Arenaria » Giornale di Brownstone » Media » Guida per idioti alla cottura dei dati per aspiranti propagandisti
Guida per idioti alla preparazione dei dati per aspiranti propagandisti

Guida per idioti alla cottura dei dati per aspiranti propagandisti

CONDIVIDI | STAMPA | E-MAIL
https://www.kekstcnc.com/media/2827/20200730_kc_covid_opinion_tracker_japan_deck_final_for-web.pdf

Diamo un'occhiata più da vicino alla diapositiva qui sopra, tratta da un sondaggio internazionale condotto qualche mese dopo l'arrivo del Covid: Ecco come si presenta la propaganda efficace. E l'effetto reale è stato ancora maggiore, perché i numeri del "mondo reale" utilizzati per calcolare quanto le persone esagerassero i rischi del Covid erano ovviamente derivati ​​dalle... principali organizzazioni di propaganda del mondo (mascherate da agenzie di sanità pubblica). Che stavano già esagerando selvaggiamente i rischi del Covid.

L'arte della propaganda efficace è una disciplina onnicomprensiva che richiede uno studio attento e approfondito — e rivedere — di tanto in tanto. Per il principiante, può essere molto difficile da padroneggiare. Anche il propagandista esperto può a volte cadere nella trappola di pensare che creare e diffondere propaganda sia un'impresa semplice, il che è un buon modo per vincere una vacanza siberiana permanente con tutte le spese pagate. Di solito non è un compito così semplice confondere l'intera società ogni giorno, 365 giorni all'anno, indefinitamente.

La seguente breve guida fornirà agli aspiranti propagandisti, ai lacchè del WEF, agli apparatchik comunisti, ai marxisti svegli e ai burocrati governativi esperti gli strumenti e le conoscenze necessarie per sviluppare il loro promettente talento fino a diventare dei veri e propri maestri dell'arte della propaganda.

Questo libro è un po' lungo!! Quindi non sentirti obbligato a leggerlo tutto d'un fiato, perché è la ricetta per il burnout e per non ricordare le informazioni essenziali contenute al suo interno.

Questo manuale è suddiviso nelle seguenti sezioni:

Sezione I. Definizioni - Come ridefinire parole, termini e metriche per mantenerli in linea con la narrazione del regime

Sezione II. Cura dei dati - Come dirottare i processi di registrazione, reporting e pubblicazione dei dati

Sezione III. Verifica dei dati considerati parte della scienza ufficiale - Come esaminare, analizzare e smaltire i dati non conformi al regime in modo che non appaiano mai in nessun set di dati ufficiale della scienza o del regime

Sezione IV. Come truccare uno studio - Esattamente come sembra

Sezione V. Modifica dei set di dati - A volte, sarà necessario intervenire e fare una piccola "chirurgia" sui dati per modificare il contenuto dei database che contraddicono i punti di discussione del regime che non è possibile semplicemente sradicare.

Sezione VI. Controllare gli standard delle prove - Come stabilire una gerarchia di prove che metta la scienza amica del regime in cima e quella ostile al regime in fondo (della Fossa delle Marianne)

Sezione VII. Le autorità ecclesiastiche della scienza - Come garantire che le autorità scientifiche ripetano in modo affidabile i fatti e le narrazioni del regime

Postfazione - Legando il tutto in modo grazioso, come uno dei papillon di Peter Hotez (è uno scienziato celebrità del regime particolarmente irritante)

Sezione I – Definizioni

“Chi controlla la lingua controlla le masse.”
—Saul Alinsky, Regole per i radicali

Il modo in cui definiamo concetti o categorie determina quale aspetto del mondo reale essi comunicano o rappresentano, o cosa non comunicano o non rappresentano.

Definizioni malleabili e uno standard arbitrario e capriccioso per l'assegnazione delle definizioni sono un must assoluto per qualsiasi propagandista efficace. Nonostante i migliori sforzi, anche i propagandisti esperti e stagionati si troveranno inevitabilmente di fronte a situazioni in cui i dati curati esistenti o l'esperienza vissuta dalle persone sono problematici per la narrazione ufficiale del regime.

Una propaganda efficace richiede quindi la capacità di una flessibilità agile e altamente adattabile per controllare il contenuto dei dati, in particolare le metriche convenzionali preesistenti di cui il pubblico è abituato a sentir parlare e che sono notoriamente difficili da far semplicemente sparire (a differenza della facilità con cui puoi far sparire uno scienziato dissidente da YouTube o Facebook). Ad esempio, non sarai in grado di evitare di parlare di "morti" nel contesto di una nuova pandemia di malattie temute: il modo principale in cui le persone si relazioneranno alla valutazione della gravità di una malattia sarà sempre e soprattutto "Quante persone sono morte a causa della malattia?" Ma puoi cambiare ciò a cui si riferisce "morte" nel contesto della nuova malattia temuta se vuoi aumentare o diminuire la sensazione delle persone di quanto sia mortale.

In pratica, ciò significa che quando la normale comprensione di un termine o di un concetto dimostra che la realtà non corrisponde esattamente alla narrazione desiderata dal regime, basta cambiare qualche definizione ed ecco fatto, il problema è risolto.

Come hanno osservato molti importanti propagandisti comunisti nel corso della storia, "Chi controlla la lingua governa il mondo".

Esistono diversi modi per modificare o trasformare le definizioni da problematiche ad accettabili:

I-1. Limitare una definizione

Se la definizione convenzionale di qualcosa include concetti, dati o informazioni che sono in contrasto con il dogma del regime, limita la definizione in modo che non includa più le informazioni indesiderate. Ci sono molti modi per farlo. Quindi elencheremo alcuni dei tipi più comuni di caratteristiche che puoi usare per limitare efficacemente una definizione: Limita la definizione per intervallo di tempo: Supponiamo che le persone vaccinate contraggano la temuta malattia a tassi molto elevati nei primi 30 giorni successivi alla vaccinazione e dopo 90+ giorni dalla vaccinazione, con il Glorious Vaccine. Questo è un grosso problema, perché le persone penseranno che il Glorious Vaccine non sia efficace:

La linea rossa mostra il tasso di casi per milione di persone dopo essere state vaccinate con il Glorious Vaccine, in base al numero di giorni trascorsi dalla vaccinazione. Come puoi vedere, nei primi 30 giorni, il tasso di infezioni rivoluzionarie è molto alto, ma tra i giorni 30-90 il tasso di casi è praticamente 0, e dopo il giorno 90 il tasso di casi inizia a salire di nuovo.

In parole povere, quello che si vede nel grafico sopra è che il numero di casi per milione di persone è il seguente:

  1. Prima della vaccinazione: 500 casi di malattia temuta/milione di persone
  2. 10 giorni dopo la vaccinazione: 3,000 casi di malattia temuta/milione di persone
  3. 20 giorni dopo la vaccinazione: 1,700 casi di malattia temuta/milione di persone
  4. 30 giorni dopo la vaccinazione: 100 casi per milione di persone


Questa è un'efficacia molto ingloriosa per il Glorious Vaccine, qualcosa che non può essere tollerato. Una soluzione è semplicemente cambiare la definizione di "vaccinato" per indicare qualcuno che è tra i 30 e i 90 giorni dopo essere stato iniettato con il Glorious Vaccine, in altre parole, chiunque sia entro 30 giorni dalla vaccinazione, o dopo 90 giorni dalla vaccinazione, non è considerato "vaccinato":

Questa particolare tattica è stata sperimentata da quasi tutte le agenzie di sanità pubblica del mondo civilizzato, dove la definizione di "completamente vaccinato" per i vaccini Covid era limitata a "14 giorni dopo la seconda dose":

Limitare la definizione in base alla quantità, come il numero di esposizioni – ad esempio, se un gruppo di persone che ha ricevuto 1 dose o 5 dosi del trattamento miracoloso Mirafaucivir morisse (la prima dose uccide le persone particolarmente sensibili alla sua tossicità e 5 dosi sono troppo tossiche per quasi tutti), limitare la definizione di "trattato con MiraFaucivir" a 2-4 dosi:

Limitare una definizione aggiungendo condizioni assurde che sono quasi impossibili da soddisfare. Ad esempio, potresti provare a utilizzare le seguenti condizioni per limitare la definizione di "morte da vaccino" nel contesto di una campagna di vaccinazione di massa con il nuovo Glorious Vaccine:

È piuttosto difficile riuscire a ottenere un caso "confermato" di qualcuno morto a causa del Glorioso Vaccino in condizioni come queste.

(Per rendere questa definizione di esempio pienamente efficace, è necessario ricordare di ostacolare il più possibile le autopsie.)

I-2. Espandi una definizione

Al contrario, a volte potresti desiderare di più di qualcosa rispetto a quanto effettivamente c'è. Espandere le definizioni è un'ottima soluzione: basta invertire le istruzioni di cui sopra per limitare le definizioni.

Quindi, se si desidera che il numero dei decessi dovuti alla terribile malattia sia maggiore del numero delle persone effettivamente uccise dalla stessa, si può ampliare la definizione di "morte dovuta alla terribile malattia" a "qualsiasi decesso entro 30 giorni da un test positivo" e, come per magia, si ha tra le mani una pandemia su vasta scala.

Per illustrare questo, supponiamo che dopo 12 mesi di circolazione della Dreaded Disease, solo 7 persone ogni 100,000 infezioni siano state effettivamente uccise dalla Dreaded Disease, non esattamente spaventoso. Fai un piccolo scambio e allarghi la definizione di "morte da Dreaded Disease" a qualcosa di simile a ciò che ha tirato fuori il CDC: "qualsiasi decesso entro 30 giorni dal test positivo per la Dreaded Disease". Dal momento che ogni giorno muoiono molte persone, se le sottoponi a test di massa, inevitabilmente "scoprirai" un intero carico di persone morte che avevano la Dreaded Disease quando sono morte, anche se sono state uccise da qualcosa di completamente estraneo come il cancro o un incidente d'auto. Guarda che differenza fa:

Lo Stato di New York offre un classico esempio di come ampliare la definizione di "morte per malattia temuta" per creare l'apparenza di una pandemia apocalittica super-spaventosa e irripetibile, irripetibile nella storia: basta guardare la seguente splendida definizione aperta per una "probabile" morte da Covid:

NOTA DI ATTENZIONE: Devi sempre stare attento a NON dire MAI, MAI, MAI – MAI!!! – al pubblico in che modo lo stai manipolando, usando un linguaggio chiaro e conciso che possa capire. Il seguente errore non forzato del 2020 da parte della direttrice della sanità pubblica dell'Illinois, la dott.ssa Ngozi Ezike, è il tipo di cosa che ti fa ottenere un rapido biglietto di sola andata per il Gulag: in realtà ha detto quanto segue in una conferenza stampa pubblica (vedi il video incorporato di seguito):

"Quindi, la definizione di caso è molto semplicistica. Significa che al momento della morte, c'era una diagnosi positiva al Covid. Quindi significa che se eri in hospice e ti erano già state date alcune settimane di vita e poi ti è stato anche scoperto di avere il Covid, questo sarebbe stato conteggiato come un decesso per Covid. Significa che, tecnicamente, anche se sei morto per una chiara causa alternativa, ma hai avuto il Covid nello stesso momento, è comunque elencato come un decesso per Covid".

Stava facendo la cosa giusta, ovviamente, usando una definizione così meravigliosamente ampia per le morti da Covid, ma stupidamente e negligentemente ha lasciato che il gatto uscisse dal sacco perché il mondo intero lo vedesse. Questo è il tipo di errore imprudente che può demolire un'intera campagna di propaganda da un giorno all'altro. E anche il tipo di cosa che può essere la fine di una carriera (o peggio):

 I-3. Inventa una definizione completamente nuova

A volte non è semplicemente possibile nascondere la comprensione comune di qualcosa semplicemente giocando con la definizione ai margini. In quel caso, puoi fare il passo coraggioso di ridefinire una parola, un concetto o una categoria del tutto per adattarla alle tue esigenze di propaganda. Fai solo attenzione perché potrebbe essere un po' più difficile convincere le persone che la vecchia definizione è frutto della loro immaginazione.

Prendiamo il CDC (sì, citeremo spesso il CDC; dopotutto è la principale organizzazione di propaganda sanitaria al mondo), che ha cambiato la definizione di "vaccinazione" più volte nell'arco di 6 anni:

Sidebar: Il tweet di cui sopra offre una lezione sulla necessità di controllare i legislatori canaglia che potrebbero provare a dissentire o persino a smascherare i tuoi sforzi di propaganda. Non hai bisogno del mal di testa aggiuntivo di dover gestire prove evidenti del tuo tradimento linguistico trasmesse al pubblico dall'aula del Congresso o del Parlamento (o del mal di testa ancora più grande di essere bandito in Siberia come capro espiatorio per aver permesso che una cosa del genere accadesse).

A volte, potresti persino scoprire di essere intrappolato nel significato colloquiale ordinario delle parole, dove evidenziano qualcosa a cui non puoi permetterti che la gente presti attenzione. Se ciò dovesse accadere, sarai costretto a implementare un cambiamento fondamentale all'essenza stessa del linguaggio. Questa è una sorta di opzione nucleare per quando non puoi nascondere qualcosa in nessun altro modo, e non puoi nemmeno permetterti di non nasconderla. (Attenzione!! Un'impresa così audace comporta un notevole grado di difficoltà, poiché molte persone saranno inclini a resistere a una transizione linguistica così aperta e audace, simile a come molti luddisti non illuminati resistono ad accettare le transizioni di genere.).

Prendiamo ad esempio il termine “protesta pacifica”:

Naturalmente, "limitato" è un termine soggettivo i cui contorni precisi sono poco definiti, il che lascia ampio margine di discrezionalità nell'applicare la descrizione a quasi tutto, indipendentemente da quanto incoerente o inappropriata sia l'applicazione, come dimostra questo resoconto mediatico reale che non necessita di ulteriori descrizioni:

I-4. Combina le categorie

A volte, non è pratico o fattibile modellare i dati semplicemente cambiando le definizioni. Ma non preoccuparti: se non puoi cambiare la definizione, puoi invece cambiare il punto dati o la categoria stessa a cui le persone sono abituate a riferirsi con la parola o la frase. Le persone non sono in sintonia con le differenze sottili o sfumate nelle categorie o nei punti dati, e i media confondono comunque la maggior parte delle cose, rendendo questo un trucco facile e comodo. Ad esempio, puoi provare:

  • Combinazione di diverse fasce d'età:

Supponiamo che il Glorious Vaccine stia trasformando un gruppo di ragazzini in zombie. È un bel guaio per il regime. (Il che significa che dovresti riassegnare alcuni scienziati a lavorare in una stazione di ricerca sul clima in Antartide per il resto della loro carriera. Senza calzini.)

