Brunsten » Brownstone Journal » Media » Idiots guide till matlagningsdata för blivande propagandister
Idiots guide till matlagningsdata för blivande propagandister

Idiots guide till matlagningsdata för blivande propagandister

DELA | SKRIV UT | E-POST
https://www.kekstcnc.com/media/2827/20200730_kc_covid_opinion_tracker_japan_deck_final_for-web.pdf

Ta en närmare titt på bilden ovan från en internationell undersökning som gjordes några månader efter att Covid slog till: Så här ser effektiv propaganda ut. Och den verkliga effekten var ännu större, eftersom siffrorna i den "verkliga världen" som användes för att beräkna hur illa människor överdrev riskerna med Covid naturligtvis själva härrörde från. . . världens framstående propagandaorganisationer (förklädd som folkhälsomyndigheter). Som själva redan hade överdrivit riskerna med Covid.

Konsten att effektiv propaganda är en omfattande disciplin som kräver noggranna och grundliga studier — och granskning — då och då. För nybörjaren kan det vara väldigt svårt att bemästra. Även den erfarna propagandisten kan ibland falla i fällan att tro att skapa och sprida propaganda är ett enkelt företag – vilket är ett bra sätt att vinna en permanent betald sibirisk semester. Det brukar inte vara så enkelt att förvirra hela samhället varje dag, 365 dagar om året, på obestämd tid.

Följande korta guidebok kommer att förse den blivande propagandisten, WEF-lakej, kommunistapparatchik, vaknade marxist och rutinerade regeringsbyråkraten med de verktyg och kunskaper som krävs för att utveckla sin lovande talang till fullblommande behärskning av propagandakonsten.

Den här boken är lite lång!! Så känn inte som om du måste läsa det från början till slut i ett slag, för det är ett recept för att bli utbränd och att inte behålla den kritiska information som finns i det.

Denna manual är uppdelad i följande avsnitt:

Avsnitt I. Definitioner - Hur man omdefinierar ord, termer och mått för att hålla dem i linje med regimberättelsen

Avsnitt II. Curating Data - Hur man kapar processerna för att registrera, rapportera och publicera data

Avsnitt III. Granskning av vilka data som anses vara en del av Official Science - Hur man vet och data och gör sig av med data som inte överensstämmer med regimen så att de aldrig visas i några officiella datauppsättningar för vetenskap eller regimer

Avsnitt IV. Hur man riggar en studie - Exakt vad det låter som

Avsnitt V. Doktering av datamängderna - Ibland måste du gå in och göra en liten dataoperation för att ändra innehållet i databaser som motsäger regimens diskussionspunkter som du inte bara kan utrota

Avsnitt VI. Kontrollera bevisstandarderna - Hur man skapar en hierarki av bevis som placerar regimvänlig vetenskap i toppen och regimvänlig vetenskap i botten (i Mariangraven)

Avsnitt VII. Vetenskapens kyrkliga myndigheter - Hur man säkerställer att vetenskapliga myndigheter på ett tillförlitligt sätt papegojar regimens fakta och berättelser

Efterord - Att knyta ihop det hela snyggt, som en av Peter Hotez flugor (han är en särskilt glad regimekändisforskare)

Avsnitt I – Definitioner

"Den som kontrollerar språket kontrollerar massorna."
— Saul Alinsky, Regler för Radicals

Hur vi definierar begrepp eller kategorier avgör vilken godbit av den verkliga världen de kommunicerar eller representerar – eller vad de inte kommunicerar eller representerar.

Formbara definitioner, och en godtycklig och nyckfull standard för att tilldela definitioner, är ett absolut måste för alla effektiva propagandister. Trots de bästa ansträngningarna, även rutinerade, expertpropagandister kommer oundvikligen att konfrontera situationer där de kurerade data som finns, eller människors levda erfarenheter, är problematiska för den officiella regimberättelsen.

Effektiv propaganda kräver därför kapacitet för smidig och mycket anpassningsbar flexibilitet för att kontrollera innehållet i data, särskilt redan existerande konventionella mätvärden som allmänheten är van vid att höra om och som är notoriskt svåra att helt enkelt få till att försvinna (till skillnad från den lätthet med vilken du kan försvinna en dissident forskare utanför YouTube eller Facebook). Till exempel kommer du inte att kunna undvika att prata om "dödsfall" i samband med en roman Dreaded Disease Pandemic - det primära sättet människor kommer att relatera till att mäta svårighetsgraden av en sjukdom kommer alltid att vara först och främst "Hur många människor dog från sjukdomen?” Men du kan ändra vad "döden" syftar på i samband med romanen Dreaded Disease om du vill öka eller minska människors känsla av hur dödlig den är.

I praktiken betyder det att när den normala förståelsen av en term eller ett begrepp visar att verkligheten inte riktigt passar regimens önskade berättelse, bara ändra några definitioner och voilà, problemet löst.

Som många framstående kommunistiska propagandister genom historien också har observerat: "Den som kontrollerar språket styr världen."

Det finns en mängd olika sätt att ändra eller övergå definitioner från problematiska till acceptabla:

I-1. Begränsa en definition

Om den konventionella definitionen av något inkluderar begrepp, data eller information som strider mot regimens dogmer, begränsa definitionen så att den inte längre inkluderar den oönskade informationen. Det finns många sätt att göra detta. Så vi listar några av de vanligare typerna av egenskaper som du kan använda för att effektivt begränsa en definition: Begränsa definitionen efter tidsintervall: Anta att vaccinerade personer får den fruktade sjukdomen i mycket höga frekvenser under de första 30 dagarna efter vaccination, och efter 90+ dagar från vaccinationen, med det Glorious Vaccinet. Det här är ett stort problem, eftersom folk kommer att tro att Glorious Vaccine inte är effektivt:

Den röda linjen visar antalet fall per miljon människor efter att ha vaccinerats med Glorious Vaccine, efter antalet dagar sedan vaccinationen. Som du kan se är frekvensen av genombrottsinfektioner mycket hög under de första 30 dagarna, men mellan dag 30-90 är fallfrekvensen praktiskt taget 0, och efter dag 90 börjar fallfrekvensen att stiga igen.

På vanlig engelska, vad du ser i diagrammet ovan är att antalet fall per miljon människor ser ut som följer:

  1. Före vaccination: 500 fall av fruktad sjukdom/miljoner människor
  2. 10 dagar efter vaccination: 3,000 XNUMX fall av Dreaded Disease/miljoner människor
  3. 20 dagar efter vaccination: 1,700 XNUMX fall av Dreaded Disease/miljoner människor
  4. 30 dagar efter vaccination: 100 fall per miljon människor


Det är en mycket berömd effekt för Glorious Vaccine – något som inte kan tillåtas bestå. En lösning är att helt enkelt ändra definitionen av "vaccinerad" till att betyda någon som är mellan 30 och 90 dagar efter att ha injicerats med Glorious Vaccine - med andra ord, alla som är inom 30 dagar efter att ha vaccinerats, eller efter 90 dagar från vaccination , anses inte vara "vaccinerad:"

Denna speciella taktik var banbrytande av i stort sett alla folkhälsomyndigheter i den civiliserade världen, där definitionen av "fullständigt vaccinerad" för Covid-vaccinerna var begränsad till "14 dagar efter din andra dos:"

Begränsa definitionen efter kvantitet, till exempel antalet exponeringar – till exempel, om ett gäng människor som fick 1 dos eller 5 doser Mirafaucivir dog (den första dosen dödar personer som är särskilt mottagliga för dess toxicitet, och 5 doser är för giftigt för i stort sett vem som helst), begränsa definition av "behandlas med MiraFaucivir" till mellan 2-4 doser:

Begränsa en definition genom att lägga till absurda villkor i definitionen som är nästan omöjliga att uppfylla. Du kan till exempel försöka använda följande villkor för att begränsa definitionen av en "vaccindöd" i samband med en massvaccinationskampanj med det nyligen präglade Glorious Vaccinet:

Det är ganska svårt att någonsin lyckas få ett "bekräftat" fall av någon som dör av Glorious Vaccin under förhållanden som dessa.

(Du måste komma ihåg att hindra obduktioner så mycket som möjligt för att göra denna exempeldefinition fullt effektiv.)

I-2. Expandera en definition

Omvänt, ibland kanske du vill ha mer av något än vad det faktiskt är. Att expandera definitioner är en utmärkt lösning – vänd bara på ovanstående instruktioner för att begränsa definitioner.

Så om du behöver fler dödsfall från den fruktade sjukdomen än det finns människor som faktiskt dödats av den fruktade sjukdomen, kan du utöka definitionen av en "fruktad sjukdomsdöd" till "alla dödsfall inom 30 dagar efter ett positivt test", och precis som magi du har en fullskalig pandemi i händerna.

För att illustrera detta, anta att efter 12 månaders cirkulation av den fruktade sjukdomen, dödades faktiskt bara 7 personer per 100,000 30 infektioner av den fruktade sjukdomen - inte direkt skrämmande. Du drar lite switcharoo och utökar definitionen av en "fruktad sjukdomsdöd" till något liknande vad CDC drog - "alla dödsfall inom XNUMX dagar efter att ha testats positivt för den fruktade sjukdomen." Eftersom många människor dör varje dag, om du masstestar dem alla, kommer du oundvikligen att "upptäcka" en hel båtlast av döda människor som råkade ha den fruktade sjukdomen när de dog, trots att de dödades av något helt orelaterade som cancer eller en bilolycka. Se vilken skillnad detta gör:

New York State erbjuder en klassisk illustration av hur man utökar definitionen av "Dreaded Disease Death" för att skapa sken av en en gång i historien super-duper skrämmande apokalyptisk pandemi – titta bara på följande underbara öppna definition för en ' trolig 'Covid död:

VARNING: Du måste alltid se till att ALDRIG, NÅGONSIN, NÅGONSIN – NÅGONSIN!!! – formulera för allmänheten hur du tänder på dem i ett tydligt, kortfattat språk de kan förstå. Följande otvunget fel 2020 från Illinois folkhälsodirektör Dr. Ngozi Ezike är den sortens sak som ger dig en snabb enkelbiljett till Gulag – hon sa faktiskt följande vid en offentlig presskonferens (se inbäddad video nedan):

"Så, falldefinitionen är väldigt förenklad. Det betyder att vid tidpunkten för dödsfallet var det en covid-positiv diagnos. Så det betyder att om du var på hospice och redan hade fått några veckor kvar att leva och du också visade sig ha Covid, skulle det räknas som en Covid-död. Det betyder att, tekniskt sett, även om du dog av en tydlig alternativ orsak, men du hade Covid samtidigt, är det fortfarande listat som en Covid-död."

