάτι.
Υπάρχουν πάρα πολλοί τρόποι «ανάλυσης» των δεδομένων. Το κόλπο είναι να είστε έξυπνοι σχετικά με το ποιους επιλέγετε και πώς κάνετε την ανάλυση.
Τακτική Ανάλυσης #1: Μην προσαρμόζετε τα δεδομένα
Οι προσαρμογές δεδομένων είναι αρκετά συνηθισμένες στην επιστήμη. Τα ακατέργαστα δεδομένα σχεδόν ποτέ δεν είναι κατάλληλα για άμεση εξαγωγή συμπερασμάτων ή για παρέκταση, επειδή συνήθως υπάρχουν κάθε είδους συγχυτικές μεταβλητές.
Ακολουθεί ένα πολύ απλό παράδειγμα προσαρμογής δεδομένων:
Ο παρακάτω είναι ο πληθυσμός των πολιτειών Νταρθ Σαντιστάν (κακή πολιτεία) και Ο Φασματικός Παράδεισος των Φύλων της Κομιφόρνια (καλή πολιτεία):
Ακολουθούν τα ποσοστά θνησιμότητας από την Τρομερή Νόσο για αυτές τις πολιτείες - συνολικά, η κακή πολιτεία έχει περισσότερους θανάτους από την καλή πολιτεία. Δεδομένου ότι έχουν τον ίδιο πληθυσμό, αυτό σημαίνει ότι το ποσοστό θνησιμότητας είναι υψηλότερο στην ΚΑΚΗ, ΚΑΚΗ πολιτεία του Νταρθ Σαντιστάν:
ΑΛΛΑ... (ναι, υπάρχει ένα μεγάλο «αλλά» εδώ)
Αν εξετάσουμε ξεχωριστά τα ποσοστά θνησιμότητας για τον ηλικιωμένο πληθυσμό και τους μη ηλικιωμένους πληθυσμούς, είναι συγκλονιστικό ότι η καλή πολιτεία έχει υψηλότερο ποσοστό θνησιμότητας ΚΑΙ ΣΤΙΣ ΔΥΟ (?!?!?!?!?):
Δύο σημαντικές παρατηρήσεις εδώ:
- Ο λόγος που η άπιστη κατάσταση του Death Santistan έχει υψηλότερο συνολικό ποσοστό παρά τα χαμηλότερα ποσοστά θνησιμότητας σε κάθε ηλικιακή ομάδα είναι πολύ απλό στην πραγματικότητα - οι ηλικιωμένοι πεθαίνουν πολύ πιο συχνά από τους μη ηλικιωμένους, αλλά η κακή πολιτεία έχει την ατυχία να έχει 2.5 φορές περισσότερους ηλικιωμένους από την καλή πολιτεία, πράγμα που σημαίνει πολύ περισσότερους θανάτους συνολικά λόγω του μεγάλου αριθμού ηλικιωμένων πολιτών στην κακή πολιτεία του Θανάτου Σαντιστάν:
Για να έχει η κακή πολιτεία τον ίδιο αριθμό θανάτων ηλικιωμένων με την καλή πολιτεία, θα έπρεπε να έχει κυριολεκτικά 40% του ποσοστού θνησιμότητας στους ηλικιωμένους σε σχέση με την καλή πολιτεία, επειδή η καλή πολιτεία έχει μόνο 40% λιγότερους ηλικιωμένους στον πληθυσμό της από την κακή πολιτεία. Αυτός είναι ο λόγος για τον οποίο (όταν θέλουμε να είμαστε ειλικρινείς, όπως όταν η αλήθεια βοηθά το καθεστώς) η επιστήμη προσαρμόζει τα δεδομένα - για να αποφύγει τέτοια πράγματα. (Αυτό το συγκεκριμένο στατιστικό φαινόμενο έχει στην πραγματικότητα μια επίσημη ονομασία: "Το παράδοξο του Σίμπσον").
Επομένως, ΜΗΝ προσαρμόζετε τα δεδομένα όταν αυτό θα βλάψει την αφήγηση του καθεστώτος.
Τακτική Ανάλυσης #2: Προσαρμόστε τα δεδομένα παραπλανητικά ή ακατάλληλα
Αντίθετα, μερικές φορές τα ακατέργαστα δεδομένα ή τα σωστά προσαρμοσμένα δεδομένα δεν θα είναι καλά για την αφήγησή σας. Σε τέτοιες περιπτώσεις, πρέπει να συνεχίσετε να τα προσαρμόζετε με δημιουργικούς τρόπους μέχρι να αποκρύψετε με επιτυχία τα αιρετικά αποτελέσματα, ώστε κανείς να μην μπορεί να τα δει ή να τα καταλάβει.
Για παράδειγμα, αν κάνουμε την παραπάνω υποθετική σύγκριση των φανταστικών καταστάσεων του Φασματικού Παραδείσου του Φύλου της Commiefornia/Death Santistan, μπορείτε να προσθέσετε μια «προσαρμογή» για να «διορθώσετε» το πρόβλημα. Το μόνο που χρειάζεται να κάνετε είναι να βρείτε ένα χαρακτηριστικό που να αποτελεί ένδειξη για χειρότερα αποτελέσματα στην Κακή Κατάσταση του Φασματικού Παραδείσου του Φύλου της Commiefornia από την καλή κατάσταση του Φασματικού Παραδείσου του Φύλου της Commiefornia. Δεδομένου ότι το Death Santistan αποφάσισε να μην ακολουθήσει τα σωτήρια lockdown του καθεστώτος, οι ηλικιωμένοι στο Death Santistan έτειναν να φεύγουν από τα σπίτια τους περισσότερο από άλλες πολιτείες, έστω και μόνο για να περπατήσουν στο τετράγωνο για καθαρό αέρα - πράγμα που σημαίνει ότι οι ηλικιωμένοι που δεν έφευγαν από τα σπίτια τους πιθανότατα ήταν πιο συχνά πολύ άρρωστοι για να φύγουν από το σπίτι τους. Τέτοιοι άρρωστοι ηλικιωμένοι είναι επίσης πιο πιθανό να είναι αυτοί που πεθαίνουν από την Τρομερή Ασθένεια.
Δείτε πώς θα μπορούσε να εξελιχθεί αυτό:
Διάγραμμα #1 – πληθυσμός ηλικιωμένων σε κάθε πολιτεία (αριστερές στήλες = ηλικιωμένοι που έβγαιναν έξω τουλάχιστον μία φορά την εβδομάδα· μεσαίες = ηλικιωμένοι που δεν έβγαιναν έξω· δεξιά = συνολικός αριθμός ηλικιωμένων σε κάθε πολιτεία)
Διάγραμμα #2 – αριθμός θανάτων σε καθεμία από τις τρεις κατηγορίες στο Διάγραμμα #1:
Αυτό διορθώνει πλήρως τα προβληματικά μας δεδομένα (ίσως και να τα διορθώνει πολύ καλά!!) – παρατηρήστε πώς αλλάζουμε το ποσοστό θνησιμότητας στους ηλικιωμένους:
Το μόνο που έχετε να κάνετε τώρα είναι να αναφέρετε το ποσοστό θνησιμότητας ηλικιωμένων σε εσωτερικούς χώρους ως «ποσοστό θνησιμότητας ηλικιωμένων προσαρμοσμένο στον πληθυσμό».