Innanzitutto, devi sempre riferirti a questa nuova condizione come "Trasformazione sicura ed efficace in zombi carnivoro". Il motivo della parte carnivora è semplice: "zombi mangiatore di carne" suona troppo spaventoso, e il semplice "zombi" fa pensare che gli zombi siano fondamentalmente morti, ovvero che i preziosi bambini siano morti, nessuna delle due è un'impressione che vuoi che la gente porti con sé. (Anche se è improbabile che il nostro esempio ipotetico si concretizzi nella pratica, il principio è rilevante e applicabile a qualsiasi situazione: bisogna sempre nominare qualcosa in un modo che trasmetta l'idea di ciò che si desidera che le persone traggano dalle sue impressioni.)

In secondo luogo, poiché il tasso di zombificazione nella fascia di età 12-17 è così alto che è ovvio a chiunque guardi i dati (grafico sotto), probabilmente dovrai occupartene. Quindi, invece di presentare i dati suddivisi per età, dove le persone noteranno immediatamente l'ondata di zombificazione infantile, presenta i dati come una fascia di età combinata che è abbastanza grande da nascondere o riciclare il segnale:

Ciò che stai facendo in sostanza è prendere il termine "tasso di zombificazione dopo il glorioso vaccino", che può essere utilizzato per riferirsi ai vari gruppi di età, e farlo riferire al tasso di tutti i gruppi di età combinati.

Ora nessuno noterà che i dati mostrano un chiaro rischio per i bambini di trasformarsi in zombie carnivori a causa del Glorioso Vaccino.

Oppure, al contrario, supponendo che i giovani non muoiano a causa della terribile malattia a tassi abbastanza alti da spaventare le mamme, puoi presentare dati sui decessi per la terribile malattia da una fascia di età combinata da 0 a 50 anni che fa sembrare che ci siano così tanti decessi da un gruppo che  inclusi i bambini:

  • Combinazione di diverse coorti demografiche:

Stessa idea delle fasce d'età; supponiamo che tu debba evitare che i cittadini capiscano che la temuta malattia è in realtà pericolosa solo per le persone gravemente obese, il che è negativo:

  • innanzitutto perché allora non avranno paura della temuta malattia
    • in secondo luogo perché le persone potrebbero iniziare a chiedersi se il grasso faccia bene alla salute, cosa che non si può permettere perché potrebbero iniziare a mettere in discussione la narrazione del regime riguardante la "positività del grasso" e poi chissà cos'altro in seguito.

Quindi dovresti semplicemente presentare i dati sui decessi dovuti alla temuta malattia utilizzando una categoria combinata che copra tutti i tipi di identità di peso:

  • Combinazione di diversi periodi di tempo

Supponiamo che tu noti che i decessi per la Dreaded Disease diminuiscono di mese in mese, il che può essere catastrofico per i piani del regime che richiedono alle persone di credere che la pandemia della Dreaded Disease sia in piena circolazione per altri mesi. Se le persone hanno l'idea che la Dreaded Disease stia volgendo al termine, beh, è ​​un sacco di opportunità persa per usare la crisi della Dreaded Disease come mezzo per effettuare una trasformazione sociale per consolidare e solidificare il potere del regime.

Quindi, invece di presentare i dati sui decessi per mese, combinare tutti e tre i mesi in una nuova categoria di “media mensile sui tre mesi” che maschererà la diminuzione da gennaio a marzo, illustrata di seguito:

  • Combinazione di diverse giurisdizioni geografiche

Supponiamo che ci sia uno stato canaglia all'interno del paese che sta creando problemi al regime che non segue le linee guida del regime per affrontare la terribile malattia, che chiameremo Death Santistan. Se mostrano risultati migliori o addirittura uguali al resto del paese dove sono buoni cittadini e seguono le linee guida del regime, sarebbe piuttosto negativo. Supponiamo inoltre che ci sia una città o una contea all'interno di questo cattivo stato che è una contea fedele al regime che segue tutte le linee guida del regime ma il cui tasso di mortalità è molto più alto del resto di Death Santistan. Il che è molto molto negativo. Soluzione? Puoi presentare dati dall'intero stato in modo che le persone non possano dire che la contea fedele che segue le linee guida del regime ha un tasso di mortalità 10 volte superiore al resto dello stato. C'è anche un vantaggio aggiuntivo: puoi indicare l'intero stato di Death Santistan come un fallimento perché la contea fedele al regime farà sembrare l'intero stato molto peggio!!

Unire tutte le città e le contee in uno stato sleale per nascondere i problemi tipici delle città fedeli al regime è una delle tattiche di propaganda utilizzate per cercare di nascondere informazioni poco lusinghiere, come i tassi di criminalità molto più elevati nelle città fedeli al regime rispetto alle città controllate dall'opposizione malvagia.

(SidebarGli alti tassi di criminalità sono ovviamente una cosa positiva, ma sono una scelta deliberata del regime in quanto sono utili al regime perché l'instabilità rende le persone più disposte ad accettare un governo tirannico come soluzione.)

Per illustrare meglio questo concetto, ecco un brillante esempio di gaslighting da parte di uno dei principali portavoce dei media del regime:

Guarda il sottotitolo nella casella cremisi: guarda come toccano abilmente il rosso stati per gli alti tassi di criminalità che si verificano in tutte le città blu all'interno degli stati rossi ma non nel resto dello stato dove il governo è "rosso"? Esatto.

  • Combinazione di diversi tipi di effetto o fenomeno. Ad esempio, se si verifica un aumento di uno specifico sottotipo di malattia, come un aumento allarmante di tumori rari a seguito del lancio del Glorioso Vaccino, che potrebbe far mettere in dubbio la narrazione ufficiale del regime secondo cui il Glorioso Vaccino è l'entità più sicura mai creata o scoperta nella storia universale, è possibile utilizzare la categoria generale di cancro, che è 1,000 volte più grande, per nascondere il segnale.

Un altro modo di pensare alla combinazione di categorie è che non si forniscono mai dati specifici per gruppi o sottoinsiemi diversi, cosa che è stata realizzata alla perfezione assoluta quando è arrivato il Covid. Considerate i seguenti risultati del sondaggio, che mostrano la quota di decessi per Covid per ogni fascia d'età affiancata alla percentuale di ogni fascia d'età che temeva di essere uccisa dal Covid. (Le barre blu mostrano la percentuale di ogni fascia d'età che temeva di essere uccisa dal Covid, le barre verdi mostrano la percentuale del numero totale di decessi per Covid che si sono verificati in ogni fascia d'età.)

Se le persone avessero capito qual era il loro rischio effettivo di morire, le barre blu avrebbero dovuto essere almeno vicine alle barre verdi. Quando le barre blu sono drammaticamente più alte, è il risultato di una propaganda brutalmente efficace che combina tutte le fasce d'età in una categoria senza mai differenziare:

Un successo davvero strepitoso!!

I-5. Categorie divise

A volte dovrai dividere una categoria invece di combinarla con un'altra. Basta invertire il framework esposto sopra per combinare le categorie.

Questa piccola ma efficace manovra è particolarmente utile quando si vuole ottenere un risultato al di sotto della soglia di significatività statistica.

Poiché la significatività statistica è un concetto piuttosto importante nei dati e nella scienza, è una buona idea spiegare come funziona.

La significatività statistica, così come utilizzata nel linguaggio accademico/scientifico medico convenzionale, significa sostanzialmente che la probabilità che qualcosa non sia dovuto al caso è inferiore al 5%.

If lanci una moneta 10 volte, le probabilità di ottenere 7 teste per caso sono dell'11.72% - NON statisticamente significative. Se lanci una moneta 100 volte, le probabilità di ottenere 70 teste per caso sono un minuscolo 0.0023% - MOLTO statisticamente significative (perché sono molto meno del 5%) - il che significa che non è ragionevolmente attribuibile al caso, piuttosto qualcosa di specifico (come un imbroglio) ha fatto sì che la moneta lanciasse il 70% per testa.

Perché? Per ottenere 7/10, tutto ciò di cui hai bisogno sono due lanci di moneta extra che vadano a tuo favore, ovvero una serie di successi. Piccole deviazioni come queste possono facilmente verificarsi casualmente. Tuttavia, per ottenere 70/100 sono necessari 20 lanci di moneta extra che vadano a tuo favore: le probabilità di ottenere *20* lanci di moneta extra su un totale di soli 100 per caso sono trascurabili. Quindi, se vediamo 70 teste su 100 lanci, possiamo presumere che ci sia una sorta di imbroglio in corso, perché è molto molto improbabile che ciò accada per caso.

Puoi usare questo a tuo vantaggio per dividere e conquistare un segnale statisticamente significativo: puoi dividere una categoria in cui c'è un segnale statisticamente significativo per qualcosa che va contro la dottrina del regime in categorie più piccole per suddividere il segnale da un "70/100" in un gruppo di "7/10" che individualmente non sono statisticamente significativi.

Quindi, se ad esempio c'è un segnale che ci sono più decessi ogni 100 abitanti all'anno dopo la meravigliosa e gloriosa campagna vaccinale, puoi pubblicare i dati sui decessi suddivisi per fascia d'età, dove nessuna fascia d'età mostrerà un aumento statisticamente significativo dei decessi (e puoi affermare che si tratta probabilmente di decessi in eccesso dovuti alla "malattia a lungo temuta" dovuta a complicazioni derivanti dall'aver contratto la temuta malattia):

Nota di attenzione: Questa particolare tattica dovrebbe idealmente essere combinata con qualcos'altro; altrimenti si potrebbe effettuare un'analisi inversa della ripartizione eseguendo un po' di semplice aritmetica per sommare insieme tutte le fasce d'età. Quindi assicuratevi di aggiungere altri trucchi per confondere le idee.

I-6. Ridistribuire/ridisegnare le categorie

Un'alternativa più finemente calibrata alla combinazione diretta delle categorie è quella di ridistribuirle, di ridisegnare le linee, per così dire. Questo può essere fatto usando qualsiasi caratteristica con cui le categorie sono differenziate.

Per illustrare, tornando al nostro esempio dello stato malvagio e sleale di Death Santistan, invece di combinare l'intero stato in un'unica statistica statale, puoi ridisegnare di nascosto i confini geografici delle contee all'interno dello stato ai fini dei dati sulla Dreaded Disease in questo modo: guarda cosa succede quando cambiamo i confini della contea con le linee verdi:

Nota: Ciò non significa che devi letteralmente ridisegnare le contee per scopi politici e di altro tipo, come i distretti elettorali; tutto ciò che stai facendo è usare confini diversi al solo scopo di statistiche sulla Dreaded Disease. (La popolazione, tuttavia, presumerà che tu intenda le contee effettivamente esistenti e quindi non si renderà conto che le hai raggirate. Si chiama propaganda per un motivo.)

I-7. Definizioni dei fluidi

Ci sono momenti in cui potresti avere la paradossale necessità di usare una definizione specifica per una cosa ma devi anche evitare quella definizione specifica per qualcos'altro. In questi casi, devi comportarti come un dizionario: i dizionari in genere hanno più definizioni distinte per una parola, puoi fare lo stesso.

Ad esempio, la parola "donna" è talvolta definita come "un essere umano adulto che possiede caratteristiche anatomiche e genetiche femminili", come quando si discute del diritto di scelta della donna; e talvolta è definita come "una persona che si identifica come donna", come nel contesto degli sport organizzati.

Sezione II – Cura dei dati

Ancora meglio che limitarsi a dare definizioni flessibili è evitare situazioni che richiedono fin dall'inizio di cambiare definizione.

Il modo migliore per prevenire tali problemi è quello di gestire i dati in modo da evitare di creare potenziali grattacapi, impiegando uno o più dei seguenti metodi collaudati per dirottare in modo corrotto la gestione, l'organizzazione e la presentazione dei dati.

II-1. Non diagnosticare o identificare qualcosa

Se un paziente si presenta sofferente di molteplici deficit neurologici dopo aver assunto il Glorious Vaccine e viene rispedito a casa con una prescrizione di Xanax per la sua "ansia", non verrà generata una diagnosi di deficit neurologico in nessun database. Nessuna diagnosi di una condizione che potrebbe essere stata causata dal Glorious Vaccine, o codice diagnostico in qualche grande database governativo o assicurativo, significa che dovrai impiegare un gioco di prestigio definitorio per nascondere l'esistenza di lesioni diagnosticate associate al Glorious Vaccine. Pertanto dovresti assicurarti che le persone responsabili della diagnosi o dell'identificazione di dati/osservazioni problematici o contraddittori rispetto al Glorious Vaccine perfettamente sicuro ed efficace eviteranno di farlo.

Vale la pena sottolineare qui che i pazienti vengono facilmente ingannati dai loro stessi medici dicendo che "è tutto nella loro testa", anche se sanno di avere gravi lesioni mediche che cambiano la loro vita e li lasciano disabili e completamente incapaci di svolgere le loro funzioni. che sperimentano quotidianamente.

Illustriamolo con il seguente scenario ipotetico:

I funzionari del regime vedono che nel governo controllato PROPAGANDA Database di sorveglianza della sicurezza istituito per monitorare la sicurezza del vaccino Glorious –

– c’è un segnale per la sindrome VAMP (Vacc Aassociato Metamorfologico Pcondizioni (henomena):

Un paziente si presenta nello studio del medico lamentando un esordio rapido e acuto di Sindrome di Renfield (sete di sangue), fotosensibilità estrema, pronunciata macrodonzia, e grave dermatite da contatto all'argento, tutto iniziato poche ore dopo la somministrazione del Glorious Vaccine. Questo è un caso evidente di effetto collaterale della sindrome VAMP: la presentazione del paziente soddisfa i criteri diagnostici per il vampirismo conclamato e la condizione è stata causata dal Glorious Vaccine (dal momento che il medico può tranquillamente escludere qualsiasi altra causa, più l'immediatezza dell'insorgenza dei sintomi VAMP dopo la somministrazione è un indicatore abbastanza evidente che il Glorious Vaccine ha causato i sintomi).