Hon gjorde så klart rätt sak genom att använda en så underbart expansiv definition för Covid-dödsfall, men hon släppte dumt och slarvigt ut katten ur påsen för hela världen att se. Det är den typen av slarvig blunder som kan rasera en hel propagandakampanj över en natt. Och även den typ av sak som kan vara en karriärsändare (eller värre):

 I-3. Uppfinn en helt ny definition

Ibland är det helt enkelt inte möjligt att dölja den gemensamma förståelsen av något genom att bara leka med definitionen i marginalen. I så fall kan du ta det modiga steget att omdefiniera ett ord, begrepp eller kategori helt och hållet för att passa dina propagandabehov. Se bara upp för att det kan vara lite svårare att övertyga folk om att den gamla definitionen är en fantasi.

Ta CDC (japp, vi kommer att citera CDC en hel del; de är trots allt den framstående hälsopropagandaorganisationen i världen), som ändrade definitionen av "vaccination" flera gånger under en period av 6 år:

Sidebar: Ovanstående tweet erbjuder en läxa i behovet av att kontrollera oseriösa lagstiftare som kan försöka avstå från eller till och med avslöja dina propagandaansträngningar. Du behöver inte den extra huvudvärken att ta itu med tydliga bevis på ditt språkliga förräderi som sänds till allmänheten från kongressens eller parlamentets golv (eller den ännu större huvudvärken att bli förvisad till Sibirien som höstkillen för att ha låtit något sådant hända ).

Ibland kan du till och med upptäcka att du är fångad av ordens vanliga konversationsbetydelse, där de lyfter fram något som du inte har råd att folk uppmärksammar. Skulle detta inträffa kommer du att tvingas genomföra en grundläggande förändring av själva essensen av språket. Det här är ett slags kärnkraftsalternativ när du inte kan dölja något på något annat sätt, och inte heller har råd att inte dölja det. (Akta sig!! En sådan djärv strävan kommer med en betydande svårighetsgrad eftersom många människor kommer att vara benägna att motstå en sådan öppen och djärv språkövergång – liknande hur många oupplysta ludditer motsätter sig att gå med i könsövergångar).

Ta till exempel termen "fredlig protest:"

Naturligtvis är "begränsad" en subjektiv term vars exakta konturer är dåligt definierade, vilket ger dig ett stort utrymme att tillämpa beskrivningen på nästan vad som helst oavsett hur osammanhängande eller misspassande applikationen är, vilket framgår av detta verkliga media rapport som inte behöver ytterligare beskrivning:

I-4. Kombinera kategorier

Ibland är det helt enkelt inte praktiskt eller genomförbart att forma data bara genom att ändra definitioner. Oroa dig dock inte – om du inte kan ändra definitionen kan du istället ändra själva datapunkten eller kategorin som folk är vana vid ordet eller frasen som refererar till. Människor är inte inställda på subtila eller nyanserade skillnader i kategorier eller datapunkter, och media blandar ihop det mesta ändå, vilket gör detta till ett enkelt och bekvämt trick. Du kan till exempel prova:

  • Kombinera olika åldersgrupper:

Anta att Glorious Vaccine får ett gäng barn att förvandlas till zombies. Det är ganska dåligt för regimen. (Vilket innebär att du bör omplacera några forskare för att arbeta på en klimatforskningsstation i Antarktis under resten av sina karriärer. Utan strumpor.)

Först måste du alltid hänvisa till detta nya tillstånd som "Säker och effektiv förvandling till köttätande zombie." Anledningen till den köttätande delen är enkel: "köttätande zombie" låter för läskigt, och vanlig "zombie" känns som om zombies i princip är döda – dvs de dyrbara barnen är döda – inget av dem är ett intryck av att du vill att folk ska komma bort med. (Även om vårt hypotetiska exempel här knappast kommer att förverkligas i praktiken är principen relevant och applicerbar i alla situationer: du måste alltid namnge något på ett sätt som förmedlar en känsla av vad du vill att människors intryck ska vara.)

För det andra, eftersom graden av zombifiering i ålderskohorten 12-17 är så hög att det är uppenbart för alla som tittar på data (nedan i diagrammet), kommer du förmodligen att behöva hantera det. Så istället för att presentera data uppdelade efter ålder, där människor omedelbart kommer att märka ökningen av barnzombifiering, presentera data som en kombinerad åldersgrupp som är tillräckligt stor för att dölja eller tvätta bort signalen:

Vad du i grund och botten gör är att ta termen "hastighet av zombifiering efter det härliga vaccinet" som kan användas för att hänvisa till de olika åldersgrupperna och få det att hänvisa till frekvensen för alla åldersgrupper tillsammans.

Nu kommer ingen att märka att uppgifterna visar en tydlig risk för barn att bli förvandlade till köttätande zombies av Glorious Vaccine.

Eller omvänt, om du antar att ungdomarna inte dör av den fruktade sjukdomen i tillräckligt höga takter för att skrämma mammorna, kan du presentera dödsdata från den fruktade sjukdomen från en kombinerad åldersgrupp på 0-50 som gör att det verkar som om det finns så många dödsfall från en grupp som innefattar barnen:

  • Kombinera olika demografiska kohorter:

Samma idé som åldersgrupperna; anta att du behöver undvika att medborgarna kommer på att den fruktade sjukdomen egentligen bara är farlig för de sjukligt feta människorna – vilket är dåligt:

  • för det första för att de då inte kommer att vara rädda för den fruktade sjukdomen
    • för det andra för att folk kanske börjar ifrågasätta om fett är hälsosamt, vilket du inte kan tillåta eftersom de kanske börjar ifrågasätta regimberättelsen om "fettpositivitet" och sedan vem vet vad mer efteråt.

Så du bör bara presentera dödsdata från Dreaded Disease med hjälp av en kombinerad kategori som täcker alla typer av viktidentiteter:

  • Kombinera olika tidsperioder

Anta att du märker att dödsfallen från den fruktade sjukdomen minskar månad för månad – vilket kan vara katastrofalt för regimens planer som kräver att folket tror att den fruktade sjukdomspandemin är i full cirkulation under ytterligare några månader. Om folket får uppfattningen att den fruktade sjukdomen håller på att avvecklas, ja, det är ett stort förlorat tillfälle att använda den fruktade sjukdomskrisen som ett sätt att åstadkomma samhällsomvandling för att konsolidera och befästa regimens makt.

Så istället för att presentera dödsfallsdata per månad, kombinera alla tre månader till en ny kategori av "månadsmedelvärde under de tre månaderna" som kommer att maskera minskningen från januari till mars, illustrerad nedan:

  • Kombinera olika geografiska jurisdiktioner

Anta att det finns en skurkstat i landet som skapar problem för regimen som inte följer regimens riktlinjer för att hantera den fruktade sjukdomen, som vi kallar Death Santistan. Om de visar bättre eller till och med lika resultat för resten av landet där de är goda medborgare och följer regimens vägledning, skulle det vara ganska dåligt. Anta vidare att det finns en stad eller ett län i denna dåliga stat som är ett lojalt regimlän som följer all regimvägledning men vars dödsfrekvens är mycket högre än resten av Death Santistan. Vilket är väldigt dåligt. Lösning? Du kan presentera data från hela staten så att folk inte kan se att det lojala länet som följer regimvägledning har en dödsfrekvens 10 gånger resten av staten. Det finns till och med en bonusfördel: du kan peka på hela delstaten Death Santistan som ett misslyckande eftersom det lojala regimen kommer att få hela staten att se mycket värre ut!!

Att kombinera alla städer och grevskap i en illojal stat för att dölja problemen som är unika för lojala regimstäder är en av de vanligaste propagandataktikerna som används för att försöka dölja föga smickrande information som den mycket högre brottsligheten i regimlojala städer jämfört med städer kontrolleras av den onda oppositionen.

(SidebarHöga brottsfrekvenser är naturligtvis en bra sak som är ett medvetet val av regimen genom design – höga brottsligheter är användbara för regimen eftersom instabilitet gör människor mer villiga att acceptera tyrannisk regering som en lösning.)

För att illustrera, här är ett briljant stycke gasbelysning från ett av de viktigaste mediernas språkrör:

Titta på undertexten i den karmosinröda rutan – se hur de skickligt fingrar på det röda tillstånd för den höga brottsligheten som alla finns i de blå städerna inom de röda delstaterna men inte i resten av delstaten där styrningen är "röd?" Exakt.

  • Kombinera olika typer av effekten eller fenomenet. Till exempel, om det finns en ökning av en specifik undertyp av sjukdomstillstånd – som alarmerande ökningar av sällsynta cancerformer efter lanseringen av Glorious Vaccine, vilket kan få människor att ifrågasätta den officiella regimberättelsen att Glorious Vaccine är den säkraste enheten som någonsin skapats eller upptäckt i universell historia – du kan använda den allmänna kategorin cancer – som är 1,000 XNUMX gånger så stor – för att dölja signalen.

Ett annat sätt att tänka på att kombinera kategorier är att du aldrig lämnar ut specifika data för olika grupper eller delmängder, något som drogs av till absolut perfektion när Covid slog till. Tänk på följande omröstningsresultat, som visar andelen Covid-dödsfall för varje åldersgrupp sida vid sida med procentandelen av varje åldersgrupp som var oroliga att de skulle dödas av Covid. (De blå staplarna visar procentandelen av varje åldersgrupp som var orolig för att bli dödad av Covid, de gröna staplarna visar procentandelen av det totala antalet Covid-dödsfall som var i varje åldersgrupp.)

Hade folk förstått vad deras faktiska risk att dö var borde de blå staplarna vara åtminstone i de gröna staplarnas bollplank. När de blå staplarna är dramatiskt högre, är det resultatet av brutalt effektiv propaganda genom att kombinera alla åldersgrupper i en kategori utan att någonsin göra skillnad:

Verkligen succé!!

I-5. Dela upp kategorier

Ibland måste du dela upp en kategori istället för att kombinera den med en annan. Vänd bara om på ramverket som anges ovan för att kombinera kategorier.

Denna snygga lilla manöver är särskilt användbar när du behöver få något under tröskeln för statistisk signifikans.

Eftersom statistisk signifikans är ett ganska viktigt begrepp inom data och vetenskap, är det en bra idé att förklara hur detta fungerar.