Επίσης, θα μπορούσατε να αναφέρεστε κατά καιρούς σε θανάτους ηλικιωμένων σε εσωτερικούς χώρους, επειδή είναι πολύ πιο εύκολο να το προπαγανδίσετε με ένα θέμα όπως «οι ηλικιωμένοι διατρέχουν τον μεγαλύτερο κίνδυνο επειδή είναι ακίνητοι είχαν σχεδόν ΤΡΕΙΣ φορές περισσότερες πιθανότητες να πεθάνουν στην ΚΑΚΗ κατάσταση από ό,τι στην ΚΑΛΗ κατάσταση.» Οι άνθρωποι συνδέουν φυσικά τους ηλικιωμένους με το να μένουν κλεισμένοι σε εσωτερικούς χώρους, επομένως είναι απίθανο να εκτιμήσουν ότι οι «ηλικιωμένοι σε εσωτερικούς χώρους» αποτελούν στην πραγματικότητα ένα τόσο μικρό ποσοστό του υποθετικού μας πληθυσμού ηλικιωμένων του Death Santistan.
Τακτική Ανάλυσης #3: Επιλογή βέλτιστων τελικών σημείων
Τα τελικά σημεία είναι πολύ σημαντικά. Επισήμως, το/τα κύριο/α τελικό/α σημείο/α μιας μελέτης είναι το/τα κεντρικό/ά εύρημα που καθορίζει/ουν εάν η μελέτη θεωρείται επιτυχημένη ή αποτυχημένη. Ένα τελικό σημείο είναι ουσιαστικά ένα πράγμα ή μια μέτρηση που χρησιμοποιείτε για να αξιολογήσετε την επιτυχία/αποτυχία ή τον αντίκτυπο οποιουδήποτε πράγματος μελετάτε. Για παράδειγμα, εάν δοκιμάζετε ένα νέο φάρμακο για να δείτε εάν εμποδίζει την Τρομακτική Νόσο να σας σκοτώσει, το τελικό σημείο θα ήταν οι θάνατοι από Τρομακτική Νόσο. Εάν η ομάδα θεραπείας είχε λιγότερους θανάτους από Τρομακτική Νόσο από την ομάδα ελέγχου, τότε η θεραπεία λειτουργεί, αλλά αν όχι, αυτό σημαίνει ότι δεν οργανώσατε τη μελέτη αρκετά καλά. (Αυτό είναι λίγο υπεραπλουστευμένο, αλλά καταλαβαίνετε τη βασική ιδέα.)
Επομένως, πρέπει να βεβαιωθείτε ότι επιλέγετε με σύνεση το/τα τελικό/ά σημείο/α.
Επομένως, θα πρέπει γενικά να επιλέγετε τελικά σημεία που έχουν όσο το δυνατόν περισσότερα από τα ακόλουθα χαρακτηριστικά:
- Εξαρτάται από την υποκειμενική κρίση και όχι από την αντικειμενική παρατήρηση
- Φυσικά προκατειλημμένος/η στα αποτελέσματα που προτιμάτε
- Εύκολος χειρισμός του αποτελέσματος
- Εύκολο να λες ψέματα για το αποτέλεσμα
- Δύσκολο για τους ανθρώπους να καταλάβουν αν παραποιήσατε ή χειραγωγήσατε το αποτέλεσμα
- Δύσκολο να το κατανοήσει κανείς – ειδικά για τους απλούς ανθρώπους
Για παράδειγμα, ας υποθέσουμε ότι διεξάγετε μια δοκιμή με σκοπό να σαμποτάρετε μια εναλλακτική θεραπεία που πραγματικά λειτουργεί για την Τρομερή Νόσο (κάτι που θα ήταν πολύ κακό αν το καθεστώς θέλει να διαιωνιστεί μια πανδημική κρίση για λίγο ακόμα). Πρέπει να δείξετε ότι δεν λειτουργεί. Αν επιλέξετε τον «θάνατο» ως τελικό σημείο, θα μπορούσατε να μπείτε σε μεγάλο πρόβλημα όταν το φάρμακο σώσει μια ομάδα ανθρώπων στην ομάδα θεραπείας.
Αντί για θάνατο, θα μπορούσατε να επιλέξετε κάτι όπως «χρόνος εξιτηρίου από το νοσοκομείο». Αυτό το τελικό σημείο πληροί και τις έξι προϋποθέσεις (σε κάποιο βαθμό):
- Η έξοδος από το νοσοκομείο ενός ασθενούς είναι μια υποκειμενική απόφαση των γιατρών (οι οποίοι θα έπρεπε να περιλαμβάνονται στη μισθοδοσία της μελέτης), επομένως δεν χρειάζεται να δώσετε εξιτήριο σε ασθενείς που πληρούν ένα αντικειμενικό πρότυπο για εξιτήριο.
- Η εξιτήριο είναι μεροληπτική προς τα αποτελέσματα που προτιμάτε – δεδομένου ότι ένα υψηλότερο ποσοστό της ομάδας ελέγχου θα πεθάνει, αυτό σημαίνει ότι ένα υψηλότερο ποσοστό σοβαρές περιπτώσεις δεν θα πάρουν ποτέ εξιτήριο, επομένως δεν θα αυξήσουν τον μέσο χρόνο εξιτηρίου για την υπόλοιπη ομάδα ελέγχουσε σύγκριση με την ομάδα θεραπείας όπου αντί να πεθάνουν, οι πιο σοβαρά άρρωστοι ασθενείς χρειάζονται μερικές επιπλέον ημέρες για να αναρρώσουν, γεγονός που αυξάνει τον μέσο χρόνο εξιτηρίου για την ομάδα θεραπείας.
- Η διαδικασία εξιτηρίου είναι πολύ εύκολη στη χειραγώγηση – μπορείτε να στρατολογήσετε το προσωπικό του νοσοκομείου που συμμετείχε στη μελέτη για να καθυστερήσει άσκοπα την εξιτήριο των ασθενών που έλαβαν θεραπεία για λίγο (πρέπει να βεβαιωθείτε ότι το αρμόδιο προσωπικό γνωρίζει ποιος έλαβε τη θεραπεία και ως εκ τούτου περιμένει επιπλέον χρόνο για να πάρει εξιτήριο από το νοσοκομείο).
- Η ώρα μέχρι το εξιτήριο είναι επίσης αρκετά εύκολη στην παραποίηση. Απλώς επεξεργαστείτε τα έγγραφα είτε για την ημερομηνία εισαγωγής στο νοσοκομείο είτε για την ημερομηνία εξιτηρίου (και το βίντεο ασφαλείας, εάν είναι απαραίτητο). Ο θάνατος είναι πολύ πιο δύσκολο να παραποιηθεί, επειδή η ώρα θανάτου είναι συνήθως κάτι που καταγράφεται με μεγάλη ακρίβεια. και εμφανίζεται στο πιστοποιητικό θανάτου.
- Ο «χρόνος μέχρι το εξιτήριο» δεν είναι η πιο διαισθητική μέτρηση για έναν μη ειδικό.
Προφανώς, μπορείτε να τα πάτε καλύτερα για τις περισσότερες από αυτές τις καταστάσεις, αλλά αυτό μεταφέρει τη βασική ιδέα.
Τακτική Ανάλυσης #4: Θάψτε εναλλακτικές μετρήσεις τελικού σημείου
Αυτό είναι πρακτικά αυτονόητο: αν χρησιμοποιήσετε τον «χρόνο μέχρι το εξιτήριο» ως τελικό σημείο αλλά αναφέρετε ότι υπήρξε μείωση 50% στη θνησιμότητα στην ομάδα θεραπείας, ας πούμε απλώς ότι αυτό θα προκαλέσει πολλές αντιδράσεις.