Anche se il paziente riesce a vedere che non sta bene, sente una tentazione irrefrenabile di mordere la tua vena giugulare pulsante, non sopporta di stare davanti a una finestra se le tapparelle non sono completamente chiuse, si è morso accidentalmente qualche pezzo di lingua con i suoi nuovi denti anteriori extra lunghi e affilati come rasoi e la sua pelle inizia a spellarsi se tocca i cimeli di famiglia in argento, e allora?? Puoi ancora dire al paziente: "Questo è nella tua testa" e mandarlo a casa con una prescrizione di Xanax (e forse una o due sacche di sangue 0-negativo se hai la sensazione che il paziente potrebbe non essere in grado di controllarsi ancora per molto e non vuoi che la tua giugulare gli fornisca il pranzo). E il paziente lo accetterà e tornerà a casa senza troppe difficoltà.

In questo modo si evita addirittura di dover generare un qualsiasi record diagnostico della sindrome VAMP, quindi non c'è nulla da visualizzare in nessun database.

Resteresti sorpreso di quanti dottori siano così obbedienti da convincersi che la donna pelosa con la coda cresciuta dal nulla un'ora dopo aver ricevuto il Glorioso Vaccino non ha nulla a che fare con il Glorioso Vaccino.

(Note:: Parlando seriamente, è importante trovare acronimi o nomi accattivanti per le cose che trasmettano l'impressione di come si desidera che le persone percepiscano la cosa, quindi non usare questo esempio nella vita reale, perché trasmette l'idea che non si prende sul serio la sorveglianza di sicurezza e rende le persone più propense a credere che si stia cercando di nascondere i veri problemi di sicurezza del Glorioso Vaccino.)

II-2. Sovradiagnosticare o sovraidentificare qualcosa

Al contrario, se hai bisogno di produrre più di qualcosa di quanto ce ne sia prontamente disponibile, semplicemente inverti il ​​punto 1. Ad esempio, se hai bisogno che le persone abbiano più paura della Malattia Temuta, puoi implementare un regime di test di massa per aumentare il numero di casi "confermati" della Malattia Temuta. Assicurati anche di usare test che restituiscano tassi molto alti di positivi, che siano veri o no.

Aumentando la sorveglianza o i test per qualcosa, puoi generare l'apparenza di un numero crescente di ciò per cui stai eseguendo il test, o almeno mantenere la facciata che esista ancora. Considera la seguente illustrazione dai buoni vecchi Stati Uniti d'America: puoi vedere nel grafico in alto che mentre il numero di test Covid giornalieri aumentava, allo stesso tempo la percentuale di test positivi crollava di oltre il 75% (grafico in basso). Ciò che è riuscito a fare è stato mantenere i numeri dei casi relativamente alti (grafico centrale), quindi anche se la percentuale di test positivi è scesa di oltre il 75%, il numero di nuovi casi è diminuito solo di circa il 25% durante lo stesso periodo di tempo.

L'aumento insignificante del numero grezzo di casi, dovuto interamente all'aumento dei test, ha comunque prodotto titoli come questo fantastico articolo di panico della NBC pubblicato l'11 giugno 2020:

Ricorda: trovi ciò che cerchi e trovi sempre di più ciò che cerchi.

II-3. Non segnalare ciò che è stato diagnosticato o identificato

A volte non è possibile evitare di diagnosticare o identificare qualcosa che è meglio lasciare non scoperto. In tal caso, puoi almeno assicurarti che ciò che è stato osservato non sia incluso nei report o nei dati ufficiali:

Fonte: https://www.nytimes.com/2022/02/20/health/Covid-cdc-data.html

A un livello più individualizzato, dovresti dare indicazioni ai dottori, al personale medico e amministrativo sul campo per NON diagnosticare cose che non vuoi che compaiano nei set di dati. Non esitare a usare incentivi finanziari per addolcire il piatto per i dottori fedeli e conformi al regime. Non essere tirchio qui: la prevenzione è quasi sempre più economica (e meno stressante) che risolvere i problemi dopo che si sono già verificati.

Anche nei rari casi in cui un medico non può evitare di diagnosticare a un paziente una patologia grave verificatasi subito dopo aver assunto il Glorious Vaccine, il medico può comunque evitare di segnalare l'evento avverso a qualsiasi database di lesioni da Glorious Vaccine.

In alternativa, se il database del regime per la documentazione dei danni causati dal Glorious Vaccine dovesse in qualche modo finire per contenere ancora troppi resoconti problematici che ne mettono in dubbio la sicurezza, ci sono due cose che bisogna fare.

Il primo è quello di abbandonare alcuni amministratori di database lungo il tratto di costa della Somalia dove si aggirano i pirati, in modo che il resto di loro si dia una mossa e smetta di far passare così tanti report. Li stai pagando per fare un lavoro, che è quello di mantenere la percezione pubblica che il Glorious Vaccine sia il farmaco più sicuro mai inventato; il fallimento non è accettabile.

La seconda è quella di NON divulgare pubblicamente i report problematici nel database. Il CDC ha provato il massimo, ma alla fine è stato sconfitto da un giudice canaglia (che sottolinea la necessità di avere controllo anche sulla magistratura):

II-4. Non consentire l'indagine sui fenomeni se i risultati potrebbero causare problemi

Il rovescio della medaglia di "Troverai ciò che cerchi" è che "Non troverai ciò che non cerchi", quindi assicurati che nessuno vada a cercare potenziali segnali di qualcosa che potrebbe essere problematico per la narrazione del regime. Se, ad esempio, il regime scatena "accidentalmente" una pestilenza in una città del terzo mondo, non puoi avere fastidiosi teorici della cospirazione sui social media che scoprono cosa è successo, quindi è meglio assicurarti che nessuno esegua autopsie o esamini individui malati.

Il CDC offre un altro esempio di un buon pensiero strategico preventivo per tenere fuori dati potenzialmente dannosi per il regime:

Il CDC, molto intelligentemente, non ha ancora commissionato una sola autopsia delle migliaia e migliaia di decessi segnalati nel database di monitoraggio della sicurezza dei vaccini VAERS del CDC stesso.Ricordate dalla Sezione I la parte sull'aggiunta di condizioni assurde alle definizioni? Se non ve la ricordate, è meglio che rivediate il materiale in modo da averlo a portata di mano.)

II-5. Pubblicare inizialmente solo una parte dei dati

Spesso, semplicemente pubblicando una parte dei dati e tralasciando l'altra parte per dopo, puoi creare una falsa narrazione che attecchisce. Quindi, quando finalmente pubblichi il resto dei dati, non importerà che contraddica la base di ciò che è ormai diventato un dogma accettato.

Ad esempio, se si vuole rappresentare la terribile malattia come più diffusa di quanto non sia in realtà, si potrebbe seguire l'esempio dei propagandisti all'avanguardia della Virginia e nascondere per un po' alcuni risultati negativi dei test, in modo da aumentare la percentuale di risultati positivi, il che fa sembrare che più persone siano malate della terribile malattia:

Fonte: 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/

Un altro scenario in cui puoi utilizzare la tecnica di pubblicazione parziale dei dati con grande efficacia è quando ti ritrovi costretto a rilasciare dati per qualsiasi motivo che faccia apparire il regime davvero pessimo (succede). Quindi vuoi ritardare il rilascio delle cose veramente dannose il più a lungo possibile: se aspetti abbastanza a lungo, alla fine cesseranno di essere rilevanti. Inoltre, se le scarichi tutte in una volta, il fattore shock sarà enorme e avrai un bel pasticcio tra le mani. Tuttavia, se pubblichi le informazioni goccia a goccia, allora quando vengono rilasciati i pezzi scandalosi, il fattore shock "wow" si è già esaurito da tempo e le persone non presteranno più molta attenzione. Questa tattica è stata tentata dalla FDA, sebbene sia stata per lo più sventata dal giudice canaglia (sottolineando la necessità critica del controllo giudiziario per impedire ai giudici ribelli di diventare canaglia contro il regime):

II-6. Limitare le fonti accettabili di dati o informazioni

Quando ci sono fonti che generano dati incoerenti con la narrazione del regime (succederà di tanto in tanto nonostante i tuoi sforzi), semplicemente screditale come propaganda o qualcos'altro di poco credibile e pericoloso, come i bot russi. (Come regola generale, puoi sempre dare la colpa o attribuire qualsiasi informazione scomoda alla "disinformazione russa" in caso di emergenza.)

La prova A di questa tattica sarebbe il database VAERS gestito dal CDC. Quando il VAERS ha mostrato numeri assolutamente folli di danni da vaccino causati dal vaccino Covid –

– l’intero apparato scientifico ha semplicemente etichettato il VAERS come una teoria del complotto utilizzata per diffondere una pericolosa disinformazione:

Se, tuttavia, questi dati provengono da set di dati di regime che sono troppo difficili da liquidare semplicemente come spazzatura non scientifica (sì, succede), allora smettila di pubblicarli e invece li screditano in quanto mal costruiti e pieni di errori fatali.

Possiamo usare l'UKHSA per illustrare questo principio. Dopo che l'efficacia grezza del vaccino è scesa in territorio negativo per quasi tutte le fasce d'età (come nel caso in cui le persone vaccinate erano a rischio PIÙ ALTO di contrarre il Covid rispetto alle persone non vaccinate), l'UKHSA ha semplicemente smesso di pubblicare i dati settimanali sull'efficacia del vaccino:

L'UKHSA offre anche un racconto ammonitore su ciò che accade quando si aspetta troppo a lungo per staccare la spina a set di dati problematici:

Non puoi avere titoli come questi che escono ogni settimana!! Avrebbero dovuto staccare la spina a questo set di dati waaaay prima che i vaccinati iniziassero a contrarre il Covid più dei non vaccinati. Questo è un errore non forzato, il tipo di errore idiota per cui rotolano le teste, letteralmente. Perché diavolo hanno aspettato che l'efficacia del *richiamo* per gli 80enni stesse per diventare negativa???? Qualcuno all'UKHSA non legge questo libro da un po', che chiaramente avrebbe beneficiato di un po' di revisione...

II-7. Utilizzare doppi standard quando si determina quali informazioni sono rigorose e credibili

Alcuni propagandisti potrebbero esitare a essere palesemente ipocriti, perché si sentono esposti postulando apertamente due standard inconciliabili che persino alcuni contadini comuni possono notare. Tuttavia, devi combattere questa pulsione. Comprendi che impiegare doppi standard aumenta esponenzialmente le tue opzioni quando si tratta di elaborare argomenti di discussione e posizioni per manipolare il pubblico.

Ciò è particolarmente vero quando si tratta di aneddoti. Gli aneddoti che supportano i punti di discussione del regime, in particolare quelli provenienti da fonti approvate dal regime, dovrebbero essere trattati come la più alta forma di prova; mentre gli aneddoti provenienti da fonti eretiche o non approvate che contraddicono la propaganda del regime devono essere denunciati come meramente aneddotici e privi di valore probatorio, che non contano nulla.

Quindi gli aneddoti di dottori obbedienti al regime e di cittadini leali sulla terribile malattia che uccide e mutila persone sono prove inconfutabili, ma gli aneddoti di ferite o morti a causa del glorioso vaccino non sono altro che coincidenze casuali, se non vere e proprie invenzioni, diffuse da vili ciarlatani per diffamare il regime e mettere in pericolo tutte le brave persone ovunque che vogliono solo rimanere vive e in salute:

L'uso aperto di doppi standard ha inoltre l'ulteriore vantaggio cruciale di far credere alla popolazione che il vero criterio per determinare se i dati o le informazioni sono affidabili è semplicemente ciò che dice il regime.

II-8. Corrompere i dati per proteggere o rafforzare la tua narrazione

A volte, la tattica più semplice per evitare dati problematici è semplicemente inventare dati falsi. Puoi fabbricare qualcosa dal nulla. Oppure puoi adottare un approccio più sfumato e corrompere i dati introducendo difetti o pregiudizi sottili che sono più difficili da notare per la persona media. Ci sono modi illimitati per fabbricare o falsificare dati, troppi per enumerarli qui. Fai solo attenzione a falsificare i dati in un modo che non sia facilmente scoperto o sottoposto a reverse engineering.

Ad esempio, tornando alla nostra precedente situazione ipotetica in cui è necessario che la popolazione creda che ci siano molti più casi di una Malattia Temuta di quanti ce ne siano in realtà, un altro modo in cui puoi rappresentare la Malattia Temuta come più diffusa è combinare il numero di persone attualmente malate con il numero di persone che sono già guarite. Il CDC ha effettivamente fatto esattamente questo quando ha combinato i test sugli anticorpi (che misurano il numero di persone che sono già guarite dal Covid) con i test PCR (che misurano il numero di persone attualmente malate) in un'unica metrica di "risultato positivo al test Covid", includendo subdolamente tutti coloro che sono già guariti come ATTUALMENTE malati:

Fonte: https://fox4kc.com/tracking-coronavirus/cdc-and-11-states-acknowledge-mixing-results-of-viral-and-antibody-tests/

Notate le frasi sottolineate sopra: sono piuttosto rivelatrici.

La frase sottolineata in verde – “Il metodo del CDC fa sembrare che gli Stati Uniti abbiano una capacità di test maggiore di quella che hanno in realtà” – osserva come il CDC sia riuscito brillantemente a ottenere più cookie di propaganda da questa singola manovra. Non solo hanno creato il miraggio di tassi molto più alti di persone infette attivamente; hanno anche creato il miraggio che il governo avesse una capacità molto maggiore di testare le persone per il virus di quanto non ne possedesse effettivamente. (È bene ostentare esempi di competenza governativa dato che la leggendaria reputazione del governo per la sua sbalorditiva incompetenza è una delle concezioni più notoriamente difficili da respingere che le persone hanno sul governo.) Un propagandista acuto cerca sempre di sfruttare angoli aggiuntivi per ottenere vantaggi invece di accontentarsi del fatto che la tattica di propaganda impiegata abbia raggiunto il suo obiettivo primario.