Statistisk signifikans som används i konventionellt medicinskt akademiskt/vetenskapligt språk betyder i grunden att sannolikheten för något som inte beror på slumpmässig slump är mindre än 5%.

If du slår ett mynt 10 gånger, oddsen att få 7 huvuden på grund av en slumpmässig chans är 11.72 % – INTE statistiskt signifikant. Om du slår ett mynt 100 gånger är oddsen att få 70 huvuden på grund av slumpmässiga slumpen små 0.0023 % – MYCKET statistiskt signifikant (för det är mycket mindre än 5%) – vilket betyder att det inte rimligen kan tillskrivas slumpmässig slump, snarare något specifika (som fusk) fick myntet att vända 70 % för huvuden.

Varför är detta? För att få 7/10 behöver du bara två extra myntvändningar för att gå din väg – det går lite av en streak. Små avvikelser som denna kan lätt ske slumpmässigt. Men för att få 70/100 krävs 20 extra myntvändningar för att gå din väg – oddsen att få *20* extra myntslag av totalt endast 100 av en slump är försumbara. Så om vi ser 70 huvuden av 100 vändningar kan vi anta att det pågår någon form av fusk, eftersom det är väldigt osannolikt att det händer av en slump.

Du kan använda detta till din fördel för att dela upp och erövra en statistiskt signifikant signal - du kan dela upp en kategori där det finns en statistiskt signifikant signal för något mot regimens doktrin i mindre kategorier för att bryta upp signalen från en '70/100' till ett gäng '7/10's som individuellt inte är statistiskt signifikanta.

Så om det till exempel finns en signal om att det finns fler dödsfall per 100 XNUMX per år efter Wondrous Glorious Vaccine Campaign, kan du publicera dödsdata uppdelad efter åldersgrupp där ingen åldersgrupp kommer att visa en statistiskt signifikant ökning av dödsfall (och du kan hävda att det förmodligen är överbliven död från "Long Dreaded Disease" från komplikationer av att få den Dreaded Disease):

Varning: Denna speciella taktik bör helst kombineras med något annat; annars skulle folk kunna omvända uppdelningen genom att göra lite enkel aritmetik för att lägga ihop alla åldersgrupper. Så se till att lägga till andra förvirrande knep.

I-6. Omfördela / Rita om kategorier

Ett mer finstämt alternativ till att kombinera kategorier direkt är att omfördela dem – att dra om linjerna så att säga. Detta kan göras med hjälp av vilken egenskap som helst efter vilken kategorier är differentierade.

För att illustrera, om vi återvänder till vårt exempel på det onda illojala tillståndet Death Santistan, istället för att kombinera hela staten till en statsomfattande statistik, kan du i smyg rita om de geografiska gränserna för länen i staten för att få data om Dreaded Disease så här – titta på vad som händer när vi ändrar länsgränserna till de gröna linjerna:

Notera: Detta betyder inte att du bokstavligen måste rita om länen för politiska och andra ändamål som röstdistrikt; allt du gör är att använda olika gränser för det enda syftet med statistik över Dreaded Disease. (Befolkningen kommer dock att anta att du menar de faktiska länen som finns och kommer därför inte att inse att du drog en snabb över dem. Det kallas propaganda av en anledning.)

I-7. Fluid definitioner

Det finns tillfällen då du kan ha det paradoxala behovet av att använda en specifik definition för en sak men måste också undvika den specifika definitionen för något annat. I sådana fall måste du agera som en ordbok – ordböcker har vanligtvis flera distinkta definitioner för ett ord, du kan göra detsamma.

Till exempel definieras ordet "kvinna" ibland som "en vuxen människa som har kvinnliga anatomiska och genetiska egenskaper", som när man diskuterar en kvinnas rätt att välja; och definieras ibland som "en person som identifierar sig som kvinna", till exempel i samband med organiserad sport.

Avsnitt II – Curating Data

Ännu bättre än att använda formbara definitioner är att undvika situationer som kräver att definitionen ändras i första hand.

Det bästa sättet att avvärja sådana problem är att kurera data på ett sätt som undviker att skapa potentiell huvudvärk, genom att använda en eller flera av följande beprövade metoder för att korrupt kapa kurering, organisation och presentation av data.

II-1. Diagnostisera eller identifiera inte något

Om en patient kommer in och lider av flera neurologiska brister efter att ha tagit Glorious Vaccine och skickas hem med ett Xanax-recept för sin "ångest", kommer det inte att generera en diagnos för ett neurologiskt underskott i första hand i någon databas. Ingen diagnos av ett tillstånd som kan ha orsakats av Glorious Vaccine – eller diagnostisk kod i någon stor regerings- eller försäkringsdatabas – innebär att du måste använda definitionsförmåga för att täcka förekomsten av diagnostiserade skador i samband med Härligt vaccin. Därför bör du säkerställa att de personer som är ansvariga för att diagnostisera eller identifiera problematiska eller motsägelsefulla data/observationer av det perfekt säkra och effektiva strålande vaccinet undviker att göra det.

Det är värt att betona här att patienter lätt blir gasbelysta av sina egna läkare att "allt sitter i deras huvud", även när de vet att de har allvarliga, livsförändrande medicinska skador som gör dem handikappade och helt oförmögna att fungera. som de upplever dagligen.

Låt oss illustrera detta med följande hypotetiska scenario:

Regimtjänstemän ser det i de regeringskontrollerade PROPAGANDA Säkerhetsövervakningsdatabas inrättad för att övervaka Glorious Vaccins säkerhet –

– det finns en signal för VAMP-syndrom (Vaccin Aassocierade Metamorfologiska Pfenomen) villkor:

En patient kommer in till läkarmottagningen och presenterar sig med snabb, akut insjuknande Renfields syndrom (törst efter blod), extrem ljuskänslighet, uttalad makrodonti, och svår kontaktdermatit till silver som alla började inom några timmar efter att ha blivit insatt i Glorious Vaccin. Detta är ett uppenbart fall av en VAMP-syndrom biverkning – patientens presentation överensstämmer med de diagnostiska kriterierna för fullfjädrad vampyrism och tillståndet orsakades av Glorious Vaccine (eftersom du läkaren säkert kan utesluta alla andra orsaker plus omedelbarheten av uppkomsten av VAMP-symtom efter att ha blivit knivskuren är en ganska självklar indikator på att Glorious Vaccine orsakade symptomen).

Även om patienten kan se att de uppenbarligen inte har rätt – de känner en överväldigande frestelse att hugga ner på din pulserande halsven, de tål inte att stå framför ett fönster om inte skärmarna är helt stängda, de av misstag biter av sig några bitar av tungan med sina nyligen extra långa och knivskarpa framtänder, och huden börjar flagna om de rör vid familjens silvergods – så vad?? Du kan fortfarande säga till patienten, "Detta är i ditt huvud" och skicka hem dem med ett Xanax-recept (och kanske en påse eller två O-negativt blod om du känner att patienten kanske inte kan kontrollera sig själv mycket längre och du vill inte att din jugular ska ge sin lunch). Och patienten kommer faktiskt bara att acceptera det och gå hem utan större kamp.

Detta undviker på ett snyggt sätt att ens generera någon diagnostisk registrering av VAMP-syndrom, så det finns inget att dyka upp i någon databas någonstans.

Du skulle bli förvånad över hur många läkare som är följsamma till den grad att de kommer att övertyga sig själva om att den pälsiga kvinnan med en svans som växte från ingenstans en timme efter att ha fått det Glorious Vaccine har ingenting alls att göra med Glorious Vaccin.

(Anmärkningar: På fullaste allvar är det viktigt att komma på catchy akronymer eller namn för saker som förmedlar intrycket av hur du vill att folk ska se på saken, så använd inte det här exemplet i verkligheten, för det förmedlar att du inte tar säkerhetsövervakning på allvar, och gör människor mer benägna att tro att du försöker dölja de faktiska säkerhetsproblemen med Glorious Vaccine.)

II-2. Överdiagnostisera eller överidentifiera något

Omvänt, om du behöver göra mer av något än vad som är lättillgängligt, vänd helt enkelt #1. Till exempel, om du behöver människor att vara mer rädda för den fruktade sjukdomen, kan du implementera en masstestning för att öka antalet "bekräftade" fall av den fruktade sjukdomen. Se också till att använda tester som ger mycket höga positiva resultat, oavsett om de är sanna eller inte.

Genom att öka övervakningen eller testa för något kan du generera sken av ökande antal av vad du än testar för, eller åtminstone behålla fasaden som den fortfarande finns kvar. Betrakta följande illustration från det gamla goda USA av A - du kan se på det översta diagrammet att när antalet dagliga Covid-tester ökade, samtidigt som andelen tester som var positiva sjönk mer än 75% (nedre diagrammet ). Vad detta lyckades göra var att hålla fallsiffrorna relativt höga (mittdiagrammet), så även när andelen tester som var positiva sjönk >75 %, minskade antalet nya fall bara med cirka 25 % under samma tidsperiod.

Den meningslösa ökningen av det obearbetade antalet fall som helt och hållet var en funktion av fler tester resulterade ändå i rubriker som denna stora NBC panikporr som publicerades den 11 juni 2020:

Kom ihåg: du hittar det du letar efter, och du hittar mer av det du letar efter mer.

II-3. Rapportera inte vad som är diagnostiserat eller identifierat

Ibland är det inte möjligt att undvika att diagnostisera eller identifiera något som bäst lämnas oupptäckt. I ett sådant fall kan du åtminstone se till att det som observerades inte ingår i officiella rapporter eller data:

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

På en mer individualiserad nivå bör du ge vägledning till läkare, medicinsk personal och administrativ personal på plats att INTE diagnostisera saker som du inte vill ska visas i datauppsättningar. Tveka inte att använda ekonomiska incitament för att söta potten för lojala regim-kompatibla läkare. Var inte snål här – förebyggande åtgärder är nästan alltid billigare (och mindre stressande) än att åtgärda problem efter att de redan har uppstått.

Även i de sällsynta fall där en läkare inte kan undvika att diagnostisera en patient med ett allvarligt tillstånd som inträffade direkt efter att ha tagit Glorious Vaccine, kan läkaren fortfarande se till att undvika att rapportera biverkningen till någon databas med Glorious Vaccine-skador.

Alternativt, om regimdatabasen för att dokumentera skador från Glorious Vaccine på något sätt fortfarande innehåller för många problematiska rapporter där den tvivlar på dess säkerhet, finns det två saker du måste göra.