Έτσι, αντί να πρέπει να αντιμετωπίσετε δύσκολες ερωτήσεις σχετικά με το γιατί επιλέξατε ένα τόσο παράλογο τελικό σημείο και γιατί θα ισχυριζόσασταν ότι η θεραπεία δεν λειτουργεί αν δείτε ότι η θεραπεία μείωσε σημαντικά τη θνησιμότητα, ιδανικά θα πρέπει να μην αναφέρετε τους θανάτους πουθενά στη μελέτη.
Αν δεν μπορείτε να αποφύγετε την αναφορά των στατιστικών στοιχείων θνησιμότητας, τουλάχιστον θα πρέπει να τα θάψετε στη μέση ενός τυχαίου πίνακα ενός παραρτήματος σε μια μορφή που είναι πολύ δύσκολο να κατανοηθεί. Ή ακόμα καλύτερα, να τα σκορπίσετε σε πολλαπλούς πίνακες δεδομένων αντί να τα τοποθετήσετε όλα σε ένα μέρος όπου θα τα αναγνωρίζει εύκολα κάποιος ενοχλητικός τυχαίος σπασίκλας στο υπόγειό του.
Τακτική Ανάλυσης #5: Χρησιμοποιήστε τους βέλτιστους τύπους ανάλυσης για να έχετε τα επιθυμητά αποτελέσματα
Υπάρχουν τόσοι πολλοί τρόποι ανάλυσης δεδομένων όσοι και οι ταυτότητες φύλου ή οι συνδυασμοί αντωνυμιών. Δυστυχώς, μια εις βάθος εξήγηση για διάφορες μεθόδους δεν μπορεί να συμπυκνωθεί σε μια μορφή κατάλληλη για έναν Οδηγό Ηλιθίου όπως αυτός. Απλώς δείτε μερικά από αυτά τα ονόματα:
- Ισορροπημένη Ανάλυση Σχεδιασμού της Διακύμανσης
- Προσαρμογή διανομής βήτα
- Μετασχηματισμός Box-Cox για Δύο ή Περισσότερες Ομάδες (T-Test και Μονόδρομη ANOVA)
- Χάρτες θερμότητας σε ομαδοποίηση (διπλά δενδρογράμματα)
- Διανομή (Weibull) Τοποθέτηση
- Ασαφής ομαδοποίηση
- Προσαρμογή κατανομής γάμμα
- Γενικά Γραμμικά Μοντέλα (GLM)
- Τεστ ακραίας τιμής του Grubbs
- Ιεραρχική Ομαδοποίηση/Δενδρογράμματα
- Ομαδοποίηση K-Means
- Διαμέριση Medoid
- Πολυμεταβλητή Ανάλυση Διακύμανσης (MANOVA)
- Σύγκριση ομάδων δεδομένων Nondetects
- Μονόδρομη Ανάλυση Συνδιακύμανσης (ANCOVA)
- Ομαδοποίηση παλινδρόμησης
Το θέμα είναι ότι διαφορετικές μέθοδοι στατιστικής ανάλυσης θα αποφέρουν διαφορετικά αποτελέσματα. Αν δεν έδιναν διαφορετικά αποτελέσματα, τότε δεν θα υπήρχαν τόσες πολλές μέθοδοι. Είναι όλα θέμα οπτικής γωνίας. Επομένως, πρέπει να προσλάβετε ικανούς στατιστικούς γκουρού που γνωρίζουν αυτά τα πράγματα (και είναι πιστοί στο καθεστώς) για δύο λόγους:
- Επωφελείστε από την εμπειρία τους (την οποία χρειάζεστε· να θυμάστε ότι η εμπειρία σας είναι η προπαγάνδα, όχι η περίτεχνη στατιστική ανάλυση. Λίγη πρακτική ταπεινότητα, αναγνωρίζοντας τους δικούς σας περιορισμούς, είναι ζωτικής σημασίας για να είστε επιτυχημένος προπαγανδιστής· η υπερβολική αυτοπεποίθηση έχει αποβεί η αιτία για πολλούς πιστούς υπηρέτες του καθεστώτος [και συχνά οδήγησε και σε μεγάλες διακοπές σε ένα απογοητευτικό Γκουλάγκ]).
- Οι αιρετικοί του καθεστώτος δεν μπορούν να επισημαίνουν την έλλειψη αξιόπιστης εμπειρογνωμοσύνης των στατιστικών αναλυτών σας για να δυσφημίσουν και να αμφισβητήσουν την αξιοπιστία των μελετών του καθεστώτος. Η περίπτωση του Νιλ Φέργκιουσον αποτελεί μια προειδοποιητική ιστορία - αν και αρχικά κατάφερε να πείσει κυβερνήσεις σε όλο τον κόσμο με το υπέροχο μοντέλο του που προέβλεπε την αποκαλυπτική σφαγή από την Covid, η παντελής έλλειψη οποιασδήποτε εμπειρογνωμοσύνης στο θέμα, καθώς και η μακρά ιστορία του με εντελώς παραληρηματικές προβλέψεις για πανδημίες, έδωσαν στην αντιπολίτευση μια σταθερή βάση για να απορρίψει τα μοντέλα του και όλα τα επόμενα μοντέλα που προωθήθηκαν από διάφορες κυβερνήσεις. Ήταν επίσης σε θέση να προσηλυτίσουν με μεγάλη αποτελεσματικότητα μετά από αυτό το φιάσκο.
Τακτική Ανάλυσης #6: Αφαίρεση προβληματικών δεδομένων που δεν μπορούν να αναλυθούν, να προσαρμοστούν ή να κρυφτούν με άλλο τρόπο
Αυτή είναι η ίδια ιδέα με την αποβολή συμμετεχόντων από μια μελέτη εάν δεν συνάδουν με τα υποχρεωτικά αποτελέσματα του καθεστώτος. Απλώς εδώ αφαιρείτε τα δεδομένα που έχουν ήδη δημιουργηθεί αντί των ίδιων των συμμετεχόντων στη μελέτη. Ο στόχος είναι ο ίδιος όμως: να αποτρέψετε την εξαρχής καταχώριση στα επίσημα αρχεία της μελέτης των δεδομένων που δεν ταιριάζουν με αυτό που θέλετε να δείξουν τα αποτελέσματα της μελέτης.
Ανεξάρτητα από τα αποτελέσματα, θα πρέπει να έχετε έτοιμα σημεία συζήτησης για να σας υποστηρίξουν τα συμπαθούντα μέσα ενημέρωσης. Δεν έχει σημασία πόσο ψευδείς, παραπλανητικές κ.λπ. είναι - όλο το νόημα της προπαγάνδας είναι να εκμεταλλευτείτε και να παραπλανήσετε - τα μέσα ενημέρωσης απλώς και μόνο πλημμυρίζοντας το οικοσύστημα με τις πληροφορίες σας αποτελούν μια ισχυρή δύναμη που τουλάχιστον θα δυσκολέψει πολύ τους περισσότερους ανθρώπους να ξεδιαλύνουν τα ψέματα και τις απάτες που διαδίδετε γρήγορα σε όλη την κοινωνία.