La frase sottolineata in rosso – “I numeri possono far sembrare che gli stati abbiano una capacità di test sufficiente e siano pronti a revocare le restrizioni, quando potrebbe non essere così” (e in realtà gli ultimi due paragrafi) – offrono una lezione saggia su come stroncare le potenziali spine sul nascere. Devi sempre – sempre!! – essere vigile per prevenire *qualsiasi* potenziale implicazione o spunti rapidi su informazioni che, sebbene siano generalmente a sostegno del regime, contengono anche qualcosa che può essere distorto per minare qualche altro aspetto della narrazione ufficiale del regime. In pratica, puoi avere la botte piena e la moglie ubriaca! Apprezza qui come lo scienziato del regime citato riesca abilmente a (1) esprimere contemporaneamente approvazione per l'aumentata capacità di test come misura della straordinaria competenza del regime; (2) attribuisce la colpa dell'”incidente” [intenzionale] al partito politico dissidente; e (3) avverte che, nonostante lo stato stia facendo un lavoro così straordinario nel rendere i test ampiamente disponibili, ciò non significa che sia sicuro riaprire! Ricordate, c'è una pandemia da mantenere, cosa che questo scienziato del regime fa con competenza. (Assicuratevi di ricompensare generosamente gli scienziati del regime per un lavoro eccezionale come questo. Ciò incentiverà il resto di loro a migliorare il loro gioco e fa bene al morale.)

Osserva anche che i media sono un alleato critico del regime senza il quale fallirai. Quindi fai ciò che devi fare per mantenere le relazioni intime: non iniziare a lesinare soldi qui.

II-9. Eliminare i dati problematici

Sì. Come le e-mail di Bleach Bit-ing Hillary. È bene ripulire i database di tanto in tanto dai dati incoerenti con le narrazioni o le posizioni del regime; altrimenti potrebbero accumularsi in una tendenza distinguibile che potrebbe essere notata dai dissidenti del regime o dai diffusori di disinformazione.

Quindi, se ad esempio il database sulla sicurezza del Glorious Vaccine contiene troppi report, è sufficiente cancellarli, come fa il CDC, come illustrato nel grafico seguente che mostra il numero di report VAERS problematici cancellati dal CDC ogni settimana:

Nota in questo caso che i lavoratori VAERS del CDC hanno avuto prestazioni inferiori per la maggior parte del tempo: non puoi permettere al personale critico di rallentare. L'intero grafico dovrebbe mostrare barre fino in cima: non c'è una ragione valida per cui non avrebbero potuto eliminare molti report VAERS ad agosto 2021 come hanno fatto ad aprile e maggio 2022. Se devi assumere personale extra per gestire l'eliminazione dei report, fallo.

Inoltre, perché questi scansafatiche hanno permesso che si accumulassero così tanti report in primo luogo? Non dovrebbero nemmeno esserci abbastanza report in un database del genere per cominciare, perché ci sarebbe poi bisogno di epurazioni di massa settimanali di tali report.

Forse la lezione più importante di tutto questo libro è questa: I noiosi, buffi e tediosi dettagli logistici che servono a diffondere e mantenere la propaganda sono altrettanto critici quanto una grande bugia o una spettacolare acrobazia linguistica.

Potrebbe essere necessario usare la creatività per trovare una giustificazione o una spiegazione se le persone si accorgono che mancano dei dati, quindi assicurati di avere preparato in anticipo degli spunti di discussione per ogni evenienza.

Un altro grande esempio di eliminazione subdola di dati in azione è la seguente brillante cancellazione intrapresa dal governo australiano per eliminare dati climatici scomodi che mostravano record di calore risalenti a troppi anni fa per essere attribuiti alle emissioni di carbonio umane:

Sfortunatamente, sono stati scoperti, il che a volte è inevitabile quando si cerca di cancellare qualcosa di veramente significativo e visibile. Ecco perché è fondamentale avere un sistema Gulag pronto e in attesa 24 ore su 24 per gestire un'improvvisa ondata di nuovi detenuti in un attimo (come i campi di quarantena australiani).

II-10. Crea dati falsi che sembrano smentire la tua stessa narrazione per ingannare e screditare l'opposizione

Quando ci si confronta con una minaccia informativa persistente che corrode i tuoi sforzi di propaganda, questa è una tattica brillantemente subdola per privarli della loro autorità, credibilità e influenza. Semplicemente, si pubblicano dati falsi che superficialmente sembrano smentire la narrazione del regime, ma che sono facilmente confutabili. I nemici vili dello Stato senza dubbio si appropriano di queste false informazioni o dati e, di conseguenza, saranno screditati quando dimostrerai che sono caduti nelle affermazioni ora palesemente ridicole.

Come quello che ha fatto l'esercito con il suo database interno di tutte le condizioni mediche per l'intero esercito chiamato DMED. L'hanno deliberatamente disseminato di dati falsi che sembravano un momento OMG!!!!!!!! totale che mostrava aumenti massicci e sacri in tutti i tipi di condizioni mediche come tumori, aborti e altri associati ai sacri vaccini Covid. Poi quando alcuni eroici dottori militari hanno trovato i dati DMED, ci sono cascati alla grande... il che ha ucciso l'intera storia. (Per una cronologia dettagliata e una spiegazione di questo, Vedi qui.)

II-11. Utilizzare immagini, meme o altri tipi di media per mentire con audacia e sfrontatezza

Gran parte della percezione pubblica della scienza o dei dati si riduce alla presentazione visiva della scienza o dei dati: un buon meme o un'immagine possono comunicare in modo efficace dati completamente falsi in un modo che lascia le persone convinte che i dati falsi siano assolutamente veri al 100%.

Ad esempio, se si vuole dimostrare che i tassi e la gravità della miocardite causati dalla temuta malattia sono drammaticamente peggiori dei tassi e della gravità della miocardite causati dal glorioso vaccino anche se è vero esattamente il contrariopotresti creare un'immagine potente come questa:

Ora, le persone assoceranno istintivamente la "terribile malattia della miocardite" a un'enorme apocalisse a forma di fungo atomico, mentre la miocardite causata dal Glorioso Vaccino sarà considerata una minuscola puntura di spillo che non si vede nemmeno sul grafico.

II-12. Creare visualizzazioni di dati che travisano i dati

A volte non puoi fare a meno di pubblicare dati che sono davvero, davvero pessimi (per il regime o per Science™️). Ma fortunatamente per te, la maggior parte delle persone (e degli accademici) sono idioti superficiali che sono troppo pigri per leggere le parole stampate accanto a un grafico o a una tabella. Quindi puoi rappresentare subdolamente i dati in uno schema di visualizzazione che distorce o nasconde ciò che i dati dicono.

Facciamo un esempio tratto dalla più grande delle riviste Science™️: la LancettaLancettaha pubblicato uno studio che stima il numero di decessi causati da freddo estremo e caldo estremo in tutto il mondo ogni anno. Poiché i governi di tutto il mondo vogliono mantenere la finzione del riscaldamento globale come pericolo mortale per l'umanità, avevano bisogno di dimostrare che i decessi causati dal caldo superavano quelli causati dal freddo. Come minimo, dovevano essere uguali. Quindi quando il Lancetta ha scoperto che le morti per freddo superavano quelle per caldo con un margine di 10 a 1 (letteralmente), hanno dovuto trovare un modo per creare un grafico che mascherasse quel piccolo fatto scomodo. Il risultato è stato il grafico qui sotto sul lato sinistro:

Le barre blu mostrano le morti per freddo, le barre rosse mostrano le morti per caldo. Più grande è la barra, più morti ci sono. Quindi hanno dovuto fare in modo che le barre rosse fossero grandi quanto le barre blu. Quindi hanno impiegato un piccolo trucco subdolo: se guardi i numeri sottolineati in viola che traducono la dimensione della barra in un numero specifico di morti, vedrai che per le barre blu (morti per freddo), ogni pollice di barra rappresenta 50 morti, ma per le barre rosse (morti per caldo), ogni pollice di barra rappresenta solo 10 morti. Quindi la stessa barra di dimensioni rappresenta 5 volte il numero di morti per morti per freddo rispetto a morti per caldo, anche se sembrano uguali. Ma le persone non ci fanno caso e diranno semplicemente "Oh, sembrano simili, quindi ci deve essere una proporzione più o meno uguale di morti per caldo e morti per freddo". (E hanno persino provato a infilare un intervallo gigante alla fine in cui l'ultimo pollice di barre rosse rappresenta 210 morti invece di solo 10 (freccia arancione).)

Se avessero creato un grafico onesto che utilizzasse la stessa scala sia per le morti da freddo che per quelle da caldo, sarebbe simile al grafico sulla destra. Il fatto è che, una rapida occhiata a quel grafico dà la netta impressione che il freddo estremo sia una minaccia molto più grande del caldo estremo, il che potrebbe portare ad alcune domande scomode sul fatto che forse un po' di riscaldamento globale sarebbe effettivamente benefico per l'umanità.

Note::Quando si usa questa tattica, bisogna cercare di essere più sottili e discreti rispetto al Lancet, dove era molto facile anche per un profano individuare il trucco.

Truccare la SCIENZA

"A tal fine, Lysenko iniziò a "educare" le colture sovietiche a germogliare in diversi periodi dell'anno, immergendole in acqua ghiacciata, tra le altre pratiche. Quindi affermò che le generazioni future di colture avrebbero ricordato questi segnali ambientali e, anche senza essere trattate, avrebbero ereditato i tratti benefici."1

Truccare la scienza non è una novità. Fortunatamente per il propagandista, la scienza è molto facile da manipolare a piacimento se sei il regime. Basta guardare i risultati di Trofim Lysenko quando aveva il sostegno del compagno Stalin. Le sezioni seguenti spiegheranno in dettaglio cosa devi fare per manipolare con successo la scienza per supportare la narrazione e gli obiettivi del regime.

Un esempio perfetto di un'impresa concertata ed efficace di manipolazione della scienza è la ben oliata macchina della propaganda di Big Pharma. Un gruppo di scienziati rinnegati ha cospirato insieme per articolare con precisione come Big Pharma controlla e manipola la scienza e i dati a suo piacimento:

Ovviamente il fatto che questo articolo è ancora accessibile al pubblico è un fallimento sbalorditivo dei censori del regime. In un paese con un governo funzionante, tutti gli autori di un attacco così audace al regime (e i censori che non sono riusciti a impedirne la pubblicazione e/o non l'hanno rimosso) sarebbero stati deportati al Polo Nord, ieri.

Sidebar:Questi autori descrivono con precisione come corrompiamo la scienza per adattarla all'agenda del regime. Articoli come questi, anche se ovviamente non possono essere divulgati pubblicamente, sono perfettamente accettabili da diffondere tra i propagandisti del regime per capire meglio come fare propaganda in modo efficace..

È anche importante notare che le aziende farmaceutiche, ovvero le "Big Pharma", di solito sono conformi al regime, ma se un'azienda farmaceutica diventa "meno" conforme, allora dovresti ovviamente perseguirla per la sua vile frode. Assicurati anche di multare le aziende farmaceutiche leali con cifre esorbitanti ogni pochi anni, in modo che la popolazione pensi che il regime abbia una relazione conflittuale con le Big Pharma e sarà quindi meno propensa a realizzare che il regime e le aziende farmaceutiche sono in combutta. Pochi miliardi non sono un granché per i loro bilanci.

Sezione III – Verifica dei dati considerati scienza ufficiale

Siate selettivi sui dati da includere nella scienza ufficiale. Le informazioni che hanno l'imprimatur di essere informazioni scientifiche hanno molto più peso e credibilità con la popolazione, persino con coloro che si rifiutano di seguire la narrazione del regime (nessuno vuole essere visto come "anti-scienza" - è quasi peggio che essere razzisti nella società moderna).

III-1. Non pubblicare studi problematici e, se vengono pubblicati, ritirarli

Il modo più sicuro per impedire alla ricerca scientifica ufficiale di smantellare una narrazione di regime è spogliarla della sua ufficialità. (Poi la nascondi dove nessuno può accedervi e affermi che, poiché è stata ritrattata, ciò dimostra che si è sempre trattato di scienza spazzatura fraudolenta e fasulla promossa da eretici anti-scienza corrotti che vogliono arricchirsi vendendo strane miscele vitaminiche.)

Tuttavia, bisogna fare attenzione ad agire tempestivamente, perché se si aspetta troppo, copie di scienza non approvata possono circolare in segreto tra non credenti o eretici contro il regime e assumere uno status quasi mitico. E una volta che uno studio si è radicato nell'esperienza delle persone come uno "studio reale", ritrattarlo fa solo pensare loro che si è disperati per nascondere la "verità".

Date un'occhiata a tutte queste gloriose ritrattazioni di studi che hanno danneggiato la narrazione del regime durante il Covid (questa è solo la prima pagina di 36):

Fonte: https://coronacentral.ai/retractions

Immaginate quanti (ulteriori) danni avrebbero potuto causare questi studi non autorizzati se fosse stato loro permesso di rimanere e non fossero stati ritirati!

Immaginate anche quanti altri studi non hanno mai visto la luce, dal momento che rappresentano solo una piccola frazione della ricerca eretica (o della Buona Scienza che ha accidentalmente trovato risultati eretici).

III-2. Selezionare quali parti di un set di dati rappresentano la “scienza ufficiale”

È sorprendente come si possa cambiare radicalmente la scienza semplicemente utilizzando porzioni selezionate di un set di dati che rafforzano la narrazione del regime, scartando (o meglio ancora, nascondendo) le parti del set di dati che non sono in linea con le posizioni del regime.

Ad esempio, supponiamo di vedere le due seguenti tendenze nel regime: PROPAGANDA database di monitoraggio della sicurezza per il Glorious Vaccine.

(Sfortunatamente, devi fingere di monitorare la sicurezza per placare i cittadini nervosi che si sentono nervosi per qualsiasi novità, e anche per avere una risposta pronta ai potenziali critici e ai divulgatori di disinformazione che cercheranno di accusare il regime di nascondere dati di sicurezza problematici. E devi fingere di prenderlo MOLTO seriamente.)

Ad ogni modo, supponiamo che ci siano 26,878 segnalazioni di trasformazioni sicure ed efficaci in zombie mangia-carne per milione di dosi di Glorioso Vaccino somministrate, ma solo 2 segnalazioni di persone vaccinate uccise da batteri mangia-carne subito dopo essere state vaccinate, come questa:

Non puoi proprio far uscire questo argomento nel dibattito pubblico, il che incoraggerebbe l'esitazione vaccinale e porterebbe le persone a dubitare della narrazione del regime in generale, anche su altre cose. Ma devi anche dimostrare che il database PROPAGANDA mostra che i tassi di potenziali danni da Glorious Vaccine sono trascurabili. (Assicurati di sottolineare ogni volta che fai riferimento al database sulla sicurezza che questi rapporti non confermano che il Glorious Vaccine sia stato la causa, ma solo una potenziale associazione.)