Den första är att stranda några av databasadministratörerna längs sträckan av Somalias kustlinje där piraterna umgås så att resten av dem tar sig samman och slutar släppa igenom så många rapporter. Du betalar dem för att göra ett jobb, vilket är att upprätthålla allmänhetens uppfattning att Glorious Vaccine är den säkraste drogprodukten som någonsin uppfunnits; misslyckande är inte acceptabelt.

Det andra är att INTE offentliggöra de problematiska rapporterna i databasen. CDC gjorde sitt bästa, men besegrades till slut av en oseriös domare (vilket betonar behovet av att ha kontroll över rättsväsendet också):

II-4. Tillåt inte undersökning av fenomen om fynden kan orsaka problem

Baksidan av "Du hittar vad du letar efter" är att "Du kommer inte att hitta det du inte letar efter", så se till att ingen letar efter potentiella signaler om något som kan vara problematiskt för regimberättelsen . Om, säg, regimen "av misstag" släpper lös en pest i en stad i tredje världen, kan du inte få irriterande konspirationsteoretiker på sociala medier att ta reda på vad som hände, så det är bäst att se till att ingen obducerar eller testar sjuka individer.

CDC erbjuder ytterligare en illustration av bra förebyggande strategiskt tänkande för att hålla ute data som kan vara skadliga för regimen:

CDC har mycket smart också ännu inte beställt en enda obduktion av de tusentals och tusentals dödsfall som rapporterats i CDC:s egen VAERS-vaccinsäkerhetsövervakningsdatabas. (Kommer du ihåg avsnittet om att lägga till absurda villkor till definitioner från avsnitt I? Om du inte gör det är det bäst att du granskar materialet så att du har det till hands.)

II-5. Publicera endast en del av data först

Ofta nog, helt enkelt genom att publicera en del av data och utelämna den andra delen för senare, kan du skapa ett falskt narrativ som slår rot. Så när du äntligen publicerar resten av datan spelar det ingen roll att det strider mot grunden för det som nu blivit vedertaget dogm.

Till exempel, om du behöver framställa den fruktade sjukdomen som mer utbredd än den faktiskt är, kan du följa ledningen av Virginias spetspropagandister och hålla inne några av de negativa testresultaten ett tag för att höja procentandelen testresultat som är positiva – vilket gör att det verkar som att fler människor är sjuka i den fruktade sjukdomen:

Källa: 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/

Ett annat scenario där du kan använda tekniken för partiell datapublicering med stor effekt är där du ser dig själv tvingad att släppa data av någon anledning som kommer att få regimen att se riktigt dålig ut (det händer). Så du vill skjuta upp utgivningen av de riktigt skadliga sakerna så länge som möjligt – om du väntar tillräckligt länge kommer det så småningom att upphöra att vara relevant. Dessutom, om du dumpar allt på en gång, kommer chockfaktorn att bli enorm och du kommer att ha en stor röra på dina händer. Men om du släpper informationen dropp-dropp-dropp, när de skandalösa bitarna släpps, har "wow"-chockfaktorn redan för länge sedan försvunnit, och folk kommer inte att ägna lika mycket uppmärksamhet längre. Denna taktik försöktes av FDA, även om den mestadels omintetgjordes av den oseriösa domaren (vilket betonar det kritiska behovet av rättslig kontroll för att förhindra avhoppade domare från att göra skurk mot regimen):

II-6. Begränsa acceptabla data- eller informationskällor

När det finns källor som genererar data som inte överensstämmer med regimens berättelse (det kommer att hända då och då trots dina bästa ansträngningar), misskreditera dem helt enkelt som propaganda eller något annat otroligt och farligt, som ryska bots. (Som en allmän tumregel kan du alltid som standard skylla på eller tillskriva all obekväm information till "rysk desinformation" i ett nafs.)

Bilaga A för denna taktik skulle vara VAERS-databasen som drivs av CDC. När VAERS visade ett helt vansinnigt antal vaccinskador av Covid-vaccinet -

– Hela den vetenskapliga etablissemanget märkte helt enkelt VAERS som en konspirationsteori som används för att sprida farlig desinformation:

Men om dessa data kommer från regimdatauppsättningar som är för svåra att helt enkelt avfärda som ovetenskapligt skräp (yup, det händer), då sluta publicera dem och istället misskreditera dem som dåligt konstruerade och fulla av ödesdigra misstag.

Vi kan använda UKHSA för att illustrera denna princip. Efter att den råa vaccinets effektivitet sjönk långt in i negativt territorium för nästan alla åldersgrupper (som hos vaccinerade personer som löpte HÖGRE risk att insjukna i Covid jämfört med ovaccinerade personer), slutade UKHSA helt enkelt att publicera veckovisa vaccineffektivitetsdata:

UKHSA erbjuder också en varnande berättelse för vad som händer när du väntar för länge med att dra ur kontakten på problematiska datamängder:

Du kan inte ha sådana här rubriker varje vecka!! De borde ha dragit ur kontakten på denna datamängd vaaaay innan de vaccinerade började få Covid mer än de ovaccinerade. Detta är ett otvunget misstag, den sortens idiotiskt misstag som huvuden rullar för, bokstavligen. Varför i hela friden väntade de tills *booster*-effekten för 80-åringarna var på väg att bli negativ???? Någon på UKHSA har inte läst den här boken på ett tag, som helt klart skulle ha haft nytta av lite granskning. . .

II-7. Använd dubbelmoral när du avgör vilken information som är rigorös och trovärdig

Vissa propagandister kan vara tveksamma till att vara naket hycklande, eftersom de känner sig avslöjade genom att öppet postulera två oförsonliga normer som även vissa vanliga bönder kan lägga märke till. Du måste dock bekämpa denna drift. Förstå att användningen av dubbelmoral exponentiellt ökar dina möjligheter när det gäller att skapa samtalspunkter och positioner för att belysa allmänheten.

Detta gäller särskilt när det kommer till anekdoter. Anekdoter som stöder regimens diskussionspunkter, särskilt de från regimen godkända källor, bör behandlas som den högsta formen av bevis; medan anekdoter från kätterska eller ej godkända källor som motsäger regimpropaganda måste fördömas som enbart anekdotiska och har noll bevisvärde som inte räknas för någonting alls.

Så anekdoter från regimkompatibla läkare och lojala medborgare i den fruktade sjukdomen som dödar och lemlästar människor är oöverträffade bevis, men anekdoter om skador eller dödsfall på grund av Glorious Vaccine är inget annat än slumpmässiga sammanträffanden om inte direkta påhitt, drivna av vidriga charlataner i ordning att förtala regimen och äventyra alla goda människor överallt som bara vill hålla sig vid liv och friska:

Att öppet använda dubbelmoral har också den extra avgörande fördelen att betinga befolkningen att den verkliga standarden för att avgöra om data eller information är tillförlitlig helt enkelt är vad regimen säger.

II-8. Korrupta data för att skydda eller stärka din berättelse

Ibland är den enklaste taktiken för att undvika problematisk data helt enkelt att uppfinna falska data. Du kan tillverka något av helt tyg. Eller så kan du ta ett mer nyanserat tillvägagångssätt och korrumpera data genom att introducera subtila brister eller fördomar som är svårare för den genomsnittliga personen att lägga märke till. Det finns oändliga sätt att tillverka eller förfalska data, alldeles för många för att räkna upp här. Se bara till att förfalska data på ett sätt som inte är lätt att upptäcka eller omvända.

För att till exempel återgå till vår tidigare hypotetiska situation där du behöver att befolkningen ska tro att det finns många fler fall av en fruktad sjukdom än vad det faktiskt är, ett annat sätt du kan framställa den fruktade sjukdomen som vanligare är att kombinera antalet människor för närvarande sjuka med antalet personer som redan är återställda. CDC gjorde faktiskt exakt detta när de kombinerade antikroppstester (som mäter antalet personer som redan tillfrisknat från Covid) med PCR-tester (som mäter antalet för närvarande sjuka personer) till ett mått på "positivt Covid-testresultat", smygt inklusive alla som redan blivit sjuka för tillfället:

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

Lägg märke till de understrukna meningarna ovan, de är ganska avslöjande.

Den gröna understrukna meningen – "CDC:s metod får det att verka som att USA har större kapacitet att testa än vad det egentligen har” – observera hur CDC på ett briljant sätt lyckades bråka flera propagandakakor ur denna enda manöver. De skapade inte bara hägringen av mycket högre andelar aktivt infekterade människor; de skapade också hägringen att regeringen hade en mycket större kapacitet att testa människor för viruset än vad regeringen faktiskt hade. (Det är bra att stoltsera med exempel på regeringskompetens med tanke på att regeringens legendariska rykte om häpnadsväckande inkompetens är en av de mest notoriskt svåra uppfattningarna att stöta tillbaka på som folk har om regeringen.) En skarp propagandist är alltid ute efter att utnyttja ytterligare vinklar för fördelar istället. att vara nöjd med att den utplacerade propagandataktiken uppnådde sitt primära avsedda mål.

Den röd understrukna meningen - "Siffrorna kan få det att verka som att stater har tillräckligt med testkapacitet och är redo att häva restriktioner, när så kanske inte är fallet" (och egentligen de två sista styckena) - erbjuder en klok lektion om att kväva potentiella taggar i sin linda. Du måste alltid – alltid!! – var vaksam för att avvärja *alla* potentiella implikationer eller snabba grepp om information som även om den generellt stöder regimen, också innehåller något som kan vridas för att undergräva någon annan aspekt av den officiella regimens berättelse. I princip kan du ha din tårta OCH äta den också! Uppskatta här hur den citerade regimforskaren skickligt lyckas (1) uttrycka godkännande av den ökade testkapaciteten som ett mått på regimens extraordinära kompetens; (2) lägger skulden för den [avsiktliga] "olyckan" på det oliktänkande politiska partiet; och (3) varnar för att även om staten gör ett så fantastiskt jobb med att göra tester allmänt tillgängliga, betyder det inte att det är säkert att öppna igen! Kom ihåg att det finns en pandemi att upprätthålla, vilket den här regimforskaren sakkunnigt gör. (Se till att belöna regimforskare för enastående arbete som detta. Det kommer att uppmuntra resten av dem att öka sitt spel och det är bra för moralen.)

Observera också att media är en kritisk regimallierad utan vilken du kommer att misslyckas. Så gör vad du måste göra för att upprätthålla de mysiga relationerna – börja inte tjata här.