Θα πρέπει να είστε ιδιαίτερα προετοιμασμένοι να στοχοποιήσετε με μανία οποιονδήποτε επιστήμονα ή ακαδημαϊκό με αιρετικές τάσεις που μπορεί να αμφισβητήσει οτιδήποτε λέτε ή, ακόμα χειρότερα, να επιστήσει την προσοχή σε ελλείψεις στη μελέτη σας. Με τη μέγιστη δυνατή προκατάληψη.
Ενότητα V – Επεξεργασία των Συνόλων Δεδομένων
Η άλλη σημαντική πηγή Επιστήμης, εκτός από τις μελέτες, είναι τα σύνολα δεδομένων και άλλες πηγές πληροφοριών που χρησιμοποιούνται για την πραγματοποίηση επιστημονικών δηλώσεων. Τα δεδομένα - ειδικά τα επίσημα κρατικά δεδομένα - είναι αξιοποιήσιμα χωρίς να χρειάζεται να κληροδοτηθεί μια επίσημη μελέτη, επομένως πρέπει να διασφαλίσετε ότι τα διαθέσιμα δεδομένα, και ιδίως τα σύνολα δεδομένων που αποτελούν τη βάση για τις συμβατικές μετρήσεις που αναφέρονται συνήθως στην κοινωνία από ακαδημαϊκούς και απλούς πολίτες, βρίσκονται υπό τον σταθερό σας έλεγχο για να τα τροποποιήσετε, να τα τροποποιήσετε και να τα τροποποιήσετε κατά βούληση.
Τα παρακάτω είναι τα είδη τακτικών που θα πρέπει να χρησιμοποιήσετε για να μεγιστοποιήσετε τον έλεγχο και τη χρησιμότητα των διαθέσιμων συνόλων δεδομένων:
V-1. Στατιστική «Αλιεία»
Η στατιστική αλιεία είναι πιο εύκολο να δοθεί απλώς ένα παράδειγμα παρά να εξηγηθεί αφηρημένα:
Ας υποθέσουμε ότι μια μεγάλη φαρμακευτική εταιρεία κυκλοφορεί ένα νέο φάρμακο που (ισχυρίζεται) κάνει τα παιδιά πιο έξυπνα και βελτιώνει την ακαδημαϊκή τους απόδοση. Δυστυχώς, παρόλο που εγκρίθηκε από τον FDA, γνωρίζουν ότι δεν λειτουργεί και ο κόσμος αρχίζει να υποψιάζεται ότι μπορεί να συμβαίνει κάτι ύποπτο (και έχουν δισεκατομμύρια δολάρια σε κίνδυνο). Έτσι, έρχονται σε εσάς και σας προσφέρουν έναν γενναίο επταψήφιο μισθό για να «αποδείξουν» ότι το νέο τους φάρμακο λειτουργεί. Έτσι, εσείς, όντας ένας τολμηρός επιστήμονας επί πληρωμή χωρίς κανέναν ενδοιασμό (εκτός από την αφοσίωση στο καθεστώς φυσικά), αποδέχεστε την προσφορά τους. Πώς «αποδεικνύετε» ότι το φάρμακό τους λειτουργεί; Απλό. Λαμβάνετε τα δεδομένα από όλες τις σχολικές περιφέρειες της χώρας που δείχνουν τις ακαδημαϊκές βαθμολογίες και το ποσοστό των παιδιών που πήραν το νέο φαρμακευτικό φάρμακο. Εδώ μπαίνει το κομμάτι του «ψαρέματος»: Πρέπει να ψάξετε σε κάθε περιφέρεια μέχρι να βρείτε μία ή δύο όπου οι ακαδημαϊκές βαθμολογίες είναι πάνω από το μέσο όρο και περισσότερα παιδιά σε αυτήν την περιφέρεια έπαιρναν το νέο φάρμακο από τον μέσο όρο (σαν να ψαρεύετε όπου συνεχίζετε μέχρι να πιάσετε ένα ψάρι). Στη συνέχεια, δημοσιεύετε τη «μελέτη» σας: «Βρήκαμε μια συσχέτιση στην Περιφέρεια «Χ» όπου ένα υψηλότερο ποσοστό παιδιών που έλαβαν το νέο φάρμακο οδήγησε σε υψηλότερες ακαδημαϊκές βαθμολογίες». Αυτό είναι ανοησία επειδή κάθε άλλη περιφέρεια δείχνει ότι το φάρμακο δεν είχε καμία επίδραση στις ακαδημαϊκές βαθμολογίες, αλλά το αποφεύγετε αυτό επισημαίνοντας τη μία περιφέρεια όπου υπάρχει συσχέτιση τυχαία. (Με ένα αρκετά μεγάλο μέγεθος δείγματος, είναι σχεδόν σίγουρο ότι θα βρείτε μία τυχαία περιφέρεια όπου, συμπτωματικά, πολλά παιδιά πήραν το φάρμακο και οι ακαδημαϊκές βαθμολογίες ανέβηκαν.)
Το κύριο δίδαγμα είναι ότι μερικές φορές το μόνο που χρειάζεστε είναι λίγη επιμονή. Αν έχετε ένα μεγάλο σύνολο δεδομένων από πολλές χώρες, για παράδειγμα, απλώς εξετάστε μία κάθε φορά μέχρι να ανακαλύψετε τη συσχέτιση που αναζητάτε. Εναλλακτικά, μπορείτε να δοκιμάσετε μια πιο προηγμένη εκδοχή αυτής της τακτικής, γνωστή ως «P-Hacking".
Ένα εξαιρετικό παράδειγμα αυτής της τακτικής είναι η ακόλουθη «μελέτη» του CDC, όπου εξέτασαν και τις 50 πολιτείες αναζητώντας μία όπου θα μπορούσαν να επεξεργαστούν τα δεδομένα για να δείξουν ότι τα εμβόλια κατά της Covid μείωσαν τον κίνδυνο επαναμόλυνσης σε άτομα που είχαν ήδη Covid πριν κάνουν το εμβόλιο. Και τι να ξέρεις, βρήκαν μία (από τις 50 συν μερικές μη πολιτειακές δικαιοδοσίες όπως η Ουάσινγκτον, DC) όπου θα μπορούσαν να κάνουν τα δεδομένα να λένε αυτό που ήθελαν:
Πηγή: https://www.cdc.gov/mmwr/volumes/70/wr/mm7032e1.htm?s_cid=mm7032e1_w
Βλέπετε, αν το CDC μπορούσε να χρησιμοποιήσει περισσότερες από μία πολιτείες για να δείξει ότι τα εμβόλια κατά της Covid μείωσαν τον κίνδυνο επαναμόλυνσης, θα το είχαν κάνει (εντάξει). Αλλά προσπάθησαν και προσπάθησαν μέχρι που βρήκαν μια πολιτεία που μπορούσε να βασανίσει τα δεδομένα για να το δείξει αυτό.
Παρεμπιπτόντως, υπάρχει ένα άλλο σημαντικό μάθημα για τους προπαγανδιστές εδώ: η αξία της επιμονής. Μην τα παρατάτε απλώς αν δεν μπορείτε να βρείτε ένα σύνολο δεδομένων που μπορεί εύκολα να παραποιηθεί ή να χειραγωγηθεί για να ενισχύσει ένα πολιτικό επιχείρημα του καθεστώτος. Μερικές φορές πρέπει να γίνετε δημιουργικοί και να επιμένετε μέχρι να πετύχετε το επιθυμητό αποτέλεσμα.