La soluzione qui è piuttosto semplice: usa solo i dati che mostrano che ci sono solo 2 segnalazioni di qualcuno infettato da terrificanti batteri carnivori a causa del Glorioso Vaccino ogni 100,000 dosi. Le 26,878 segnalazioni ogni 100,000 dosi di trasformazioni di zombi carnivori sicure ed efficaci, tuttavia, devono essere ignorate pubblicamente il più possibile e quando non puoi evitare di ignorarle, devi denunciarle come segnalazioni non verificate, non scientifiche e quindi prive di significato che sono quindi insignificanti. E assicurati di rimproverare i media per aver osato chiedertelo. (Idealmente dovresti cospirare con un fedele giornalista del Regime affinché sia ​​lui a chiedere informazioni al riguardo, in modo che possa essere sollevato in modo sprezzante come, "Alcune persone marginali stanno cercando di affermare che il Glorioso Vaccino sta causando decine di migliaia di ferite sensazionali, puoi spiegare come stanno distorcendo le segnalazioni nel database PROPAGANDA?")

Inoltre, non usare mai la parola "terrificante" nel contesto di una situazione in cui stai cercando di calmare le persone. Mai. Anche se ciò che stai descrivendo è oggettivamente terrificante. Quando descrivi qualcosa che è intrinsecamente spaventoso, usa invece parole grandi e accademiche che suonano come Science. Quindi "batteri che mangiano la carne" possono essere descritti come una "fascite necrotizzante", qualcosa di cui nessuno ha idea di cosa diavolo significhi (e la maggior parte delle persone è troppo pigra anche solo per cercarlo su Google per scoprirlo). Ha persino due "i" al suo interno, il che lo fa sembrare piuttosto impressionante in un modo intellettuale, come se fosse praticamente un privilegio essere uccisi da qualcosa di così sofisticato:

Non è poi così complicato: ci prenderai la mano in men che non si dica. (E se non ci riuscirai, probabilmente non sopravviverai ancora per molto.)

Note::Quando ci si trova in una situazione in cui un prodotto approvato o imposto dal regime è pericoloso – **cosa che capita spesso** – bisogna assicurarsi di non cadere nella trappola della propria propaganda; altrimenti si potrebbe finire per essere il prossimo Zombie sicuro ed efficace come questi quattro senatori degli Stati Uniti:

III-3. Ritardo nella segnalazione dei dati

Un modo più sottile per verificare quali dati sono inclusi nella scienza ufficiale è quello di riportare dati o informazioni in modo disonesto. Tempisticare strategicamente la segnalazione di diversi sottoinsiemi di dati è un modo semplice ma potentemente efficace per manipolare i dati scientifici. (Non preoccuparti di capire come funziona; sappi solo che funziona e assumi statistici competenti che possano capire come implementarlo al meglio.) Molti calcoli si basano sulla tempistica dei dati riportati e puoi quindi controllare cosa mostrano i dati rilasciando attentamente diverse porzioni dei dati al momento ottimale.

Per esempio, un ritardo di una settimana nella segnalazione dei decessi può cambiare radicalmente l'apparente efficacia o sicurezza di un intervento medico: letteralmente, ritardando la segnalazione dei decessi di una settimana, puoi far sembrare che qualcosa che non ha alcun effetto abbia un'efficacia del 95%. (Puoi seguire il link per maggiori dettagli, ma questa particolare tattica è un po' troppo complessa per una guida per idioti, e includere una descrizione approfondita qui potrebbe far sì che propagandisti altrimenti in erba con un futuro brillante davanti a loro si deprimano e dubitino delle proprie capacità se non riescono a seguire la spiegazione, il che può portarli a smettere, il che sarebbe una tragedia. Davvero.)

Sezione IV – Come truccare uno studio

Forse la competenza più importante necessaria per manipolare la scienza è la capacità di progettare e manipolare uno studio per ottenere i risultati desiderati.

[Nota: la manipolazione effettiva degli studi sarà sempre fatta da esperti che gestiscono studi per vivere (chiamati PI, o Principal Investigators). Quindi non è necessario essere esperti in queste cose. Ma è comunque utile avere una conoscenza abbastanza decente delle basi.]

Gli studi, in particolare quelli grandi e fantasiosi che sono tipicamente considerati il ​​"gold standard" della scienza™️, sono bestie enormemente complesse che possono essere manipolate in innumerevoli modi. Spiegheremo i tipi più evidenti e diretti di inganni, manipolazioni e difetti di progettazione che possono essere sfruttati per trasformare lo studio in una marionetta nelle tue mani da manipolare a piacimento.

[Nota: – ci sono molte gradazioni di sofisticatezza nell'implementazione di una qualsiasi delle seguenti manipolazioni. Ci limiteremo a spiegare e illustrare i concetti di base utilizzando l'applicazione semplice e diretta dei principi, senza aggiungere alcun ornamento o fronzolo. L'obiettivo qui è che tu comprenda i vari tipi e modi di manipolare i dati. Puoi istruirti sulle metodologie più avanzate in seguito (cosa che è ovviamente altamente incoraggiata e raccomandata).

IV-1. Tattica di manipolazione dello studio n. 1: manipolare la progettazione dei protocolli di studio

La maggior parte del materiale pertinente a questa sezione è pertinente anche alla sezione successiva che tratta del sabotaggio dell'implementazione dei protocolli di studio, quindi qui affronteremo solo le tattiche specifiche per manipolare la progettazione dei protocolli stessi.

I protocolli di studio sono fondamentalmente come un regolamento che detta come verrà condotto lo studio. Quindi assicurati di scrivere regole che favoriscano il risultato che devi ottenere.

A) Impilare il mazzo: assegnare strategicamente i soggetti dello studio ai rispettivi gruppi di studio e di controllo

Quasi tutti i grandi studi speciali hanno due gruppi: il gruppo di studio e il gruppo di controllo. In uno studio per un nuovo medicinale, il gruppo di studio riceve il medicinale e il gruppo di controllo no. In teoria, se il medicinale funziona, allora dovrebbero esserci più persone malate nel gruppo di controllo che nel gruppo di studio.

Quindi, se si sta conducendo uno studio per testare un nuovo regime di farmaci Wunder, si potrebbe sfruttare questa situazione inserendo più persone malate nel gruppo di controllo rispetto al gruppo di studio, in modo che il gruppo di studio ottenga risultati migliori anche se il regime farmacologico non funziona. (Naturalmente, non si dovrebbe ammettere di aver fatto questo o altri simili espedienti tattici nella documentazione dello studio.)

B) Esaminare attentamente i soggetti da includere nello studio

Molti grattacapi possono essere evitati semplicemente tenendo fuori le persone che potrebbero in qualche modo compromettere i risultati.

Ad esempio, se stai testando un nuovo farmaco che vuoi dimostrare essere sicuro ed efficace, tieni fuori le persone che sono particolarmente inclini a soffrire di brutte reazioni o inefficacia. Hai capito l'idea. (Come se non avessero incluso nessuna vecchia persona con comorbilità nei test del vaccino Covid, il che avrebbe smascherato la bufala del "99% di efficacia").

IV-2. Tattica di manipolazione dello studio n. 2: sabotare l'esecuzione dei protocolli di studio

Spesso non sarai in grado di manipolare direttamente i protocolli di studio per produrre i risultati desiderati. In questi casi, devi sabotare l'implementazione o l'aderenza ai protocolli di studio ufficiali. È piuttosto facile da fare e ci sono letteralmente infiniti modi per riuscirci.

Nota: È prudente pianificare la logistica in anticipo, per evitare una serie di problemi e situazioni stressanti che possono presentarsi in un grande studio che coinvolge migliaia di soggetti e personale. Ad esempio, se si desidera "dimostrare" che un farmaco particolarmente fastidioso è in realtà letale, si dovrebbero avere a portata di mano dei sacchi per cadaveri per rimuovere rapidamente i corpi dai luoghi pubblici e un impianto di cremazione disponibile 24 ore su 7, XNUMX giorni su XNUMX, per distruggere qualsiasi prova forense o patologica indesiderata che i cadaveri potrebbero contenere.)

Protocollo Sabotaggio n. 1: Somministrazione del trattamento/intervento in studio [al gruppo di studio]

Le persone pensano che somministrare un farmaco ai soggetti dello studio sia semplice e diretto. Si sbagliano. Sbagliati di grosso. Spesso è possibile controllare l'intero studio modificando in modo sottile il modo in cui il trattamento viene somministrato ai soggetti dello studio, tra cui:

  • Dosaggio/Quantità di intervento – Puoi sottodosare o sovradosare un farmaco a seconda di cosa vuoi ottenere. Se vuoi che il farmaco sembri inefficace, il sottodosaggio garantirà che non funzionerà. Se vuoi dimostrare che il farmaco è pericoloso, aumenta semplicemente la dose a livelli altamente tossici.
  • Tempistica della somministrazione del trattamento – Un altro modo per sabotare un farmaco è somministrarlo ai pazienti troppo presto o troppo tardi per essere efficace. Ci sono molti modi diversi per riuscirci. Ad esempio, puoi inviare il farmaco ai pazienti tramite posta, il che aggiungerà inevitabilmente qualche giorno alla tabella di marcia (speciale di David Boulware Ivermectin).
  • Qualità del prodotto – ovvero purezza/potenza – Un prodotto contaminato o mal fabbricato non funzionerà allo stesso modo di un prodotto puro realizzato con ingredienti di alta qualità e con assoluta fedeltà alle pratiche di produzione ideali.

(Nota: Dovresti SEMPRE condurre studi preclinici off-the-record su animali e umani per capire come funzioneranno diverse versioni del farmaco o dell'intervento PRIMA di distribuire versioni contaminate in uno studio (oltre agli studi preclinici ufficiali sulla normale formulazione del farmaco); altrimenti corri il rischio di sabotare accidentalmente i tuoi stessi tentativi di sabotaggio. Ricorda, lo scopo di condurre lo studio è mostrare un risultato prestabilito, non scoprire nuove intuizioni scientifiche! L'incertezza o l'imprevedibilità su cosa farà il farmaco o l'intervento che stai studiando nella vita reale è la kryptonite per la manipolazione di uno studio di successo. O come minimo ti darà delle brutte emicranie mentre ti sforzi di navigare nel labirinto di pericoli e dati scomodi dal tuo studio ora estremamente disordinato.)

  • Utilizzare soluzione salina o placebo al posto dell'intervento – Un altro modo per ridurre al minimo i rischi dell'intervento scelto dal regime è somministrare un placebo al posto del trattamento, in modo che ci sia una minore esposizione alla tossicità dell'intervento. Ovviamente, devi anche assicurarti che l'uso di soluzione salina non abbia l'effetto collaterale indesiderato di mostrare che il tuo farmaco non funziona, quindi questa tattica è in genere utilizzata insieme ad altre manipolazioni del protocollo o infedeltà.
  • Mescolare e abbinare – Puoi sempre mescolare e abbinare all'interno di uno qualsiasi di questi suggerimenti. Ad esempio, puoi dare alcuni dei soggetti del trattamento un prodotto diverso. Puoi anche impiegare più di uno di questi suggerimenti in combinazione in modo da coprire diverse porzioni del gruppo di studio con suggerimenti diversi, il che può rendere più difficile per gli estranei scoprire le violazioni del protocollo.

Protocollo Sabotaggio #2: Somministrazione del placebo [al gruppo di studio]

Questo è essenzialmente il rovescio della medaglia della sezione precedente. Ci sono alcune tattiche specifiche che sono un po' uniche se applicate al placebo:

  • Somministrare l'intervento al gruppo di controllo/placebo – Un modo per garantire che uno studio non mostri alcuna efficacia per un trattamento è quello di somministrare il trattamento anche al gruppo di controllo. Se entrambi i gruppi ricevono il trattamento, non ci sarà alcuna differenza tra loro che dimostri che il gruppo di trattamento ha avuto risultati migliori grazie al trattamento.
    Il metodo più semplice ma più rischioso per farlo è far sì che il personale dello studio somministri direttamente il farmaco al gruppo di controllo spacciandolo per placebo. (Questo è abbastanza semplice, perché il placebo dovrebbe avere aspetto, consistenza, sapore e odore identici al trattamento per evitare che i soggetti del gruppo di controllo capiscano di non aver ricevuto il farmaco.)

Il metodo più difficile ma meno rischioso è quello di spingere i soggetti del gruppo di controllo a ottenere il trattamento al di fuori dello studio. Ad esempio, puoi usare un placebo che è notevolmente diverso dal farmaco. Dal momento che i soggetti dello studio possono facilmente scoprire tramite Google che questo non è l'aspetto, l'odore o il sapore che il farmaco dovrebbe avere, si sforzeranno di procurarsi il farmaco vero e proprio a parte, poiché non vogliono morire o soffrire di complicazioni debilitanti da qualsiasi malattia o condizione per cui il farmaco viene usato per curare.

In alternativa, è possibile scegliere di condurre lo studio in un luogo in cui la popolazione è già ampiamente esposta al trattamento studiato, in modo che il gruppo di soggetti sia completamente contaminato da persone che già utilizzano il farmaco o che almeno ne hanno una scorta a disposizione.

(Basta tenere presente che questa tattica rischia di essere notata da fastidiosi eretici dissidenti anti-scienza, poiché sarà di pubblico dominio che c'era una diffusa consapevolezza e/o un uso diffuso del farmaco nel luogo in cui è stato condotto lo studio.)

  • Aggiungere il placebo – Se non si desidera un placebo inerte, è possibile aggiungervi qualcosa di un po' più "vivo" che può provocare effetti collaterali e/o un effetto terapeutico.

Un metodo specifico è quello di usare componenti del trattamento per aggiungere un placebo. Questo può essere particolarmente utile per nascondere effetti collaterali problematici di un trattamento che sono causati da altri ingredienti o componenti oltre al principio attivo del trattamento: se li metti nel placebo, entrambi i gruppi avranno effetti collaterali simili.

(Note:: Tieni presente che se gli effetti collaterali sono troppo pronunciati, la semplice aggiunta dei componenti tossici del trattamento al placebo potrebbe sollevare dubbi se le persone notano che i tassi di effetti collaterali specifici sono molto più elevati nel gruppo di controllo dello studio rispetto alla popolazione generale.)

Sabotaggio del protocollo n. 3: incentivare i soggetti dello studio a modificare il loro comportamento

Il comportamento dei soggetti dello studio è spesso una considerazione critica quando si progettano protocolli e si conduce uno studio. Usalo a tuo vantaggio.