II-9. Ta bort problematiska data

Japp. Som Bleach Bit-ing Hillarys mejl. Det är bra att då och då rensa databaser från data som inte överensstämmer med regimens berättelser eller ståndpunkter; annars kan det ackumuleras till en urskiljbar trend som kan uppmärksammas av regimmotståndare eller desinformationsspridare.

Så om till exempel säkerhetsdatabasen för Glorious Vaccine innehåller för många rapporter, radera dem helt enkelt, som CDC gör, vilket illustreras av tabellen nedan som visar antalet problematiska VAERS-rapporter som raderas av CDC varje vecka:

Lägg märke till i det här fallet att CDC:s VAERS-arbetare underpresterade under större delen av tiden – du kan inte tillåta kritisk personal att slappna av. Hela det här diagrammet bör visa staplar upp till toppen – det finns ingen giltig anledning till varför de inte kunde ha raderat många VAERS-rapporter i augusti 2021 som de gjorde under april och maj 2022. Om du måste anställa extra personal för att hantera raderingsrapporter, gör det.

Dessutom, varför lät dessa slackers så många rapporter samlas i första hand?? Det borde inte ens finnas tillräckligt många rapporter i en sådan databas till att börja med där det då skulle finnas behov av veckovisa massutrensningar av nämnda rapporter.

Den kanske viktigaste lärdomen av hela boken är denna: De tråkiga, tråkiga logistiska detaljerna med att sprida och upprätthålla propaganda är lika kritiska som en storslagen stor lögn eller hisnande språklig gymnastik.

Du kanske måste vara kreativ för att komma med en motivering eller förklaring till detta om folk kommer på att det saknas data, så se till att ha samtalspunkter förberedda i förväg för säkerhets skull.

Ett annat bra exempel på slug dataradering i aktion är följande briljanta utvisning som den australiensiska regeringen genomförde för att eliminera obekväm klimatdata som visar värmerekord som hände för många år sedan för att kunna skyllas på mänskliga koldioxidutsläpp:

Tyvärr blev de avbrutna, vilket ibland är oundvikligt när du försöker ta bort något riktigt viktigt och märkbart. Det är därför det är absolut nödvändigt att ha ett Gulag-system redo och vänta dygnet runt för att hantera en plötslig ökning av nya interner med ett ögonblicks varsel (som Australiens karantänläger).

II-10. Skapa falska data som verkar avslöja din egen berättelse för att lura och misskreditera oppositionen

När du konfronteras med ett ihållande informationshot som är frätande för dina propagandaansträngningar, är detta en briljant listig taktik för att avlöva dem från deras auktoritet, trovärdighet och inflytande. Helt enkelt lägga ut falska uppgifter som ytligt tycks avfärda regimens berättelse, men som lätt motbevisas. Statens galna fiender kommer utan tvekan att ta tag i denna falska information eller data, och kommer därför att bli misskrediterade när du visar att de föll för de nu uppenbart löjliga påståendena.

Som till exempel vad militären gjorde med sin egen interna databas över alla medicinska tillstånd för hela militären som heter DMED. De sådde den medvetet med falska data som såg ut som en total OMG!!!!!!!! ögonblick som visade oheliga massiva ökningar av alla möjliga medicinska tillstånd som cancer, graviditetsförlust och andra associerade med de heliga Covid-vaccinerna. Sedan när några heroiska militärläkare hittade DMED-data, föll de för det kroklina och sänke... vilket dödade hela historien. (För en fullständig detaljerad tidslinje och förklaring av detta, kolla här.)

II-11. Använd bilder, memer eller andra typer av media för att ljuga djärvt och djärvt

Mycket av allmänhetens uppfattning om vetenskapen eller data beror på den visuella presentationen av vetenskapen eller data – en bra meme eller bild kan effektivt kommunicera helt falska data på ett sätt som lämnar människor med övertygelsen om att den falska informationen är absolut 100 % sann .

Till exempel, om du vill framställa att frekvensen och svårighetsgraden av myokardit orsakad av den fruktade sjukdomen är dramatiskt värre än frekvensen och svårighetsgraden av myokardit orsakad av Glorious Vaccine även om raka motsatsen är sann, kan du skapa en kraftfull bild så här:

Nu kommer människor instinktivt att associera "Dreaded Disease Myocarditis" med en massiv svampmolnapokalyps vs myokardit från Glorious Vaccine som ett litet nålstick som inte ens syns på diagrammet.

II-12. Skapa datavisualiseringar som ger en felaktig bild av data

Ibland kan du inte låta bli att publicera data som är riktigt, riktigt dålig (för regimen eller Science™️). Men som tur är för dig är de flesta människor (och akademiker) ytliga idioter som är för lata för att läsa ord som skrivs ut bredvid ett diagram eller en graf. Så du kan på ett listigt sätt skildra data i ett visualiseringsschema som förvränger eller döljer vad data säger.

Låt oss illustrera med hjälp av ett exempel från den största av Science™️-tidskrifterna – den Lansetten. De Lansettenpublicerade en studie som uppskattar antalet dödsfall orsakade av extrem kyla och extrem värme runt om i världen varje år. Eftersom regeringar runt om i världen vill behålla fiktionen om att den globala uppvärmningen är en dödlig fara för mänskligheten, behövde de visa att dödsfall orsakade av värme var fler än dödsfall orsakade av kyla. De måste åtminstone vara lika. Alltså när Lansetten upptäckte att kalla dödsfall var fler än värmedödsfall med 10 till 1 marginal (bokstavligen), de var tvungna att komma på ett sätt att skapa ett diagram som maskerade det obekväma lilla faktum. Vilket resulterade i diagrammet nedan på vänster sida:

De blå staplarna visar dödsfall från kyla, de röda staplarna visar dödsfall från värme. Ju större ribban, desto fler dödsfall. Så de behövde göra de röda staplarna lika stora som de blå staplarna. Så de använde ett listigt litet trick – om du tittar på de lila understrukna siffrorna som översätter stapelns storlek till ett specifikt antal dödsfall, kommer du att se att för de blå staplarna (kalldödsfall) representerar varje tum av stapeln 50 dödsfall, men för de röda staplarna (värmedödsfall) representerar varje tum av stapeln endast 10 dödsfall. Således representerar samma storleksstapel 5 gånger antalet dödsfall för kalla dödsfall som för värmedödar, även om de ser likadana ut. Men folk är inte uppmärksamma och kommer bara att säga "Åh, de ser ungefär likadana ut så det måste finnas en ungefär lika stor andel värmedödar som kalla dödsfall." (Och de försökte till och med smyga in ett gigantiskt intervall i slutet där den sista tum av röda staplar representerar 210 dödsfall istället för bara 10 (orange pil).)

Hade de skapat ett ärligt diagram som använde samma skala för både kölddödar och värmedödar, skulle det se ut som diagrammet till höger. Saken är att en blick på det diagrammet ger dig det tydliga intrycket av att extrem kyla är ett mycket större hot än extrem värme, vilket kan leda till några obekväma frågor om huruvida kanske lite av den globala uppvärmningen faktiskt skulle vara fördelaktigt för mänskligheten.

Anmärkningar: När du använder den här taktiken, försök att vara mer subtil och diskret än Lancet, där det var mycket lätt för även en lekman att upptäcka läskigheten.

Rigga VETENSKAPEN

"För detta ändamål började Lysenko "utbilda" sovjetiska grödor att gro vid olika tider på året genom att blötlägga dem i iskallt vatten, bland annat. Han hävdade sedan att framtida generationer av grödor skulle komma ihåg dessa miljösignaler och, även utan att bli behandlade själva, skulle ärva de fördelaktiga egenskaperna."1

Att rigga vetenskapen är inget nytt. Lyckligtvis för propagandisten är vetenskap väldigt lätt att manipulera efter behag om du är regimen. Se bara på Trofim Lysenkos prestationer när han fick stöd av kamrat Stalin. Följande avsnitt kommer att beskriva vad du behöver göra för att framgångsrikt rigga Vetenskapen för att stödja regimens berättelse och mål.

En perfekt illustration av ett samlat och effektivt företag av Science-rigging är Big Pharmas väloljade propagandamaskin. En grupp avhoppade forskare konspirerade tillsammans för att formulera exakt hur Big Pharma kontrollerar och manipulerar vetenskap och data efter behag:

Uppenbarligen det faktum att den här artikeln är fortfarande tillgänglig för allmänheten är ett häpnadsväckande misslyckande för regimens censorer. I ett land med en fungerande regering skulle alla upphovsmän till en sådan djärv attack mot regimen (och censorer som misslyckades med att stoppa den från att publiceras och/eller inte tog ner den) deporteras till Nordpolen i går.

Sidebar: Dessa författare beskriver exakt hur vi korrumperar vetenskapen för att passa regimens agenda. Artiklar som dessa, även om de uppenbarligen inte kan tillåtas att spridas offentligt, är helt acceptabla att sprida bland regimpropagandister för att bättre förstå hur man effektivt propaganderar.

Viktigt att notera är också att läkemedelsföretag – "Big Pharma" – vanligtvis kommer att följa regimen, men om ett läkemedelsföretag blir "mindre" kompatibelt bör du naturligtvis åtala dem för deras vidriga bedrägerier. Se också till att bötfälla lojala läkemedelsföretag stora pengar med några års mellanrum så att befolkningen tror att regimen har ett kontradiktoriskt förhållande till Big Pharma och därför är mindre benägna att inse att regimen och Pharma står i led. Några miljarder är ingen stor sak för deras balansräkningar.

Avsnitt III – Granskning av vilka data som anses vara officiell vetenskap

Var selektiv om vilka data som ingår i Official Science. Information som har imprimaturen att vara Vetenskaplig information väger mycket mer tyngd och trovärdighet hos befolkningen, även de som vägrar att följa regimens berättelse (ingen vill ses som "antivetenskap" - det är nästan lika illa som att vara en rasistiska i det moderna samhället).

III-1. Publicera inte problematiska studier, och dra tillbaka dem om de publiceras

Det säkraste sättet att förhindra officiell vetenskaplig forskning från att ta ner en regimberättelse är att beröva den dess officiellitet. (Då gömmer du det där ingen kan komma åt det och hävdar att sedan det drogs tillbaka, vilket visar att det hela tiden var falskt bedrägligt skräpvetenskap som drivits av korrupta antivetenskapliga kättare som vill bli rika på att sälja konstiga vitamintillsatser.)

Du måste dock se till att agera snabbt, för om du väntar för länge kan kopior av icke godkänd vetenskap cirkulera i hemlighet bland icke-troende eller kättare mot regimen och få nästan mytisk status. Och när en studie väl har förankrats i människors upplevelser som en "riktig studie", får om man drar tillbaka den dem bara att tro att du är desperat att dölja "sanningen".