V-2. Προσαρμογή προβληματικών δεδομένων
Ναι, το αναφέραμε αυτό νωρίτερα στην ενότητα σχετικά με τις μελέτες νοθείας.
Εάν τα ακατέργαστα δεδομένα δεν συμφωνούν με την προτιμώμενη αφήγηση, απλώς «προσαρμόστε» τα μέχρι να ταιριάξουν, όπως θα κάνατε για τα εσωτερικά δεδομένα μιας μελέτης. Η προσαρμογή δεδομένων είναι ένα συνηθισμένο μέρος της επιστήμης και, επειδή πολύ λίγοι άνθρωποι καταλαβαίνουν πραγματικά πώς λειτουργεί, μπορείτε να εκμεταλλευτείτε και να καταχραστείτε αυτήν την πρακτική.
Κάποιος μάλιστα δημοσίευσε ένα επιστημονικό άρθρο σχετικά με το θέμα (είναι ενδιαφέρον για ανάγνωση αν είσαι φανατικός των σπασίκλας):
Πηγή: https://pubmed.ncbi.nlm.nih.gov/29254468/
Μια λαμπρή εφαρμογή αυτής της έννοιας σχετίζεται με την επιστημονική συναίνεση για την υπερθέρμανση του πλανήτη, η οποία παλαιότερα ήταν η επιστημονική συναίνεση για την ψύξη του πλανήτη. Πώς πιστεύετε ότι τα ίδια δεδομένα που έδειχναν το 1974 ότι ο κόσμος κατευθυνόταν προς μια μη αναστρέψιμη Εποχή των Παγετώνων που απειλούσε την επιβίωση της ανθρωπότητας δείχνουν τώρα ότι υπήρχε πραγματικά μια *θέρμανση* τάση από τα ίδια ακριβώς δεδομένα που απειλεί την επιβίωση της ανθρωπότητας;;
Πηγή: https://content.time.com/time/subscriber/article/0,33009,944914,00.html
Απλώς «προσάρμοσαν» τα δεδομένα για να κάνουν τις προηγούμενες δεκαετίες ψυχρότερες και τις επόμενες δεκαετίες θερμότερες, και ιδού, το πρόβλημα λύθηκε! Είναι διαβολικά πονηρό και εξαιρετικά αποτελεσματικό - παρατηρήστε στο παρακάτω διάγραμμα (από έναν γνωστό αιρετικό αντιφρονούντα του καθεστώτος) τις δύο γραμμές που παρακολουθούν τη μέση ετήσια θερμοκρασία, η μπλε γραμμή = τα ακατέργαστα δεδομένα, η πορτοκαλί γραμμή = τα δεδομένα αφού τα «προσάρμοσαν» οι επιστήμονες του καθεστώτος:
Πηγή: https://realclimatescience.com/2018/03/noaa-data-tampering-approaching-2-5-degrees/
Αν κοιτάξετε τη μπλε γραμμή, δεν υπάρχει συνολική αύξηση της θερμοκρασίας τα τελευταία 100 χρόνια - κάτι που είναι πολύ κακό για την επίσημη αφήγηση της ΚΑΤΑΣΤΡΟΦΙΚΗΣ ΠΑΓΚΟΣΜΙΑΣ ΘΕΡΜΟΚΡΑΣΙΑΣ!!! Ωστόσο, η πορτοκαλί γραμμή δείχνει μια σαφή τάση θέρμανσης τα τελευταία 100 χρόνια - η οποία είναι ακριβώς η αφήγηση.
Φυσικά, αν στο μέλλον για οποιονδήποτε λόγο γίνει ρεαλιστικό να επιστρέψουμε στην Παγκόσμια Ψύξη, τότε οι επιστήμονες καθεστώτος στην NOAA απλώς θα «αναπροσαρμόσουν» τα δεδομένα ώστε τα τελευταία 100 χρόνια να μοιάζουν με μια σταθερή τάση ψύξης.
Το θέμα είναι ότι όλα είναι στις προσαρμογές.
(ΣημείωσηΕίναι χρήσιμο να επιτρέπετε σε μερικούς τυχαίους, χαμηλού προφίλ, αιρετικούς της επιστήμης του καθεστώτος να περιφέρονται, επειδή παράγουν δεδομένα και αναλύσεις που είναι στην πραγματικότητα αρκετά χρήσιμες για εσωτερική χρήση του καθεστώτος, αρκεί να βεβαιωθείτε ότι δεν θα αρχίσουν να αποκτούν εξέχουσα θέση - και στη συνέχεια τους στέλνετε στον κόλπο του Γκουαντάναμο χωρίς καθυστέρηση.)
V-3. Αποκλείστε από τις επίσημες αναλύσεις επίσημων δεδομένων οτιδήποτε δεν ταιριάζει με τα επιθυμητά σας αποτελέσματα
Ο προσεκτικός έλεγχος του τι περιλαμβάνεται στην ανάλυσή σας είναι κυριολεκτικά 101 πράγματα. Εάν πληροφορίες ή πραγματικά αποτελέσματα απειλούν να υπονομεύσουν τα προτιμώμενα αποτελέσματά σας, απλώς εξαιρέστε τα από τις επίσημες αναλύσεις των επίσημων δεδομένων. Έτσι, εάν υπάρχει μια κυβερνητική βάση δεδομένων που δείχνει ότι, μετά το Ένδοξο Εμβόλιο, η συχνότητα εμφάνισης μιας σειράς ιατρικών παθήσεων αυξήθηκε πολύ, απλώς αγνοήστε την.
Πάρτε για παράδειγμα τη βάση δεδομένων VAERS (Σύστημα Αναφοράς Ανεπιθύμητων Συμβάντων Εμβολίων) που διαχειρίζονται από κοινού το CDC και ο FDA:
Το CDC (προσποιείται ότι) ενθαρρύνει την αναφορά στο VAERS ιατρικών παθήσεων που εμφανίζονται μετά τον εμβολιασμό κάποιου, «ακόμα κι αν δεν είστε σίγουροι ότι το εμβόλιο προκάλεσε την ασθένεια»:
Μετά την κυκλοφορία των εμβολίων κατά της Covid στα μέσα Δεκεμβρίου 2020, οι καταχωρίσεις VAERS για τους θανάτους έχουν ως εξής (το διάγραμμα δείχνει τον συνολικό αριθμό αναφερόμενων θανάτων για όλα τα εμβόλια κάθε χρόνο):
Αυτό το γράφημα δείχνει στατιστικά στοιχεία για τις αναφορές VAERS σχετικά με τραυματισμούς/θανάτους από τα εμβόλια Covid:
Ωστόσο, πότε ήταν η τελευταία φορά που ακούσατε για το VAERS από το CDC σε οποιαδήποτε δήλωση ή ανάλυση σχετικά με τα πολύτιμα εμβόλια κατά της Covid;
Ακριβώς!! Το CDC (και όλοι οι άλλοι) απλώς αγνοούν το VAERS (εκτός από όταν κατά καιρούς εκδίδουν άρθρα «ελέγχου γεγονότων» για να καταρρίψουν το VAERS).
Επίσης, φροντίστε να καταδιώκετε αδιάκοπα όποιον τολμά να προσπαθήσει να χρησιμοποιήσει τέτοια δεδομένα για να υπονομεύσει την αξιοπιστία των αναλύσεων και των διακηρύξεων του καθεστώτος σας. Αυτό συχνά αποτελεί πρόβλημα, επειδή αναπόφευκτα θα υπάρχει μια ομάδα ανθρώπων που θα έχουν πρόσβαση στα ακατέργαστα δεδομένα μόλις αυτά υπάρξουν.