Esistono 3 tipi fondamentali di incentivi:

  • Incentivi finanziari – Uno dei modi più sicuri per incentivare un comportamento è premiarlo finanziariamente:
    • Puoi gestire un sistema di corruzione all'interno dello studio. Ad esempio, se lo studio sta ottenendo risultati chiedendo ai soggetti di segnalare informazioni, come gli effetti collaterali che hanno sperimentato dopo aver ricevuto il Glorious Intervention, puoi pagare i soggetti per non segnalare gli effetti collaterali. Tuttavia, dovrai anche far rispettare la segretezza e assicurarti che nessuno lo scopra, il che può essere complicato.
    • In alternativa, puoi manipolare o trarre vantaggio dall'ambiente in cui si svolge lo studio per fungere da intermediario o mediatore per distribuire i vantaggi finanziari. Ad esempio, se stai testando l'efficacia di un potenziale intervento per bloccare la trasmissione della Dreaded Disease, puoi condurre lo studio in un luogo in cui le persone possono andare a lavorare solo se non sono infette dalla Dreaded Disease, sfruttando questo incentivo incorporato a non segnalare i test positivi che le persone hanno (vogliono il loro stipendio completo).
  • Pressione sociale – Il secondo tipo di incentivo è la pressione sociale. Questa può provenire da pari, forze politiche, gruppi sociali, soci professionisti, istituzioni, celebrità o qualsiasi altra fonte di influenza nella società. Il punto è che puoi usare una qualsiasi o tutte queste cose a tuo vantaggio. 
    Ad esempio, supponiamo che tu stia conducendo uno studio per testare l'efficacia del Wondrous Cloth Shield che ferma la diffusione della Dreaded Disease. Quindi dai ad alcuni villaggi in un paese del terzo mondo il Wondrous Cloth Shield e crei un gruppo di controllo di villaggi che non ricevono il Wondrous Cloth Shield. Puoi fare una dimostrazione di quanto siano fantastici questi dispositivi di fronte agli abitanti del villaggio che li ricevono. Puoi anche far proclamare agli anziani del villaggio che il Wondrous Cloth Shield è un dono del cielo, il che rende un punto di virtù morale indossarne uno e, cosa ancora più importante, rende indossarne uno ma essere infettati dalla Dreaded Disease un segno di fallimento religioso. Il che li rende molto meno propensi a segnalare casi della Dreaded Disease, soprattutto rispetto ai villaggi a cui non sono stati dati i Wondrous Cloth Shield. Il che fa sembrare che il Wondrous Cloth Shield funzioni per ridurre la trasmissione della Dreaded Disease.
  • Sanzioni dure – Puoi minacciare ogni sorta di conseguenze terribili se i soggetti dello studio non fanno esattamente ciò che vuoi. Ciò è particolarmente facile da implementare nei paesi del terzo mondo dove c'è poca o nessuna norma di legge e la corruzione è la regola. Potrebbe essere utile fare un esempio di qualcuno in anticipo per dimostrare che fai sul serio, ad esempio, puoi scegliere qualcuno a caso da spedire in una prigione in Sudan, da cui è improbabile che torni vivo.

Sabotaggio del protocollo n. 4: assumere persone incompetenti per gestire lo studio

Gli studi, in particolare quelli che eseguono una sorta di esperimento (in contrapposizione alla semplice analisi di set di dati preesistenti), in genere richiedono personale numeroso per essere condotti. Assumere personale incompetente è un ottimo modo per darsi un po' di margine di manovra per "manipolare" i dati scomodi che emergono dallo studio: "questi dati sono errati perché il personale li ha rovinati". Quindi, ovviamente, devi "correggere" gli "errori".

Ma cosa ancora più importante, è meno probabile che il personale incompetente si accorga che stai truccando lo studio, perché non ha le conoscenze o l'esperienza necessarie per gestire uno studio legittimo.

Sabotaggio del protocollo n. 5: rimuovere dallo studio tutti i soggetti o gli eventi problematici

Questo è un ovvio "Duh". Se alcuni soggetti nella sperimentazione di fase 3 per il Glorious Vaccine subiscono gravi lesioni subito dopo essere stati iniettati con il Glorious Vaccine, beh, non puoi permettere che rovinino la narrazione "sicura ed efficace". Ma per fortuna, la soluzione è semplice: rimuoverli dallo studio.

Questo non sembrerà nemmeno sospetto a un osservatore esterno! Ogni studio ha delle regole scritte nei protocolli che ti permettono di espellere i soggetti che violano i protocolli dello studio o che desiderano andarsene per "ragioni personali". (Pensa a ogni volta che un politico dice che si dimette per "passare più tempo con la sua famiglia" - stessa idea.) Ma la maggior parte degli accademici ci casca e ci casca ogni volta.

Se sei davvero intelligente nel progettare i protocolli in primo luogo, aggiungerai una condizione che proibisce ai soggetti di cercare assistenza medica da qualsiasi medico al di fuori dello studio. Quindi se un soggetto soffre di un effetto collaterale spiacevole, come un po' di miocardite sicura ed efficace o una lieve paralisi di Bell che lo lascia un po' paralizzato, andrà dritto al pronto soccorso più vicino... il che è una chiara violazione dei protocolli dello studio!! Bye-bye problema.

Se volete vedere un vero maestro del mondo, non cercate oltre il tizio responsabile della sperimentazione di fase 3 Kiddie della Pfizer per il loro vaccino: quando uno dei soggetti della sperimentazione di nome Maddie de Garay ha subito molteplici lesioni neurologiche piuttosto gravi 24 ore dopo aver ricevuto il vaccino (il tipo che comporta l'uso permanente di sondini per l'alimentazione e sedie a rotelle tra gli altri "aggiustamenti" dello stile di vita), l'hanno semplicemente espulsa dallo studio. E poi hanno scritto che la sua lesione era "dolore addominale irrisolto". Hanno anche espulso un altro tizio dalla sperimentazione principale, un avvocato di nome Augusto Rioux, dopo che aveva avuto una lieve pericardite sicura ed efficace dopo la dose n. 1.

Lo stesso vale per AstraZeneca: Brianne Dressen è stata buttata fuori dopo la dose n. 1, ma hanno riferito che si è ritirata per motivi personali. Vedete? Facile facile.

Sabotaggio del protocollo n. 6: registrare dati falsi

Quando tutto il resto fallisce, puoi semplicemente registrare i dati per lo studio che sono completamente sbagliati e inventati dal nulla. Il contraente dello studio Pfizer Ventavia ci mostra la strada in questo caso: gli screenshot seguenti sono l'e-mail effettiva inviata da Brooke Jackson, uno dei Site Manager di Ventavia, che ha deciso di tentare di indebolire il regime esponendo la frode in corso:

In una risposta insolitamente rapida ed efficace, la signora Jackson è stata licenziata meno di sei - 6 - ore dopo aver inviato questa e-mail alla FDA. SEI ORE!! È così che dovrebbero andare le cose.

Inoltre, quando ha fatto causa alla corte federale nel tentativo di far fallire l'intero processo del vaccino Pfizer, il regime è riuscito a bloccarlo per quasi due anni interi usando una serie di ingegnose tattiche legali. (Tuttavia, va notato che chiunque fosse responsabile delle assunzioni ha fatto un gran pasticcio; bisogna fare controlli approfonditi dei precedenti per assicurarsi che i potenziali candidati non abbiano forti convinzioni morali.)

Sfortunatamente, la FDA non controlla le riviste mediche straniere, una delle quali ha deciso di pubblicare (sorprendentemente) un articolo che documentava la frode del processo Pfizer. Un vero fiasco. Ecco perché è fondamentale istituire un organo di governo unitario per il mondo intero.

Fonte: https://www.bmj.com/content/375/bmj.n2635

IV-3. Opzione di rigging dello studio n. 3: analisi dello studio

Una volta terminato lo studio in sé, è il momento di elaborare i numeri dello studio. Qualsiasi dato problematico che in qualche modo è passato attraverso tutti i tuoi progetti di protocollo e sabotaggi verrà ripulito qui. Pensa a questo come se dessi a un'auto usata e ammaccata una nuova mano di vernice per nascondere tutti i danni sottostanti: non stai cambiando nulla di sostanziale, stai solo mascherando delle cose (per la maggior parte). Nessuno vuole graffiare la nuova vernice fresca per assicurarsi che non nasconda qualcosa.

Ci sono mooooolti modi di "analizzare" i dati. Il trucco è essere intelligenti su quali scegliere e su come procedere per l'analisi.

Tattica di analisi n. 1: non modificare i dati

Gli aggiustamenti dei dati sono roba abbastanza standard nella scienza. I dati grezzi non sono quasi mai adatti per trarre inferenze dirette o estrapolare, perché di solito sono presenti tutti i tipi di variabili confondenti.

Ecco un esempio molto semplice di aggiustamento dei dati:

Di seguito è riportata la popolazione degli stati di Darth Santistan (cattivo stato) e del Paradiso Spettrale di Genere di Commiefornia (buono stato):

Ecco i tassi di mortalità per la Dreaded Disease per questi stati: nel complesso, lo stato cattivo ha più decessi dello stato buono. Poiché hanno la stessa popolazione, ciò significa che il tasso di mortalità è più alto nello stato BAD, BAD di Darth Santistan:

MA... (sì, c'è un grande "ma" qui)

Se consideriamo separatamente i tassi di mortalità della popolazione anziana e di quella non anziana, sorprendentemente lo stato buono ha un tasso di mortalità più alto in ENTRAMBI (?!?!?!?!?):

Due osservazioni importanti qui:

  1. Il motivo per cui lo stato sleale di Death Santistan ha un tasso complessivo più alto nonostante i tassi di mortalità più bassi in ogni fascia d'età è molto semplice in realtà: gli anziani muoiono molto più spesso dei non anziani, ma lo stato cattivo ha la sfortuna di avere 2.5 volte più anziani dello stato buono, il che significa molti più decessi in generale a causa del gran numero di anziani nel cattivo stato di Death Santistan:

Affinché lo stato cattivo abbia lo stesso numero di decessi di anziani dello stato buono, dovrebbe avere letteralmente il 40% del tasso di mortalità degli anziani dello stato buono, perché lo stato buono ha solo il 40% di anziani nella sua popolazione rispetto allo stato cattivo. Ecco perché (quando vogliamo essere onesti, come quando la verità aiuta il regime) la scienza aggiusta i dati, per evitare cose come questa. (Questo particolare fenomeno statistico ha in realtà un nome ufficiale: "Il paradosso di Simpson").

Pertanto, NON modificare i dati quando ciò potrebbe danneggiare la narrazione del regime.

Tattica di analisi n. 2: adattare i dati in modo ingannevole o inappropriato

Al contrario, a volte i dati grezzi, o i dati opportunamente modificati, non saranno buoni per la tua narrazione. In questi casi, devi continuare ad apportare modifiche in modo creativo finché non hai oscurato con successo i risultati eretici in modo che nessuno possa vederli o capirli.

Ad esempio, se prendiamo il nostro confronto ipotetico di cui sopra degli stati fittizi del Paradiso spettrale di genere di Commiefornia/Santistan della morte, puoi aggiungere un "aggiustamento" per "risolvere" il problema. Tutto ciò che devi fare è trovare una caratteristica che sia un proxy per risultati peggiori nello Stato cattivo del Santistan della morte rispetto allo stato buono del Paradiso spettrale di genere di Commiefornia. Poiché il Santistan della morte ha deciso di non seguire i lockdown salvavita del regime, gli anziani nel Santistan della morte tendevano a lasciare le loro case più di altri stati, anche solo per camminare intorno all'isolato per prendere aria fresca, il che significa che gli anziani che non uscivano di casa probabilmente erano più spesso troppo malati per uscire di casa. Tali anziani malati hanno anche maggiori probabilità di essere quelli che muoiono per la terribile malattia.

Ecco come potrebbe andare a finire:

Grafico n. 1 – popolazione di anziani in ogni stato (colonne di sinistra = anziani che uscivano almeno una volta alla settimana; al centro = anziani che non uscivano; a destra = numero totale di anziani in ogni stato)

Grafico n. 2 – numero di decessi in ciascuna delle tre categorie nel grafico n. 1:

Questo risolve completamente i nostri dati problematici (potrebbe addirittura risolverli troppo bene!!) – osserva come stiamo cambiando il tasso di mortalità tra gli anziani:

Tutto quello che devi fare ora è riferirti al tasso di mortalità degli anziani indoor come "tasso di mortalità degli anziani aggiustato per la popolazione".

Inoltre, potresti comunque fare riferimento alle morti degli anziani in casa di tanto in tanto perché è molto più facile fare propaganda con un argomento di discussione come "gli anziani sono maggiormente a rischio perché immobili avevano quasi TRE volte più probabilità di morire in CATTIVO stato rispetto a quello in BUONO stato." Le persone associano naturalmente gli anziani all'essere bloccati in casa, quindi è improbabile che si rendano conto che gli "anziani chiusi in casa" sono in realtà una percentuale così piccola della nostra ipotetica popolazione anziana di Death Santistan.

Tattica di analisi n. 3: scegliere gli endpoint ottimali

Gli endpoint sono una cosa importante. Ufficialmente, l'endpoint primario di uno studio è/sono il risultato centrale che determina se lo studio è considerato un successo o un fallimento. Un endpoint è fondamentalmente una cosa o una metrica che stai usando per valutare il successo/fallimento o l'impatto di qualsiasi cosa tu stia studiando. Ad esempio, se stai testando un nuovo farmaco per vedere se impedisce alla Dreaded Disease di ucciderti, l'endpoint sarebbe la mortalità per Dreaded Disease. Se il gruppo di trattamento ha avuto meno morti per Dreaded Disease rispetto al gruppo di controllo, allora il trattamento funziona, ma se non lo ha fatto, beh, significa che non hai truccato abbastanza bene lo studio. (È un po' troppo semplificato, ma hai capito l'idea di base.)

Quindi bisogna assicurarsi di scegliere con attenzione quando si scelgono gli endpoint.

Pertanto, in genere dovresti scegliere endpoint che presentino il maggior numero possibile delle seguenti caratteristiche:

  • Dipende dal giudizio soggettivo piuttosto che dall'osservazione oggettiva
  • Naturalmente orientato ai tuoi risultati preferiti
  • Facile manipolare il risultato
  • Facile mentire sul risultato
  • Difficile per le persone capire se hai falsificato o manipolato il risultato
  • Difficile da afferrare/comprendere, soprattutto per i profani

Ad esempio, supponiamo che tu stia conducendo una sperimentazione allo scopo di sabotare un trattamento alternativo che in realtà funziona sulla Malattia Temuta (il che sarebbe molto negativo se il regime volesse che una crisi pandemica si perpetuasse ancora per un po'). Devi dimostrare che non funziona. Se scegli la "morte" come endpoint, potresti finire in grossi guai quando il farmaco salva un sacco di persone nel gruppo di trattamento.