Ta en titt på alla dessa härliga tillbakadraganden av studier som var skadliga för regimberättelsen under Covid (detta är bara första sidan av 36):

Källa: https://coronacentral.ai/retractions

Föreställ dig hur mycket (mer) skada dessa oseriösa studier kunde ha gjort om de hade fått vara kvar och inte dragits tillbaka!

Föreställ dig också hur många fler studier som aldrig såg dagens ljus i första hand, eftersom dessa bara representerar en liten del av kättersk forskning (eller Good Science som av misstag hittat kätterska resultat).

III-2. Cherry-Pick vilka delar av en datauppsättning som representerar "officiell vetenskap"

Det är häpnadsväckande hur drastiskt du kan förändra Vetenskapen genom att helt enkelt använda utvalda delar av en datauppsättning som stärker regimberättelsen samtidigt som du förkastar (eller ännu bättre, döljer) de delar av datauppsättningen som inte är synkroniserade med regimens positioner.

Låt oss till exempel anta att vi ser följande två trender i regimens PROPAGANDA säkerhetsövervakningsdatabas för Glorious Vaccine.

(Tyvärr måste man låtsas övervaka säkerheten för att lugna nervösa medborgare som känner sig nervösa inför något nytt, och även för att ha ett färdigt svar på potentiella kritiker och desinformationsspridare som kommer att försöka anklaga regimen för att dölja problematisk säkerhetsdata . Och du måste låtsas ta detta på VÄLDIGT stort allvar.)

Låt oss i alla fall anta att det finns 26,878 2 rapporter om säkra och effektiva förvandlingar till köttätande zombier per miljon doser av Glorious Vaccine som administreras, men bara XNUMX rapporter om vaccinerade människor som dödas av köttätande bakterier direkt efter att de vaccinerats, så här:

Du kan inte precis få det här att komma ut i den offentliga diskursen, vilket kommer att uppmuntra vaccinationstveksamhet och få människor att tvivla på regimberättelsen i allmänhet, även om andra saker. Men du måste också visa att PROPAGANDA-databasen visar att antalet potentiella Glorious Vaccine-skador är försumbara. (Se till att understryka när du hänvisar till säkerhetsdatabasen att dessa rapporter inte bekräftas att Glorious Vaccine var orsaken, bara en potentiell association.)

Lösningen här är ganska enkel – använd bara data som visar att det bara finns två rapporter om att någon smittats med skrämmande köttätande bakterier på grund av det härliga vaccinet per 2 100,000 doser. De 26,878 100,000 rapporterna per XNUMX XNUMX doser av säkra och effektiva köttätande zombietransformationer ska dock ignoreras offentligt så mycket som möjligt, och när du inte kan undvika att ignorera det måste du fördöma det som oövervakade ovetenskapliga och därför meningslösa rapporter som därför är obetydliga. Och se till att kritisera media för att de vågar fråga dig om det. (Helst borde du konspirera med en lojal regimjournalist om att han ska vara den som frågar om det, så att det kan tas upp på ett avvisande sätt som, "Vissa utkantsmänniskor försöker hävda att det härliga vaccinet orsakar tiotals tusentals sensationella skador, kan du förklara hur de förvränger rapporterna i PROPAGANDA-databasen?”)

Använd heller aldrig ordet "skrämmande" i en situation där du försöker lugna ner folk. Aldrig. Även om det du beskriver objektivt sett är skrämmande. När du beskriver något som till sin natur är skrämmande, använd istället stora, akademiska vetenskapsklingande ord. Så "köttätande bakterier" kan beskrivas som en "nekrotiserande fasciit", något som ingen har någon aning om vad det betyder (och de flesta är för lata för att ens Googla det för att ta reda på det). Den har till och med två 'i' i sig, vilket gör att det låter imponerande på ett intellektuellt sätt, som att det praktiskt taget är ett privilegium att bli dödad av något så sofistikerat:

Det är inte så komplicerat; du kommer att få kläm på det på nolltid. (Och om du inte gör det, kommer du förmodligen inte att vara kvar så mycket längre ändå.)

Anmärkningar: När du har en situation där en regimstödd eller påbjuden produkt är farlig – **vilket kommer att vara ofta** – måste du se till att du inte faller för din egen propaganda; annars kan du mycket väl hamna i nästa säkra och effektiva zombie som dessa fyra amerikanska senatorer:

III-3. Fördröjda rapporteringsdata

Ett mer subtilt sätt att kontrollera vilka data som ingår i den officiella vetenskapen är att oärligt rapportera data eller information. Att strategiskt tajma rapporteringen av olika delmängder av data är ett enkelt men kraftfullt effektivt sätt att manipulera vetenskapliga data. (Oroa dig inte för att förstå hur detta fungerar, bara vet att det gör det, och anlita kompetenta statistiker som kan ta reda på hur du bäst implementerar detta.) Många beräkningar är beroende av tidpunkten för de rapporterade uppgifterna, och du kan därför kontrollera vad data visas genom att försiktigt släppa olika delar av datan vid optimal tidpunkt.

Till exempel kan en en veckas försening i rapporteringen av dödsfall kan radikalt förändra den skenbara effekten eller säkerheten för en medicinsk intervention – bokstavligen, genom att skjuta upp rapporteringen av dödsfall med en vecka, kan du få något som har noll effekt att se ut som om det är 95 % effektivt. (Du kan följa länken för mer information, men just denna taktik är lite för komplex för en Idiot's Guide, och att inkludera en djupgående beskrivning här kan få annars spirande propagandister med en lysande framtid framför sig att bli deprimerade och tvivla på deras egna förmågor om de inte kan följa förklaringen, vilket kan leda till att de slutar, vilket verkligen skulle vara en tragedi.)

Avsnitt IV – Hur man riggar en studie

Den kanske mest avgörande kompetensuppsättningen som krävs för att manipulera Science är förmågan att designa och manipulera en studie för att uppnå de nödvändiga resultaten.

[Notera: själva riggningen av studier kommer alltid att göras av experter som driver studier för sitt uppehälle (kallade PI:s eller Principal Investigators). Så du behöver verkligen inte vara flytande i det här. Men det är ändå bra att ha ett anständigt grepp om grunderna.]

Studier – särskilt de stora fancy som vanligtvis anses vara "guldstandarden" för Science™️ – är enormt komplexa bestar som kan manipuleras på otaliga sätt. Vi kommer att förklara de mer framträdande och enkla typerna av bedrägerier, manipulationer och designbrister som kan utnyttjas för att göra studien till en marionett i dina händer att rycka runt efter behag.

[Notera: – Det finns många grader av sofistikering när du implementerar någon av följande manipulationer. Vi kommer bara att förklara och illustrera de underliggande koncepten med hjälp av den enkla och enkla tillämpningen av principerna, utan att lägga till några snygga utsmyckningar och grannlåt. Målet här är att du ska förstå de olika typerna och sätten att manipulera data. Du kan utbilda dig i de mer avancerade metoderna efteråt (något som givetvis rekommenderas starkt).

IV-1. Study Rigging Tactic #1: Rig the Design of Study Protocols

Det mesta av materialet som är relevant för det här avsnittet är också relevant för nästa avsnitt som handlar om att sabotera implementeringen av studieprotokollen, så vi kommer bara här att ta upp den taktik som är unik för att rigga utformningen av själva protokollen.

Studieprotokoll är i grunden som en regelbok som dikterar hur studien ska göras. Så se till att skriva regler som gynnar det resultat du behöver få.

A) Stapla däcket – tilldela studieämnen strategiskt till respektive studie- och kontrollgrupper

Nästan alla stora specialstudier har två grupper – studiegruppen och kontrollgruppen. I en studie för ett nytt läkemedel får studiegruppen medicinen, och kontrollgruppen inte. I teorin, om medicinen fungerar, så borde det finnas fler sjuka personer i kontrollgruppen än i studiegruppen.

Så om du kör en studie för att testa en ny regim Wunder-drog, kan du utnyttja detta genom att sätta fler ohälsosamma personer i kontrollgruppen än i studiegruppen så att studiegruppen kommer att klara sig bättre även om regimdrogen inte gör det. arbete. (Du ska naturligtvis inte erkänna att du gör detta eller någon annan av dessa taktiska sken i studiedokumentationen.)

B) Veta noggrant försökspersoner som ska inkluderas i studien

Mycket huvudvärk kan undvikas helt enkelt genom att hålla ute människor som sannolikt kommer att förstöra dina resultat på något sätt.

Om du till exempel testar ett nytt läkemedel som du vill bevisa är säkert och effektivt, håll undan personer som är särskilt benägna att drabbas av dåliga reaktioner eller ineffektivitet. Du förstår idén. (Som att de inte inkluderade några gamla samsjukliga personer i Covid-vaccinförsöken, vilket skulle ha avslöjat den "99% effektiva" canarden.)

IV-2. Studera riggningstaktik #2: Sabotera genomförandet av studieprotokollen

Ofta nog kommer du inte att kunna rigga själva studieprotokollen direkt för att producera dina önskade resultat. I sådana fall måste du istället sabotera implementeringen eller efterlevnaden av de officiella studieprotokollen. Detta är ganska enkelt att göra, och det finns bokstavligen oändliga sätt att åstadkomma detta.

Notera: Det är klokt att ha din logistik planerad i förväg, för att undvika en mängd olika problem och stressiga situationer som kan dyka upp i en stor studie som involverar tusentals ämnen och personal. Om du till exempel vill "visa" att en särskilt irriterande drog faktiskt är dödlig, bör du ha kroppspåsar till hands för att snabbt ta bort kroppar från offentliga platser och en kremeringsanläggning på jour 24-7 för att förstöra alla oönskade kriminaltekniska eller patologiska bevis som lik kan innehålla.)