V-4. Συνεχής προσέγγιση σε προηγούμενες σχέσεις και διαφορές
Ένας εύκολος τρόπος για να στηρίξετε μια μελέτη με κριτική επιτροπή είναι να συγκρίνετε 2 οντότητες που γνωρίζετε ότι έχουν ήδη μια συγκεκριμένη διαφορά ή συσχέτιση. Στη συνέχεια, μπορείτε να προσποιηθείτε ότι «ανακαλύπτετε» αυτήν τη διαφορά ή τη συσχέτιση, αλλά να την αποδώσετε σε έναν νέο παράγοντα.
Έτσι, αν για παράδειγμα, επειδή οι φτωχές πολιτείες, σε σύγκριση με τις πλούσιες, τείνουν να έχουν χειρότερα αποτελέσματα στην υγεία, αν οι φτωχές πολιτείες τυχαίνει να συμμορφώνονται λιγότερο με τις οδηγίες του καθεστώτος, μπορείτε να επισημάνετε τα χειρότερα αποτελέσματα στην υγεία τους και να τα κατηγορήσετε ότι δεν λαμβάνουν το Ένδοξο Εμβόλιο. Τα μέσα ενημέρωσης πραγματικά υπερέχουν στο να ενισχύουν αυτό το μήνυμα ειδικότερα, επειδή δεν αγαπούν τίποτα περισσότερο από το να αποδίδουν κακά αποτελέσματα στην πολιτική σχέση με το/τα «κακό/ά» πολιτικό κόμμα/κόμματα.
V-5. Έλεγχος κρίσιμων συνόλων δεδομένων που χρησιμοποιούνται για επιστημονική έρευνα
Αυτός που ελέγχει τα δεδομένα ελέγχει την ΕπιστήμηΦροντίστε να έχετε τον απόλυτο έλεγχο των πιο σημαντικών και ευρέως χρησιμοποιούμενων συνόλων δεδομένων και θα γλιτώσετε πολύ άγχος και πονοκεφάλους. Για παράδειγμα, ο στρατός ελέγχει τα εσωτερικά του σύνολα δεδομένων και μπορεί να τα χειραγωγήσει κατά βούληση. Όπως το DMED - παραποίησαν αυτό το σύνολο δεδομένων σε σημείο που το κατέστησαν ολόκληρο άχρηστο. Ρίξτε μια ματιά παρακάτω στα δύο ακόλουθα γραφήματα που δείχνουν τα *ΙΔΙΟ* Δεδομένα DMED για τα «ποσοστά επισκέψεων σε εξωτερικούς γιατρούς» για τα έτη 2015-2018 – το αριστερό διάγραμμα είναι η έκδοση που δημοσιεύτηκε το 2019, το δεξί διάγραμμα δείχνει την έκδοση του 2021 – και κατά κάποιο τρόπο, δεν είναι τα ίδια (περιοχές με κόκκινο κύκλο).
Παρατηρήστε την αλλαγή στους αριθμούς του 2016-2018 (την οποία μπορείτε να δείτε από το σχήμα της γραμμής τάσης); Πώς αυξήθηκε ο αριθμός των επισκέψεων σε γιατρούς που πραγματοποιήθηκαν το 2016 μεταξύ 2019 και 2021 ????
Επειδή το καθεστώς απλώς ξαναέγραψε τα δεδομένα. Αυτό μπορείτε να κάνετε όταν έχετε τον πλήρη έλεγχο του συνόλου δεδομένων.
Είναι αυτονόητο ότι σε καμία περίπτωση δεν πρέπει να επιτρέψετε σε κανέναν ειδωλολάτρη επιστήμονα πρόσβαση στα ιερά κείμενα ή τα δεδομένα της Επιστήμης που βρίσκονται υπό τον έλεγχό σας - να θυμάστε ότι πρέπει να είστε πάντα σε εγρήγορση για να μην προβεί κάποιος αιρετικός ερευνητής σε ανάλυση που θα μπορούσε να ακυρώσει ή να αντικρούσει την Επιστήμη. Το CDC δίνει το παράδειγμα εδώ:
Πηγή: https://www.cdc.gov/nchs/nvss/nvss-restricted-data.htm
Αν δεν δώσετε σε ενοχλητικούς, ενοχλητικούς ανεξάρτητους επιστήμονες πρόσβαση στα δεδομένα, δεν χρειάζεται να ανησυχείτε μήπως ανακαλύψουν πράγματα στα δεδομένα που θα υπονομεύσουν σε μεγάλο βαθμό την αφήγηση του καθεστώτος.
Τμήμα VI – Έλεγχος των Προτύπων Αποδεικτικών Στοιχείων
Σκεφτείτε τον εαυτό σας ως δικαστή που προεδρεύει μιας ποινικής δίκης, ο οποίος αποφασίζει για το ποια αποδεικτικά στοιχεία είναι παραδεκτά στο δικαστήριο και, ως εκ τούτου, μπορεί να διασφαλίσει ότι τα ενοχοποιητικά ή απαλλακτικά στοιχεία δεν θα φτάσουν ποτέ στους ενόρκους. Η ίδια ιδέα και εδώ - ελέγχοντας τα πρότυπα των αποδεικτικών στοιχείων, μπορείτε έμμεσα να εξαλείψετε μεγάλο μέρος της αμφισβητούμενης επιστήμης που υπάρχει, χωρίς να χρειάζεται να αμφισβητήσετε άμεσα τους συγκεκριμένους ισχυρισμούς ή τα αποδεικτικά στοιχεία.
VI-1. Αδύνατη η εκπλήρωση του τύπου αποδεικτικών στοιχείων υψηλότερης ποιότητας για οποιονδήποτε εκτός από τους εγκεκριμένους από το καθεστώς δρώντες
Αυτός είναι ένας απλός κανόνας: Να γίνει όσο το δυνατόν πιο δύσκολο για ανεξάρτητους επιστήμονες ή ερευνητές να διεξάγουν μελέτες που θεωρούνται «υψηλής ποιότητας».
Θα μπορούσε κανείς να κάνει πολύ ακριβό για τους αντιφρονούντες με αντιρρήσεις να διεξάγουν μη εγκεκριμένη ή αιρετική επιστήμη. Ένα από τα μεγαλύτερα επιτεύγματα στην ιστορία της προπαγάνδας ήταν η άνοδος των Τυχαίων Ελεγχόμενων Δοκιμών ως «Χρυσό Πρότυπο» για τα αποδεικτικά στοιχεία. Αυτές συνήθως κοστίζουν πολλά εκατομμύρια για να διεξαχθούν, αποκλείοντας την πιθανότητα οποιουδήποτε εκτός από γιγάντιες φαρμακευτικές εταιρείες (οι οποίες είναι πιστοί παράγοντες του καθεστώτος) να διεξάγουν τέτοιες επιστημονικές επιχειρήσεις.
Μπορείτε επίσης να ψηφίσετε νόμους ή να χρησιμοποιήσετε κυβερνητικές υπηρεσίες για να απαγορεύσετε τη διεξαγωγή μη εγκεκριμένων μελετών υψηλής ποιότητας, σε περίπτωση που μια ομάδα καταφέρει με κάποιο τρόπο να εξασφαλίσει επαρκή κεφάλαια για τη διεξαγωγή μιας τέτοιας μελέτης.