Invece di morte, potresti scegliere qualcosa come "tempo di dimissione dall'ospedale". Questo endpoint soddisfa tutte e sei le condizioni (in una certa misura):

  • La dimissione dei pazienti è una decisione soggettiva dei medici (che dovrebbero essere stipendiati dallo studio), quindi non si è costretti a dimettere pazienti che soddisfano uno standard oggettivo per la dimissione.
  • La dimissione è influenzata dai risultati preferiti: poiché una percentuale maggiore del gruppo di controllo morirà, ciò significa che una percentuale maggiore di casi gravi non vengono mai dimessi, quindi non aumenteranno il tempo medio di dimissione per il resto del gruppo di controllo; rispetto al gruppo di trattamento in cui, invece di morire, i pazienti più gravemente malati impiegano qualche giorno in più per riprendersi, il che aumenta il tempo medio di dimissione per il gruppo di trattamento.
  • La dimissione è molto facile da manipolare: è possibile reclutare il personale ospedaliero coinvolto nello studio per ritardare inutilmente la dimissione dei pazienti sottoposti al trattamento per un po' (è necessario assicurarsi che il personale interessato sappia chi ha ricevuto il trattamento e quindi aspetti di più per essere dimesso dall'ospedale).
  • Anche l'orario di dimissione è abbastanza facile da falsificare; basta modificare la documentazione per la data di ricovero in ospedale e/o la data di dimissione (e il filmato di sicurezza, se necessario). La morte è molto più difficile da falsificare, perché l'orario della morte è solitamente qualcosa registrato in modo molto accurato e appare sul certificato di morte.
  • Per un profano, il "tempo necessario alla dimissione" non è il parametro più intuitivo.

Ovviamente, per la maggior parte di queste condizioni si può fare di meglio, ma questo trasmette l'idea di base.

Tattica di analisi n. 4: nascondere le metriche degli endpoint alternativi

Questo è praticamente ovvio: se si usa il "tempo di dimissione" come endpoint ma si segnala che c'è stata una riduzione del 50% della mortalità nel gruppo di trattamento, beh, diciamo che questo susciterà molte perplessità.

Quindi, invece di dover affrontare domande difficili sul perché hai scelto un endpoint così assurdo e sul perché affermi che il trattamento non funziona se vedi che ha ridotto significativamente la mortalità, idealmente non dovresti riportare i decessi in nessuna parte dello studio.

Se non puoi evitare di segnalare le statistiche sulla mortalità, almeno dovresti seppellirle nel mezzo di una tabella casuale di un'appendice in un formato che è molto difficile da capire. O meglio ancora, spargerle in più tabelle di dati invece che tutte in un posto dove sono facilmente identificabili da qualche fastidioso nerd casuale nel suo seminterrato.

Tattica di analisi n. 5: utilizzare i tipi di analisi ottimali per ottenere i risultati desiderati

Esistono tanti modi per analizzare i dati quante sono le identità di genere o le combinazioni di pronomi. Sfortunatamente, una spiegazione approfondita di vari metodi non può essere distillata in un formato appropriato per una guida per idioti come questa. Basta guardare alcuni di questi nomi:

  • Analisi della varianza del design bilanciato
  • Montaggio della distribuzione Beta
  • Trasformazione Box-Cox per due o più gruppi (T-Test e ANOVA unidirezionale)
  • Mappe di calore raggruppate (dendrogrammi doppi)
  • Distribuzione (Weibull) Montaggio
  • Raggruppamento sfocato
  • Raccordo di distribuzione gamma
  • Modelli lineari generali (GLM)
  • Test dei valori anomali di Grubbs
  • Clustering gerarchico/dendrogrammi
  • K-Means Clustering
  • Partizionamento Medoid
  • Analisi multivariata della varianza (MANOVA)
  • Confronto tra gruppi di dati non rilevati
  • Analisi unidirezionale della covarianza (ANCOVA)
  • Clustering di regressione

Il punto è che metodi diversi di analisi statistica produrranno risultati diversi. Se non fornissero risultati diversi, non ci sarebbero così tanti metodi. È tutta una questione di prospettiva. Quindi devi assumere dei guru statistici competenti che conoscano questa roba (e siano leali al regime) per due motivi:

  1. Ottieni il beneficio della loro competenza (di cui hai bisogno; ricorda che la tua competenza è propaganda, non analisi statistica sofisticata. Un po' di umiltà pratica nel riconoscere i propri limiti è fondamentale per essere un propagandista di successo; l'eccessiva sicurezza è stata la rovina di molti fedeli lacchè del regime [e spesso ha anche precipitato una lunga vacanza in un deludente Gulag]).
  2. Gli eretici del regime non possono puntare il dito contro la mancanza di competenza credibile dei vostri analisti statistici per infangare e mettere in discussione la credibilità degli studi sul regime. Il caso di Neil Ferguson è un esempio ammonitore: sebbene inizialmente sia riuscito a convincere i governi di tutto il mondo con il suo favoloso modello che prevedeva una carneficina apocalittica da Covid, la sua totale mancanza di competenza in materia, oltre alla sua lunga storia di previsioni pandemiche completamente deliranti, hanno dato all'opposizione una solida base per scartare i suoi modelli e tutti i modelli successivi promossi da vari governi. Sono stati anche in grado di fare proselitismo con grande efficacia sulla scia di questa debacle.

Tattica di analisi n. 6: rimuovere i dati problematici che non possono essere analizzati, modificati o altrimenti nascosti

Questo è lo stesso concetto di espellere soggetti da uno studio se non sono coerenti con i risultati imposti dal regime; solo che qui stai rimuovendo i dati già generati invece dei soggetti stessi dello studio. L'obiettivo è lo stesso: impedire che i dati che non si adattano a ciò che vuoi che i risultati dello studio mostrino entrino nel registro ufficiale dello studio in primo luogo.

IV-4. Opzione n. 4 di manipolazione dello studio: reclutamento dei media per manipolare i risultati

Indipendentemente da quali siano i risultati, dovresti avere argomenti di discussione pronti all'uso per i media favorevoli che possono battersi per te. Non fa differenza quanto siano falsi, fuorvianti, ecc.: l'intero scopo della propaganda è di gaslighting e fuorviare: i media semplicemente inondando l'ecosfera con le tue informazioni sono una forza potente che renderà come minimo molto difficile per la maggior parte delle persone essere in grado di sbrogliare le bugie e gli inganni che stai propagando rapidamente in tutta la società.

Dovresti essere particolarmente preparato a colpire con violenza qualsiasi scienziato o accademico con tendenze eretiche che potrebbe mettere in discussione qualsiasi cosa tu dica o, peggio, richiamare l'attenzione sulle carenze del tuo studio. Con il massimo pregiudizio.

Sezione V – Modifica dei set di dati

L'altra fonte principale di scienza oltre agli studi sono i set di dati e altre fonti di informazioni utilizzate per formulare pronunce scientifiche. I dati, in particolare i dati ufficiali dello Stato, sono utilizzabili senza uno studio formale che ne trasmetta la benedizione, quindi devi assicurarti che i dati disponibili, e in particolare i set di dati che sono la base per le metriche convenzionali comunemente citate nella società da accademici e profani, siano sotto il tuo fermo controllo per manipolarli, alterarli e modificarli a piacimento.

Di seguito sono riportati i tipi di tattiche che dovresti impiegare per massimizzare il controllo e l'utilità dei set di dati disponibili:

V-1. 'Pesca' statistica

La pesca statistica è più facile da illustrare che da spiegare in modo astratto:

Supponiamo che una grande azienda farmaceutica lanci un nuovo farmaco che (a loro dire) rende i bambini più intelligenti e aumenta il loro rendimento scolastico. Sfortunatamente, nonostante sia stato approvato dalla FDA, sanno che non funziona e la gente sta iniziando a sospettare che ci possa essere qualcosa di losco (e hanno miliardi di dollari in ballo). Quindi vengono da te e ti offrono un assegno di 7 cifre per "dimostrare" che il loro nuovo farmaco funziona. Quindi tu, essendo uno scienziato audace a pagamento senza scrupoli (tranne la lealtà al regime, ovviamente), accetti la loro offerta. Come fai a "dimostrare" che il loro farmaco funziona? Semplice. Ottieni i dati da tutti i distretti scolastici del paese che mostrano i punteggi accademici e la percentuale di bambini che hanno assunto il nuovo farmaco farmaceutico. Ecco dove entra in gioco la parte "pesca": devi esaminare ogni distretto finché non ne trovi uno o due in cui i punteggi accademici sono sopra la media e più ragazzi in quel distretto hanno assunto il nuovo farmaco rispetto alla media (come la pesca, in cui continui a farlo finché non abbocchi un pesce). Poi pubblichi il tuo "studio": "Abbiamo trovato una correlazione nel distretto "X" in cui una percentuale maggiore di ragazzi che hanno assunto il nuovo farmaco ha portato a punteggi accademici più alti". Questa è una sciocchezza perché ogni altro distretto mostra che il farmaco non ha avuto alcun effetto sui punteggi accademici, ma lo stai evitando in modo astuto evidenziando il distretto in cui c'è una correlazione per caso. (Con una dimensione del campione sufficientemente ampia, hai la certezza di trovare un distretto a caso in cui per coincidenza molti ragazzi hanno assunto il farmaco e i punteggi accademici sono aumentati.)

La lezione principale è che a volte tutto ciò di cui hai bisogno è un po' di perseveranza. Se hai un grande set di dati di molti paesi, ad esempio, esaminane uno alla volta finché non scopri la correlazione che stai cercando. In alternativa, puoi provare una versione più avanzata di questa tattica nota come 'P-Hacking. '

Un ottimo esempio di questa tattica è il seguente "studio" del CDC in cui hanno esaminato tutti i 50 stati alla ricerca di uno in cui poter raffinare i dati per dimostrare che i vaccini Covid riducevano il rischio di reinfezione nelle persone che avevano già il Covid prima di ricevere il vaccino. E guarda caso, ne hanno trovato uno (su 50 più alcune giurisdizioni non statali come Washington, DC) in cui potevano far dire ai dati ciò che volevano che dicessero:

Fonte: https://www.cdc.gov/mmwr/volumes/70/wr/mm7032e1.htm?s_cid=mm7032e1_w

Vedete, se il CDC fosse stato in grado di usare più di uno stato per dimostrare che i vaccini Covid hanno ridotto il rischio di reinfezione, lo avrebbero fatto (ovviamente). Ma hanno provato e riprovato finché non hanno trovato uno stato in cui poter torturare i dati per dimostrarlo.

A proposito, c'è un'altra lezione importante per i propagandisti qui: il valore della perseveranza. Non arrendetevi se non riuscite a trovare un set di dati che sia facilmente manipolabile o manipolabile per sostenere un argomento di discussione del regime. A volte bisogna essere creativi e continuare a farlo finché non si trova la terra promessa.

V-2. Correggere i dati problematici

Sì, ne abbiamo parlato prima nella sezione dedicata agli studi sul rigging.

Se i dati grezzi non sono conformi alla narrazione preferita, allora semplicemente "aggiustali" finché non si adattano, nello stesso modo in cui faresti per i dati interni di uno studio. L'aggiustamento dei dati è una parte di routine della scienza e, poiché pochissime persone capiscono effettivamente come funziona, puoi trarre vantaggio e abusare di questa pratica.

Qualcuno ha addirittura pubblicato un articolo scientifico sull'argomento (una lettura interessante se sei un nerd nerd):

Fonte: https://pubmed.ncbi.nlm.nih.gov/29254468/

Un'applicazione brillante di questo concetto è correlata al consenso scientifico sul riscaldamento globale che un tempo era il consenso scientifico sul raffreddamento globale. Come pensi che gli stessi dati che nel 1974 mostravano che il mondo si stava dirigendo verso un'era glaciale irreversibile che minacciava la sopravvivenza dell'umanità ora mostrino che c'era davvero un *riscaldamento* tendenza dagli stessi dati esatti che minaccia la sopravvivenza dell'umanità??

Fonte: https://content.time.com/time/subscriber/article/0,33009,944914,00.html

Hanno semplicemente "aggiustato" i dati per rendere i decenni precedenti più freddi e quelli successivi più caldi, ed ecco fatto, problema risolto! È diabolicamente astuto e altamente efficace: osservate nel grafico sottostante (di un noto eretico dissidente del regime) le due linee che tracciano la temperatura media annuale, linea blu = i dati grezzi, linea arancione = i dati dopo che gli scienziati del regime li hanno "aggiustati":

Fonte: https://realclimatescience.com/2018/03/noaa-data-tampering-approaching-2-5-degrees/

Se si guarda la linea blu, non c'è alcun riscaldamento generale negli ultimi 100 anni, il che è molto negativo per la narrazione ufficiale del RISCALDAMENTO GLOBALE CATASTROFICO!!! Tuttavia, la linea arancione mostra una chiara tendenza al riscaldamento negli ultimi 100 anni, che è esattamente la narrazione.

Naturalmente, se in futuro per qualsiasi motivo dovesse diventare pratico tornare al raffreddamento globale, allora gli scienziati della NOAA semplicemente "aggiusteranno" i dati per far sembrare gli ultimi 100 anni come un trend di raffreddamento costante.

Il punto è che tutto sta negli aggiustamenti.

(Note::È utile consentire ad alcuni eretici scientifici di basso profilo del regime di aggirarsi perché producono dati e analisi che in realtà sono molto utili per l'uso interno del regime, a patto che ci si assicuri che non inizino ad acquisire notorietà, altrimenti li si porta a Guantanamo Bay senza indugio.)

V-3. Escludere dalle analisi ufficiali dei dati ufficiali tutto ciò che non si adatta ai risultati desiderati

Esaminare attentamente ciò che viene incluso nella tua analisi è letteralmente roba da principianti. Se informazioni o risultati effettivi minacciano di minare i tuoi risultati preferiti, escludili semplicemente dalle analisi ufficiali dei dati ufficiali. Quindi se c'è un database governativo che mostra che, dopo il Glorious Vaccine, l'incidenza di un mucchio di condizioni mediche è aumentata molto, ignoralo e basta.