Protokoll Sabotage #1: Administrering av studiebehandlingen/interventionen [till studiegruppen]

Folk tror att det är okomplicerat och okomplicerat att ge studieämnen en drog. De har fel. Väldigt väldigt fel. Du kan ofta kontrollera hela studien genom att subtilt justera hur behandlingen administreras till försökspersonerna, inklusive följande:

  • Dosering/mängd intervention – Du kan under- eller överdosera ett läkemedel beroende på vad du siktar på. Om du vill att läkemedlet ska se ineffektivt ut kommer underdosering att säkerställa att det inte fungerar. Om du vill visa att drogen är farlig är det bara att öka dosen till mycket giftiga nivåer.
  • Tidpunkt för behandlingsadministration – Ett annat sätt att sabotera ett läkemedel är att ge det till patienter för tidigt eller för sent för att vara effektivt. Det finns många olika grepp du kan välja för att åstadkomma detta. Till exempel kan du skicka läkemedlet till patienter via posten, vilket oundvikligen kommer att lägga till några dagar till tidtabellen (en David Boulware Ivermectin-special).
  • Produktens kvalitet – dvs renhet/styrka – En kontaminerad eller dåligt tillverkad produkt kommer inte att fungera på samma sätt som en ren produkt tillverkad med högkvalitativa ingredienser och fullständig trohet mot den ideala tillverkningsmetoden.

(Notera: Du bör ALLTID utföra off-the-record prekliniska studier på djur – och människor – för att förstå hur olika versioner av läkemedlet eller interventionen kommer att fungera INNAN du använder kontaminerade versioner i en studie (utöver de officiella prekliniska studierna på normal formulering av läkemedlet); annars riskerar du att av misstag sabotera dina egna sabotageförsök. Kom ihåg att poängen med att genomföra studien är att visa ett förutbestämt resultat, inte upptäcka några nya vetenskapliga insikter! Osäkerhet eller oförutsägbarhet om vad läkemedlet eller interventionen du studerar kommer att göra i verkligheten är Kryptonite till framgångsrik studierigging. Eller åtminstone kommer att ge dig några riktigt dåliga migrän medan du kämpar för att navigera i labyrinten av faror och obekväma data från din nu extremt röriga studie.)

  • Använd koksaltlösning eller placebo istället för interventionen – Ett annat sätt att minimera riskerna med regimens valda ingrepp är att ge placebo istället för behandlingen, så att det blir mindre exponering för ingreppets toxicitet. Självklart måste du också se till att användning av saltlösning inte har den oönskade bieffekten att visa att ditt läkemedel inte fungerar, så denna taktik används vanligtvis i samband med andra protokollmanipulationer eller otroheter.
  • Mixa och matcha – Du kan alltid mixa och matcha inom något av dessa förslag. Till exempel kan du ge några av behandlingsobjekten en annan produkt. Du kan också använda mer än ett av dessa förslag i kombination så att du täcker olika delar av studiegruppen med olika förslag, vilket kan göra det svårare för utomstående att upptäcka protokollöverträdelserna.

Protokoll Sabotage #2: Administration av placebo [till studiegruppen]

Detta är i huvudsak baksidan av föregående avsnitt. Det finns några specifika taktiker som är lite unika när de tillämpas på placebo:

  • Ge kontroll-/placebogruppen interventionen – Ett sätt att garantera att en studie inte visar någon effekt för en behandling är att även ge kontrollgruppen behandlingen. Om båda grupperna får behandlingen blir det ingen skillnad mellan dem, vilket visar att behandlingsgruppen klarade sig bättre på grund av behandlingen.
    Den enklare men mer riskfyllda metoden att göra detta är att låta studiepersonalen direkt ge läkemedlet till kontrollgruppen som maskerar sig som placebo. (Detta är lätt nog, eftersom placebo ska se ut, känna, smaka och lukta identiskt med behandlingen för att förhindra att kontrollgruppens försökspersoner kommer på att de inte fick läkemedlet.)

Den svårare men mindre riskfyllda metoden är att knuffa kontrollgruppens försökspersoner att få behandlingen utanför studien. Du kan till exempel använda ett placebo som skiljer sig markant från läkemedlet. Eftersom försökspersonerna enkelt kan upptäcka via Google att det inte är så läkemedlet ska se ut, lukta eller smaka, kommer de att försöka skaffa den faktiska drogen vid sidan om eftersom de inte vill dö eller lida av försvagande komplikationer från vilken sjukdom eller tillstånd läkemedlet än används för att behandla.

Alternativt kan du välja att genomföra studien på en plats där befolkningen redan har stor exponering för behandlingen som studeras, så att poolen av försökspersoner kommer att vara ordentligt kontaminerad med personer som redan använder eller åtminstone har tillgång till läkemedlet.

(Tänk bara på att den här taktiken riskerar att bli uppmärksammad av irriterande oliktänkande antivetenskapliga kättare, eftersom det kommer att vara en offentlig notering att det fanns en utbredd medvetenhet och/eller användning av läkemedlet där studien genomfördes.)

  • Spike placebo – Om du inte vill ha en inert placebo kan du spetsa den med något lite mer "livligt" som kan framkalla biverkningar och/eller en terapeutisk effekt.

En specifik metod är att använda komponenter i behandlingen för att öka placebo. Detta kan vara särskilt användbart för att dölja problematiska biverkningar av en behandling som orsakas av andra ingredienser eller komponenter förutom den aktiva behandlingsingrediensen – om du lägger dem i placebo kommer båda grupperna att få liknande biverkningar.

(Anmärkningar: Tänk på att om biverkningarna är för uttalade kan det att helt enkelt placera de toxiska komponenterna i behandlingen i placebo väcka frågor om människor märker att frekvensen av de specifika biverkningarna är mycket högre i studiens kontrollgrupp än de är i. den allmänna befolkningen.)

Protokollsabotage #3: Uppmuntra studiepersonerna att ändra sitt beteende

Studiepersoners beteende är ofta ett kritiskt övervägande när man utformar protokoll och genomför en studie. Använd detta till din fördel.

Det finns tre grundläggande typer av incitament:

  • Finansiella incitament – Ett av de säkraste sätten att uppmuntra ett beteende är att belöna det ekonomiskt:
    • Du kan köra ett korrupt mutprogram inom studien. Till exempel, om studien erhåller resultat genom att be försökspersoner att rapportera information – till exempel vilka biverkningar de upplevde efter att ha fått Glorious Intervention – kan du betala försökspersoner för att inte rapportera biverkningar. Men du måste också upprätthålla sekretess och se till att ingen får reda på det, vilket kan vara knepigt.
    • Alternativt kan du manipulera eller dra fördel av miljön där studien äger rum för att fungera som din mellanhand eller mellanhand för att dispensera de ekonomiska godbitarna. Om du till exempel testar effektiviteten av en potentiell intervention för att blockera överföringen av den fruktade sjukdomen, kan du köra studien på en plats där människor bara kan gå till jobbet om de inte är infekterade med den fruktade sjukdomen, och dra nytta av detta inbyggt incitament för att inte rapportera tester positivt som folk har (de vill ha sin fulla lönecheck).
  • Social press – Den andra typen av incitament är socialt tryck. Detta kan komma från kamrater, politiska krafter, sociala grupper, professionella medarbetare, institutioner, kändisar eller någon annan källa till inflytande i samhället. Poängen är att du kan använda någon eller alla av dessa till din fördel. 
    Låt oss till exempel säga att du kör en studie för att testa effektiviteten hos Wonders Cloth Shield som stoppar spridningen av den fruktade sjukdomen. Så du ger några byar i ett tredjevärldsland Wonders Cloth Shield, och skapar en kontrollgrupp av byar som inte får Wonders Cloth Shield. Du kan visa hur fantastiska dessa enheter är framför byborna som får dem. Du kan också få byns äldste att förkunna att den underbara tygskölden är en gåva från himlen, vilket gör det till en moralisk dygd att bära en, och ännu viktigare, gör att bära en men att bli smittad av den fruktade sjukdomen till ett tecken på religiöst misslyckande . Vilket gör dem mycket mindre benägna att rapportera fall av den fruktade sjukdomen, särskilt jämfört med byarna som inte fick de underbara tygsköldarna. Vilket får det att se ut som att Wondrous Cloth Shield arbetar för att minska överföringen av fruktade sjukdomar.
  • Hårda straffar – Man kan hota med alla möjliga fruktansvärda konsekvenser om studieämnen inte gör precis som man vill. Detta är särskilt lätt att implementera i tredje världens länder där det finns lite om någon rättsstat och korruption är regeln. Det kan vara användbart att göra ett exempel på någon i förväg för att visa att du menar allvar – till exempel kan du välja någon slumpmässigt för att skicka iväg till ett fängelse i Sudan, varifrån de sannolikt inte kommer att återvända levande.

Protokollsabotage #4: Anställ inkompetenta personer för att genomföra studien

Studier – särskilt de studier som utför någon form av experiment (i motsats till att bara analysera redan existerande datamängder) – kräver vanligtvis stor personal att utföra. Att anställa inkompetent personal är ett bra sätt att ge dig själv lite utrymme för att "massage" obekväm data som framkommer från studien - "de här uppgifterna är felaktiga eftersom personalen förstörde det." Så självklart måste du "åtgärda" "felen".

Ännu viktigare är att inkompetent personal är mindre benägna att märka att du riggar studien eftersom de inte har kunskapen eller erfarenheten om hur en legitim studie ska genomföras.

Protokollsabotage #5: Ta bort eventuella problematiska studieämnen eller händelser från studien

Den här är ett uppenbart "Duh." Om några försökspersoner i fas-3-studien för Glorious Vaccine lider av allvarliga skador direkt efter att ha injicerats med Glorious Vaccine, ja, du kan inte få dem att förstöra den "säkra och effektiva" berättelsen. Men tack och lov är lösningen enkel: ta bort dem från studien.

Detta kommer inte ens att se misstänkt ut för en utomstående observatör! Varje studie har regler inskrivna i protokollen som tillåter dig att sparka ut försökspersoner som bryter mot studieprotokollen eller vill lämna av "personliga skäl". (Tänk på varje gång en politiker säger att han säger upp sig för att "tillbringa mer tid med sin familj" – samma idé.) Men de flesta akademiker är sugna på detta och faller för det varje gång.

Om du är riktigt smart med hur du utformar protokollen i första hand, kommer du att lägga till ett villkor som förbjuder försökspersoner att söka läkarvård från någon läkare utanför studien. Så om en patient drabbas av en otäck biverkning, som lite säker och effektiv myokardit eller någon mild Bells pares som gör honom något förlamad, kommer de att åka direkt till närmaste akutmottagning ... vilket är ett tydligt brott mot studieprotokollen! ! Hej då problem.