VI-2. Ορίστε τον τύπο μελετών που μπορούν να διεξάγουν μη εγκεκριμένοι επιστήμονες ως «χαμηλής ποιότητας»
Αντίθετα, βεβαιωθείτε ότι οποιαδήποτε μη συμμορφούμενη επιστήμη ή έρευνα που μπορεί ακόμα να διεξαχθεί χαρακτηρίζεται ως αποδεικτικά στοιχεία χαμηλής ποιότητας. Αυτή είναι συνήθως μια καλύτερη εναλλακτική λύση από την πλήρη απαγόρευση κάθε μη εγκεκριμένης έρευνας, η οποία φυσικά θα κάνει τον πληθυσμό καχύποπτο απέναντι στο καθεστώς και επιρρεπή στην αποδοχή κάθε είδους άγριων, ανόητων θεωριών συνωμοσίας. Αντίθετα, αφήστε τους να κάνουν την έρευνά τους, αλλά εξηγήστε ότι είναι άνευ νοήματος επειδή δεν συμμορφώνεται με τους σωστούς κανόνες της επιστήμης που βασίζεται σε αποδεικτικά στοιχεία.
VI-3. Μην διατυπώνετε ένα σαφές πρότυπο αποδεικτικών στοιχείων που μπορούν να εφαρμόσουν οι απλοί άνθρωποι μόνοι τους
Αναπόφευκτα θα αντιμετωπίσετε καταστάσεις όπου θα χρειαστείτε το περιθώριο να χρησιμοποιήσετε διπλά μέτρα και σταθμά αποδεικτικών στοιχείων. Αν διατυπώσετε ένα σαφές και εύκολα κατανοητό μέτρο, τότε εξουδετερώνετε την ικανότητά σας να διαστρεβλώνετε την επιστήμη, καθώς οι άνθρωποι μπορούν στη συνέχεια να σας περιορίσουν στο δικό σας δηλωμένο μέτρο. Επίσης, όπως επισημάνθηκε προηγουμένως, θέλετε να προετοιμάσετε τους ανθρώπους ώστε το πραγματικό μέτρο να είναι απλώς ό,τι το καθεστώς δηλώνει ότι είναι αποδεικτικά στοιχεία υψηλής ποιότητας και όχι οποιαδήποτε έστω και ελάχιστα αντικειμενικά κριτήρια.
VI-4. Διώξτε τους Αυθάδεις ή Άπιστους Επιστήμονες
Κατά καιρούς, θα προκύψει μια κατάσταση όπου μπορεί να βρεθείτε ανίκανοι να αμφισβητήσετε την αξιοπιστία μιας έρευνας με το σκεπτικό ότι πρόκειται για στοιχεία κακής ποιότητας. Σε τέτοιες περιπτώσεις, θα πρέπει αντ' αυτού να διώκετε τον/τους επιστήμονα/ες που ευθύνονται για τη διάδοση της αιρετικής Επιστήμης, σταματώντας έτσι τη διάδοση και την περαιτέρω διεξαγωγή της προβληματικής έρευνας. Αυτό μπορεί να είναι τόσο αβλαβές όσο η απομάκρυνσή τους από τα μέσα κοινωνικής δικτύωσης, ή τόσο ολοκληρωτικό όσο η αποστολή τους σε ένα Γκουλάγκ για να μην τους ξαναδείτε ή να μην τους ακούσετε ποτέ. Όπως και να αποφασίσετε εσείς ή το καθεστώς να τους απομακρύνετε από τη δημόσια σφαίρα, πρέπει να βεβαιωθείτε ότι επιτίθεστε αδιάκοπα στη φήμη και την εμπειρογνωμοσύνη τους (ακόμα και μετά την εξάλειψη του στασιαστικού προδότη). Αυτή είναι επίσης μια καλή τακτική που μπορείτε να χρησιμοποιήσετε εναντίον ενός/των χαρισματικού/ων επιστήμονα/ων που απειλεί το καθεστώς επειδή αιχμαλωτίζει τις καρδιές των μαζών. Αυτό ισχύει ακόμα κι αν φαίνονται πιστοί, εκτός αν γνωρίζετε με απόλυτο τρόπο ότι δεν θα αυτομολήσουν ποτέ στην άλλη πλευρά (όπως αν έχετε πληροφορίες εκβιασμού, ή αν είναι η καρδιά και η ψυχή της αφήγησης του καθεστώτος και είναι φανατικά αφοσιωμένοι, όπως ο Άγιος Δρ. Φάουτσι). Επομένως, θα πρέπει να διατηρείτε μια ισχυρή συσκευή κατασκοπείας για να παρακολουθείτε όλους τους πιστούς επιστήμονες του καθεστώτος.
Τμήμα VII – Οι Εκκλησιαστικές Αρχές της Επιστήμης
Το πρώτο πράγμα που πρέπει να συνειδητοποιήσετε είναι ότι η έννοια της εξουσίας εντός του χώρου της Επιστήμης είναι εκκλησιαστικής φύσης. Το μεγαλύτερο μέρος του επιστημονικού λόγου στη σημερινή κοινωνία αποτελείται από επιχειρήματα της εξουσίας. Αντί λοιπόν να αντισταθείτε σε αυτό, αγκαλιάστε το και χρησιμοποιήστε το, γιατί είναι το ισχυρότερο από όλα τα όπλα στον αγώνα για τον έλεγχο της ίδιας της Επιστήμης. Είστε η Εκκλησία της Επιστήμης. Το καθεστώς είναι το Βατικανό του. Δώστε δύναμη και επιβάλετε τη θέλησή σας!!
Πρέπει να κατοχυρώσετε συμβάσεις που φυσικά θα επιλέξουν μόνο τους πιστούς στο καθεστώς να ανέλθουν σε θέσεις επιστημονικής αυθεντίας στην κοινωνία. Αυτό επιτυγχάνεται κυρίως μέσω των ακόλουθων μεθόδων:
VII-1. Οι εμπειρογνώμονες πρέπει να είναι πιστοποιημένοι
Τα πιστοποιητικά είναι το πρώτο μέτρο που αποκλείει τους περισσότερους πιθανούς κακοποιούς. Απαιτώντας πιστοποιητικά - τα οποία φυσικά μπορεί κανείς να αποκτήσει μόνο μέσω του ίδιου του καθεστώτος ή ενός ιδρύματος διαπιστευμένου από το καθεστώς και πιστού σε αυτό. Πρέπει να ενισχύσετε την πεποίθηση ότι οι μη πιστοποιημένοι εμπειρογνώμονες είναι μοναδικά επικίνδυνοι και αδαείς, καθώς ο πληθυσμός επιβαρύνεται από τη συνεχή επιθυμία να ζητήσει μια δεύτερη γνώμη για τις θέσεις και τις δηλώσεις του καθεστώτος.
VII-2. Οι εμπειρογνώμονες πρέπει να συνδέονται με Ίδρυμα ή Οργανισμό με καλή φήμη
Ένας άλλος προφανής κανόνας. Αυτός είναι ένας καλός τρόπος για να ξεκαθαρίσετε περαιτέρω τυχόν πιθανούς επιστήμονες της Μαντζουρίας που πέρασαν τη διαδικασία πιστοποίησης.