Prendiamo il database VAERS (Vaccine Adverse Event Reporting System) gestito congiuntamente dal CDC e dalla FDA:

Il CDC (finge di) incoraggiare la segnalazione al VAERS delle condizioni mediche che si manifestano dopo che qualcuno è stato vaccinato, "anche se non si è sicuri che il vaccino abbia causato la malattia":

Dopo la distribuzione dei vaccini anti-Covid a metà dicembre 2020, le voci VAERS relative ai decessi si presentano in questo modo (il grafico mostra il numero totale di decessi segnalati per tutti i vaccini ogni anno):

Questo grafico mostra le statistiche sui rapporti VAERS di infortuni/decessi dovuti ai vaccini Covid:

Ma quando è stata l'ultima volta che avete sentito parlare del VAERS da parte del CDC in una dichiarazione o analisi riguardante i preziosi vaccini anti-Covid?

Esatto!! Il CDC (e tutti gli altri) semplicemente ignorano il VAERS (tranne quando di tanto in tanto pubblicano articoli di "fact-checking" per smentire il VAERS).

Inoltre, assicuratevi di cacciare senza sosta nell'oblio chiunque osi provare a usare tali dati per minare la credibilità delle analisi e delle proclamazioni del vostro regime. Questo è spesso un problema perché inevitabilmente ci sarà un mucchio di persone che avranno accesso ai dati grezzi una volta che esistono.

V-4. Sfruttare relazioni e differenze già consolidate

Un modo semplice per truccare uno studio è confrontare 2 entità che sai già avere una particolare differenza o correlazione. Puoi quindi fingere di "scoprire" questa differenza o correlazione ma attribuirla a un nuovo fattore.

Quindi, se ad esempio gli stati poveri tendono ad avere peggiori risultati sanitari rispetto a quelli ricchi, se gli stati poveri sono meno conformi alle linee guida del regime, puoi indicare i loro peggiori risultati sanitari e dare la colpa al fatto che non hanno preso il Glorioso Vaccino. I media eccellono davvero nell'amplificare questo messaggio in particolare, perché non amano niente di più che attribuire risultati negativi all'affiliazione politica con il/i partito/i politico/i "cattivo/i".

V-5. Controllo dei set di dati critici utilizzati per la ricerca scientifica

Chi controlla i dati controlla la scienza. Fai attenzione ad avere un controllo ferreo sui dataset più importanti e ampiamente utilizzati, e ti risparmierai molto stress e mal di testa. Ad esempio, l'esercito controlla i propri dataset interni e può manipolarli a piacimento. Come DMED, hanno manipolato questo dataset fino al punto di renderlo completamente inutile. Dai un'occhiata qui sotto ai due grafici seguenti che mostrano *STESSO* Dati DMED per i “tassi di visite mediche ambulatoriali” per gli anni 2015-2018 – il grafico a sinistra è la versione pubblicata nel 2019, il grafico a destra mostra la versione del 2021 – e in qualche modo non sono gli stessi (aree cerchiate in rosso).

Notate il cambiamento nei numeri 2016-2018 (che potete vedere dalla forma della linea di tendenza)? Come è aumentato il numero di visite mediche avvenute nel 2016 tra 2019  e a 2021 ????

Perché il regime ha semplicemente riscritto i dati. Ecco cosa puoi fare quando hai il controllo completo sul set di dati.

Inutile dire che in nessuna circostanza dovresti permettere a scienziati pagani di accedere ai testi sacri o ai dati della Scienza sotto il tuo controllo: ricorda, devi essere sempre vigile affinché un ricercatore eretico canaglia non esegua un'analisi che potrebbe invalidare o contraddire la Scienza. Il CDC dà il buon esempio in questo caso:

Fonte: https://www.cdc.gov/nchs/nvss/nvss-restricted-data.htm

Se non si dà accesso ai dati a fastidiosi scienziati indipendenti, non ci si deve preoccupare che possano scoprire cose nei dati che potrebbero compromettere in modo significativo la narrazione del regime.

Sezione VI – Controllare gli standard delle prove

Immagina di essere un giudice che presiede un processo penale, che decide quali prove sono ammissibili in tribunale e che quindi può garantire che le prove incriminanti o scagionanti non raggiungano mai la giuria. Stessa idea qui: controllando gli standard delle prove, puoi eliminare indirettamente molta della scienza impegnativa che c'è là fuori senza dover contestare direttamente le affermazioni o le prove specifiche.

VI-1. Rendere impossibile per chiunque, tranne che per gli attori approvati dal regime, soddisfare il tipo di prova di qualità più elevata

Questa è una regola semplice: Rendere il più difficile possibile per scienziati o ricercatori indipendenti condurre il tipo di studi considerati di "alta qualità".

Potresti rendere troppo costoso per i dissidenti anticonformisti condurre una scienza non approvata o eretica. Uno dei più grandi colpi di scena nella storia della propaganda è stata l'ascesa dei Random Controlled Trials come "Gold Standard" per le prove. Questi in genere costano molti milioni da condurre, precludendo la possibilità che chiunque tranne le gigantesche corporazioni farmaceutiche (che sono attori fedeli del regime) gestisca tali imprese scientifiche.

È anche possibile emanare leggi o rivolgersi ad agenzie governative per vietare la conduzione di studi di alta qualità non approvati, nel caso in cui un gruppo riesca in qualche modo a ottenere fondi sufficienti per condurre tale studio.

VI-2. Designare il tipo di studi che gli scienziati non approvati possono condurre come “di bassa qualità”

Al contrario, assicuratevi che qualsiasi scienza o ricerca non conforme che può ancora essere condotta venga designata come prova di bassa qualità. Questa è solitamente un'alternativa migliore rispetto al vietare del tutto tutte le ricerche non approvate, il che renderà naturalmente la popolazione sospettosa del regime e incline ad accettare tutti i tipi di teorie cospirative selvagge e senza senso. Piuttosto, lasciate che facciano le loro ricerche, ma spiegate che sono prive di significato perché non sono conformi alle regole appropriate della scienza basata sulle prove.

VI-3. Non articolare uno standard di prova chiaro che le persone comuni possano applicare da sole

Inevitabilmente, ti troverai ad affrontare situazioni in cui avrai bisogno di un margine di manovra per impiegare un doppio standard di prove. Se articoli uno standard chiaro e facilmente comprensibile, allora stai neutralizzando la tua capacità di manipolare la scienza, poiché le persone possono quindi tenerti al tuo stesso standard dichiarato. Inoltre, come sottolineato in precedenza, vuoi condizionare le persone che il vero standard è semplicemente qualsiasi cosa il regime dichiari essere una prova di alta qualità piuttosto che qualsiasi criterio lontanamente oggettivo.

VI-4. Perseguitare gli scienziati insolenti o sleali

Ogni tanto, si presenterà una situazione in cui potresti non essere in grado di mettere in discussione la credibilità della ricerca sulla base del fatto che si tratta di prove di scarsa qualità. In tali casi, dovresti invece perseguire lo scienziato/gli scienziati incriminati responsabili della diffusione della scienza eretica, interrompendo così la diffusione e l'ulteriore conduzione della ricerca problematica. Ciò può essere innocuo come rimuoverli dai social media o così onnicomprensivo come mandarli in un Gulag per non essere mai più visti o sentiti. Indipendentemente da come tu o il regime decidiate alla fine di rimuoverli dalla sfera pubblica, devi assicurarti di attaccare incessantemente anche la loro reputazione e competenza (anche dopo che il traditore sedizioso è stato eliminato). Questa è anche una buona tattica da usare contro uno/gli scienziato/i carismatico/i che minaccia il regime perché cattura i cuori delle masse. Questo è vero anche se sembrano leali, a meno che tu non sappia per certo che non diserteranno mai per l'altra parte (come se avessi informazioni di ricatto, o se fossero il cuore e l'anima della narrazione del regime e fossero fanaticamente impegnati, come il Santo Dr. Fauci). Quindi dovresti mantenere un robusto apparato di spionaggio per tenere traccia di tutti gli scienziati leali al regime.

Sezione VII – Le autorità ecclesiastiche della scienza

La prima cosa che devi capire è che il concetto di autorità nel regno della scienza è di natura ecclesiastica. La maggior parte del discorso scientifico nella società odierna consiste in argomenti di autorità. Quindi, invece di resistere a questo, abbraccialo e brandiscilo, perché è la più potente di tutte le armi nella lotta per controllare la scienza stessa. Tu sei la Chiesa della scienza. Il regime è il suo Vaticano. Fletti i muscoli e imponi la tua volontà!!

Devi sancire delle convenzioni che selezioneranno naturalmente solo i fedelissimi del regime per ascendere a posizioni di autorità scientifica nella società. Ciò si ottiene principalmente tramite i seguenti metodi:

VII-1. Gli esperti devono essere accreditati

Le credenziali sono il primo schermo che elimina la maggior parte dei potenziali malfattori. Richiedendo credenziali, che ovviamente si possono ottenere solo tramite l'intermediazione del regime stesso, o di un'istituzione accreditata e fedele al regime. Bisogna rafforzare la convinzione che gli esperti non accreditati siano particolarmente pericolosi e ignoranti, perché la popolazione è gravata dal continuo bisogno di cercare un secondo parere sulle posizioni e le dichiarazioni del regime.

VII-2. Gli esperti devono essere affiliati a un'istituzione o organizzazione in regola

Un'altra regola ovvia. Questo è un buon modo per eliminare ulteriormente qualsiasi potenziale scienziato manciuriano che abbia superato il processo di accreditamento.

VII-3. Gli esperti devono essere considerati nel “mainstream”

Applicare rigorosamente questa convenzione sociale, perché è una potente rete di sicurezza nel caso in cui un esperto rompa i ranghi e decida di opporsi al regime. Tali persone non possono essere facilmente de-credenzializzate e a volte può essere difficile o poco pratico terminare tutte le affiliazioni che potrebbero avere con organizzazioni in regola. Da qui la necessità di una squalifica che non dipenda da nessuna di queste. Dichiararlo al di fuori del mainstream è un modo abbastanza potente per privare un tale esperto della sua autorità.

VII-4. Far rispettare il consenso scientifico

Un altro modo potente per controllare chi detiene l'autorità scientifica è imporre la conformità a un "consenso" inventato, marchiando chiunque si discosti da tale consenso come un eretico assoluto e incorreggibile della specie più deviante. È uno strumento esterno che può essere estremamente utile per spodestare scienziati accreditati e ribelli. Il "consenso" risuona potentemente nelle orecchie e nei cuori dei laici e fornisce loro una facile giustificazione per non sollevare domande se il regime decide di destituire improvvisamente uno scienziato precedentemente molto stimato.

Postfazione

L'arte della propaganda è un argomento vasto che abbraccia molteplici discipline. Non aspettarti di padroneggiarla da un giorno all'altro. Aspettati di commettere errori: è così che impari cosa funziona (e quindi assicurati anche di avere sempre qualcun altro a cui dare la colpa dei tuoi errori).

Fortunatamente per voi, la stragrande maggioranza dei cittadini sono pecore intellettuali. Questo principio è stato brillantemente dimostrato dal capo architetto dell'Obamacare, il professor Jonathan Gruber.

Tuttavia, il professor Gruber aveva la tendenza a spiegare troppo, e troppo chiaramente, nei discorsi registrati. Naturalmente, non c'è niente di sbagliato nello spiegare in un linguaggio chiaro questioni controverse a giovani studenti del regime che sono fondamentali per comprendere come funziona la politica del regime, perché dovranno avere una solida conoscenza di queste cose se vogliono essere lavoratori produttivi del regime. Diventa un problema, tuttavia, quando questi discorsi vengono registrati su video accessibili al grande pubblico, chi si suppone che tu stia ingannando:

Si potrebbe pensare che dopo che il tizio che ha scritto una legge profondamente impopolare (all'epoca) è stato ripreso in numerosi video mentre si vantava di come fosse uno "sfruttamento intelligente della mancanza di comprensione economica dell'elettore americano" e di come "la stupidità dell'elettore americano" fosse fondamentale per poter far passare un aumento delle tasse come non un aumento delle tasse (entrambi veri al 100% come affermato in precedenza), i politici sarebbero stati costretti a ritirare la legge e riprovare qualche anno dopo che il clamore si fosse placato.

Solo che, come si è scoperto, di solito puoi contare non solo sulla totale stupidità dell'elettore medio, ma anche sulla sua mancanza di memoria a breve termine, sulla sua mancanza di senso di autoconservazione e sul suo impegno per l'ideologia politica, soprattutto. L'Obamacare è stato annullato o addirittura ritardato? No. Quindi, anche se vieni beccato alla grande, probabilmente starai bene. (Soprattutto se hai coltivato un mainstream mediatico compiacente che serve il regime lealmente.)

Puoi anche consolarti pensando che la propaganda è naturalmente un'impresa autocorrettiva: quando si commettono errori, semplicemente si scatena altra propaganda e gaslighting per coprire o altrimenti mitigare quegli errori. Osserva come i funzionari del regime siano passati dall'esaltare il professor Gruber all'affermare che era del tutto insignificante, senza battere ciglio e senza il minimo accenno di imbarazzo per la palese ipocrisia delle loro posizioni inconciliabili:

(Tuttavia, dovresti stare attento a non commettere errori con troppa superficialità, altrimenti potresti ritrovarti trasferito in un gulag sovietico o in un sito di operazioni segrete della CIA in Marocco.)

Insieme possiamo rendere il mondo un posto migliore per coloro che sono destinati a far parte di questa umanità appena ristrutturata.



Pubblicato sotto a Licenza internazionale Creative Commons Attribution 4.0
Per le ristampe, reimpostare il collegamento canonico all'originale Istituto di arenaria Articolo e Autore.

Autore

Dona oggi

Il vostro sostegno finanziario al Brownstone Institute va a sostenere scrittori, avvocati, scienziati, economisti e altre persone coraggiose che sono state professionalmente epurate e sfollate durante gli sconvolgimenti dei nostri tempi. Puoi aiutare a far emergere la verità attraverso il loro lavoro in corso.

Download gratuito: Come tagliare 2 trilioni di dollari

Iscriviti alla newsletter del Brownstone Journal e ricevi il nuovo libro di David Stockman.

Download gratuito: Come tagliare 2 trilioni di dollari

Iscriviti alla newsletter del Brownstone Journal e ricevi il nuovo libro di David Stockman.