VII-3. Οι εμπειρογνώμονες πρέπει να λαμβάνονται υπόψη στο «Κυρίως Ρεύμα»
Εφαρμόστε αυστηρά αυτή την κοινωνική σύμβαση, καθώς αποτελεί ένα ισχυρό δίχτυ ασφαλείας σε περίπτωση που ένας ειδικός απομακρυνθεί από τις τάξεις του και αποφασίσει να αντιταχθεί στο καθεστώς. Τέτοια άτομα δεν μπορούν εύκολα να αποποιηθούν τα διαπιστευτήριά τους και μερικές φορές μπορεί να είναι δύσκολο ή μη πρακτικό να τερματιστούν όλες οι σχέσεις που μπορεί να έχουν με οργανισμούς με καλή φήμη. Έτσι, προκύπτει η ανάγκη για αποκλεισμό που δεν εξαρτάται από κανένα από τα δύο. Η κήρυξή του εκτός του κυρίαρχου ρεύματος είναι ένας αρκετά ισχυρός τρόπος για να απομυθοποιηθεί η εξουσία ενός τέτοιου ειδικού.
VII-4. Επιβολή Επιστημονικής Συναίνεσης
Ένας άλλος ισχυρός τρόπος για να ελεγχθεί ποιος ασκεί την επιστημονική εξουσία είναι η επιβολή της συμμόρφωσης με μια κατασκευασμένη «συναίνεση», χαρακτηρίζοντας όποιον αποκλίνει από την εν λόγω συναίνεση ως έναν αδιάλλακτο, αδιόρθωτο αιρετικό του πιο αποκλίνοντος είδους. Είναι ένα εξωτερικό εργαλείο που μπορεί να είναι εξαιρετικά χρήσιμο για την εκθρόνιση ιδιότροπων επιστημόνων με πιστοποίηση. Η «συναίνεση» ηχεί δυνατά στα αυτιά και τις καρδιές των απλών ανθρώπων και τους παρέχει εύκολη δικαιολογία να μην εγείρουν ερωτήματα εάν το καθεστώς αποφασίσει ξαφνικά να καθαιρέσει έναν προηγουμένως πολύτιμο επιστήμονα.
Ακολουθία
Η τέχνη της προπαγάνδας είναι ένα ευρύ θέμα που περιλαμβάνει πολλαπλούς κλάδους. Μην περιμένετε ότι θα την κατακτήσετε από τη μια μέρα στην άλλη. Να περιμένετε ότι θα κάνετε λάθη – έτσι μαθαίνετε τι λειτουργεί (και επομένως φροντίστε να έχετε πάντα κάποιον άλλον στον οποίο μπορείτε να αποδώσετε την ευθύνη για τα λάθη σας).
Ευτυχώς για εσάς, η συντριπτική πλειοψηφία των πολιτών είναι πνευματικά πρόβατα. Αυτή η αρχή αποδείχθηκε λαμπρά από τον επικεφαλής αρχιτέκτονα του Obamacare, καθηγητή Τζόναθαν Γκρούμπερ.
Ωστόσο, ο καθηγητής Γκρούμπερ είχε την τάση να εξηγεί πάρα πολλά, και πολύ καθαρά, σε ηχογραφημένες ομιλίες. Φυσικά, δεν υπάρχει τίποτα κακό στο να εξηγούνται αμφιλεγόμενα ζητήματα με σαφή γλώσσα σε νεαρούς φοιτητές του καθεστώτος, τα οποία είναι το κλειδί για την κατανόηση του τρόπου λειτουργίας της πολιτικής του καθεστώτος, επειδή θα πρέπει να έχουν μια καλή κατανόηση αυτών των πραγμάτων αν θέλουν να είναι παραγωγικοί εργαζόμενοι στο καθεστώς. Ωστόσο, γίνεται πρόβλημα όταν αυτές οι ομιλίες καταγράφονται σε βίντεο που είναι προσβάσιμο στο ευρύ κοινό, ποιον υποτίθεται ότι εξαπατάτε:
Θα περίμενε κανείς ότι αφού ο τύπος που έγραψε έναν εξαιρετικά αντιδημοφιλή νόμο (εκείνη την εποχή) πιάστηκε σε πολλά βίντεο να καυχιέται για το πώς ήταν μια «έξυπνη εκμετάλλευση της έλλειψης οικονομικής κατανόησης του Αμερικανού ψηφοφόρου» και πώς «η ηλιθιότητα του Αμερικανού ψηφοφόρου» ήταν κρίσιμη για να μπορέσει να περάσει μια αύξηση φόρων ως μη αύξηση φόρων (κάτι που είναι και τα δύο 100% αληθινό όπως αναφέρθηκε προηγουμένως), οι πολιτικοί θα αναγκάζονταν να αποσύρουν τον νόμο και να προσπαθήσουν ξανά σε λίγα χρόνια, αφού είχε καταλαγιάσει η φασαρία.
Εκτός από το ότι, όπως αποδεικνύεται, συνήθως μπορείτε να βασιστείτε όχι μόνο στην απόλυτη ηλιθιότητα του μέσου ψηφοφόρου, αλλά και στην έλλειψη βραχυπρόθεσμης μνήμης, στην έλλειψη αίσθησης αυτοσυντήρησης και στην αφοσίωσή τους στην πολιτική ιδεολογία πάνω απ' όλα. Μήπως το Obamacare ακυρώθηκε ή έστω καθυστέρησε; Όχι. Έτσι, ακόμα κι αν σας συλλάβουν σε μεγάλο βαθμό, πιθανότατα θα είστε εντάξει. (Ειδικά αν έχετε καλλιεργήσει ένα υπάκουο mainstream μέσο ενημέρωσης που υπηρετεί πιστά το καθεστώς.)
Μπορείτε επίσης να νιώσετε παρηγοριά ότι η προπαγάνδα είναι φυσικά μια αυτοδιορθούμενη επιχείρηση - όταν γίνονται λάθη, απλώς εξαπολύετε περισσότερη προπαγάνδα και gaslighting για να καλύψετε ή με άλλο τρόπο να μετριάσετε αυτά τα λάθη. Παρατηρήστε πώς οι αξιωματούχοι του καθεστώτος μετατοπίστηκαν από το να εξυμνούν τον καθηγητή Gruber στον ισχυρισμό ότι ήταν εντελώς ασήμαντος, χωρίς να κουνήσουν ούτε μια βλεφαρίδα και χωρίς την παραμικρή ένδειξη αμηχανίας για την απροκάλυπτη υποκρισία των ασυμβίβαστων θέσεών τους:
(Θα πρέπει να προσέξετε να μην είστε πολύ επιπόλαιοι όταν κάνετε λάθη, διαφορετικά μπορεί να μεταφερθείτε σε ένα σοβιετικό Γκουλάγκ ή σε μια τοποθεσία Μαύρων Επιχειρήσεων της CIA στο Μαρόκο.)
Μαζί, μπορούμε να κάνουμε τον κόσμο ένα καλύτερο μέρος για όσους είναι προορισμένοι να γίνουν μέρος της νέας επανεκκίνησης της ανθρωπότητας.
-
Ο Άαρον Χέρτζμπεργκ είναι συγγραφέας που ασχολείται με όλες τις πτυχές της αντιμετώπισης της πανδημίας. Μπορείτε να βρείτε περισσότερα από τα γραπτά του στο Substack: Resisting the Intellectual Illiteratti.
Προβολή όλων των μηνυμάτων