Om du vill se en verklig maestro, leta inte längre än den kollega som ansvarar för Pfizers Fas 3 Kiddie-studie för deras vaccin – när en av försökspersonerna vid namn Maddie de Garay fick flera ganska otäcka neurologiska skador under 24 timmar. efter att ha fått vaccinet (den sort som innebär permanent användning av matningsslangar och rullstolar bland andra livsstilsjusteringar), kastade de helt enkelt ut henne ur studera. Och skrev sedan upp hennes skada som "olösta buksmärtor." De kastade också ut en annan kille från huvudrättegången, en advokat vid namn Augusto Rioux, efter att han fick en mild säker och effektiv perikardit efter dos #1.

Samma sak för AstraZeneca – Brianne Dressen kastades efter Dos #1 – men de rapporterade att hon drog sig ur av personliga skäl. Se? Lättfärdig.

Protokollsabotage #6: Registrera falska data

När allt annat misslyckas kan du helt enkelt registrera data för studien som är helt fel och tillverkad ur tomma intet. Pfizers studieentreprenör Ventavia visar oss vägen på den här – följande skärmdumpar är det faktiska e-postmeddelandet som skickats av Brooke Jackson – en av Ventavias platschefer – som bestämde sig för att försöka undergrava regimen genom att avslöja det pågående bedrägeriet:

I ett ovanligt snabbt och effektivt svar avskedades Mrs Jackson mindre än sex – 6 – timmar efter att ha skickat detta e-postmeddelande till FDA. SEX TIMMAR!! Det är så saker ska göras.

Dessutom, när hon stämde i federal domstol i ett försök att få ner hela Pfizer-vaccinprövningen, stoppade regimen den framgångsrikt i nästan två hela år med hjälp av en mängd olika geniala juridiska taktiker. (Det bör dock noteras att den som var ansvarig för anställningen brände det stort; du måste göra grundliga bakgrundskontroller för att säkerställa att potentiella sökande inte har starka moraliska övertygelser.)

Tyvärr kontrollerar inte FDA utländska medicinska tidskrifter, varav en beslutade att (chockerande) publicera en artikel som dokumenterar bedrägerierna i Pfizer-studien. Stor whoopsie. Det är därför det är absolut nödvändigt att upprätta ett enhetligt styrande organ för hela världen.

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

IV-3. Study Rigging Alternativ #3: Study Analysis

När du väl är klar med själva studien är det nu dags att knäppa ihop siffrorna från studien. Eventuella problematiska data som på något sätt kommit igenom alla dina protokolldesigner och sabotage kommer att rensas upp här. Tänk på det här som att ge en begagnad bil med ett helt nytt lager färg för att dölja alla skador under – du ändrar inte något väsentligt, bara döljer saker (för det mesta). Ingen vill repa den fräscha nya färgen för att se till att den inte döljer något.

Det finns sååå många sätt att "analysera" data. Tricket är att vara smart med vilka du väljer och hur du går tillväga för att göra analysen.

Analystaktik #1: Justera inte data

Datajusteringar är ganska standardgrejer inom vetenskapen. Rådata lämpar sig nästan aldrig för att direkt dra slutsatser eller extrapolera från, eftersom det vanligtvis finns alla möjliga förvirrande variabler.

Här är ett mycket enkelt exempel på en datajustering:

Följande är befolkningen i delstaterna Darth Santistan (dåligt tillstånd) och The Gender Spectral Paradise of Commiefornia (bra tillstånd):

Här är dödstalen från den fruktade sjukdomen för dessa stater – totalt sett har det dåliga tillståndet fler dödsfall än det goda tillståndet. Eftersom de har samma befolkning betyder detta att dödstalet är högre i BAD, BAD-staten Darth Santistan:

MEN. . . (ja, det finns ett stort "men" här)

Om vi ​​tittar på dödstalen för seniorbefolkningen och icke-seniorpopulationer separat, har chockerande nog den goda staten en högre dödlighet i BÅDA (?!?!?!?!?):

Två viktiga observationer här:

  1. Anledningen till att det illojala tillståndet Death Santistan har en högre totalfrekvens trots att de har lägre dödstal i varje ålderskohort är väldigt enkelt faktiskt – seniorer dör mycket oftare än icke-seniorer, men den dåliga staten har oturen att ha 2.5 gånger så många seniorer som den goda staten, vilket betyder mycket fler dödsfall totalt sett på grund av det stora antalet pensionärer i det dåliga tillståndet i Death Santistan:

För att det dåliga tillståndet ska ha samma antal äldre dödsfall som det goda tillståndet, måste de ha bokstavligen 40 % av dödligheten hos seniorer som det goda tillståndet eftersom den goda staten bara har 40 % så många seniorer i sina befolkningen som det dåliga tillståndet. Det är därför (när vi vill vara ärliga, som när sanningen hjälper regimen) Vetenskapen justerar data – för att undvika sådant här. (Detta statistiska fenomen har faktiskt ett officiellt namn: "Simpsons paradox. ")

Justera därför INTE data när det kommer att skada regimens berättelse.

Analystaktik #2: Justera data bedrägligt eller olämpligt

Omvänt, ibland kommer rådata, eller korrekt justerad data, inte vara bra för din berättelse. I sådana fall måste du fortsätta justera på kreativa sätt tills du framgångsrikt har fördunklat de kätterska resultaten så att ingen kan se dem eller lista ut dem.

Till exempel, om vi tar vår hypotetiska jämförelse ovan av de fiktiva tillstånden i Gender Spectral Paradise of Commiefornia/Death Santistan, kan du lägga till en "justering" för att "fixa" problemet. Allt du behöver göra är att hitta en egenskap som är en proxy för sämre utfall i Bad State of Death Santistan än det goda tillståndet i Gender Spectral Paradise of Commiefornia. Sedan Death Santistan bestämde sig för att inte följa regimens livräddande låsningar, tenderade seniorerna i Death Santistan att lämna sina hus mer än andra stater, även om det bara var för att gå runt kvarteret för att få frisk luft - vilket betyder att seniorer som inte lämnade sina hus förmodligen var oftare för sjuka för att lämna sitt hus. Sådana sjuka äldre är också mer benägna att vara de som dör av den fruktade sjukdomen.

Så här kan detta spela sig:

Diagram #1 – befolkningen av seniorer i varje delstat (vänster kolumn = seniorer som gick ut minst en gång i veckan; mitten = seniorer som inte gick utanför; höger = totalt antal seniorer i varje stat)

Diagram #2 – antal dödsfall i var och en av de tre kategorierna i diagram #1:

Detta åtgärdar helt våra problematiska data (det kanske faktiskt fixar det för bra!!) – observera hur vi förändrar dödligheten hos seniorer:

Allt du behöver göra nu är att hänvisa till seniordödligheten inomhus som "befolkningsjusterad seniordödlighet".

Dessutom kan du fortfarande hänvisa till inomhus seniordödsfall då och då eftersom det är mycket lättare att propagandera med en diskussionspunkt som "seniorer i störst risk eftersom de är orörliga hade nästan TRE gånger så stor risk att dö i DÅLIGT tillstånd som de var i BRA tillstånd.” Människor associerar naturligt seniorer med att ha fastnat inomhus, så det är osannolikt att de kommer att inse att "inomhusseniorer" i verkligheten är en så liten andel av vår hypotetiska seniorbefolkning från Death Santistan.

Analystaktik #3: Välj optimala slutpunkter

Endpoints är en stor sak. Officiellt är en studies primära effektmått det centrala fyndet som avgör om studien anses vara en framgång eller ett misslyckande. En slutpunkt är i grunden en sak eller ett mått som du använder för att bedöma framgången/misslyckandet eller effekten av vad det nu är du studerar. Till exempel, om du testar ett nytt läkemedel för att se om det hindrar den fruktade sjukdomen från att döda dig, skulle slutpunkten vara dödsfall i fruktade sjukdomar. Om behandlingsgruppen hade färre dödsfall i Dreaded Disease än kontrollgruppen, så fungerar behandlingen, men om de inte gjorde det, ja, det betyder att du inte riggade studien tillräckligt bra. (Det är lite förenklat men du förstår grundidén.)

Så du måste se till att välja klokt när du väljer slutpunkt/er.

Därför bör du i allmänhet välja slutpunkter som har så många av följande egenskaper som möjligt:

  • Beror på subjektivt omdöme snarare än objektiv observation
  • Naturligtvis partisk för dina föredragna resultat
  • Lätt att manipulera resultatet
  • Lätt att ljuga om resultatet
  • Svårt för folk att ta reda på om du förfalskat eller manipulerat resultatet
  • Svårt att förstå/förstå – speciellt för lekmän

Låt oss till exempel anta att du kör en rättegång i syfte att sabotera en alternativ behandling som faktiskt fungerar på den fruktade sjukdomen (vilket skulle vara mycket dåligt om regimen vill att en pandemikris ska vidmakthållas ett tag till). Du måste visa att det inte fungerar. Om du väljer "döden" som en slutpunkt kan du hamna i stora problem när drogen räddar ett gäng människor i behandlingsgruppen.

Istället för döden kan du välja något som "dags att skriva ut från sjukhuset." Denna endpoint uppfyller alla sex villkoren (i viss mån):

  • Patientutskrivning är ett subjektivt beslut av läkarna (som ska finnas på studiens lönelista), så du sitter inte fast med att släppa patienter som uppfyller en objektiv standard för frigivning.
  • Utskrivning är partisk för dina föredragna resultat – eftersom en högre andel av kontrollgruppen kommer att dö, betyder detta att en högre andel av kontrollgruppen allvarliga fall blir aldrig utskrivna så de kommer inte att öka den genomsnittliga tiden till utskrivning för resten av kontrollgruppen; jämfört med behandlingsgruppen där istället för att dö tar de svårare sjuka patienterna några extra dagar på sig att återhämta sig, vilket ökar den genomsnittliga tiden till utskrivning för behandlingsgruppen.
  • Utskrivningen är mycket lätt att manipulera – du kan rekrytera sjukhuspersonalen som är inblandad i studien för att onödigt fördröja utskrivningen av behandlingspatienterna ett tag (du måste se till att relevant personal vet vem som fått behandlingen och därför väntar extra med att skrivas ut från kl. sjukhuset).
  • Tid till utskrivning är också ganska lätt att förfalska; redigera bara pappersarbetet för antingen datum inlagd på sjukhus och/eller utskrivningsdatum (och säkerhetsfilmerna om det behövs). Döden är mycket svårare att förfalska, eftersom tidpunkten för döden vanligtvis är något som registreras mycket exakt och dyker upp på dödsattesten.
  • "Tid till urladdning" är inte det mest intuitiva måttet för en lekman.

Självklart kan du göra det bättre för de flesta av dessa tillstånd, men detta förmedlar grundtanken.

Analystaktik #4: Begrav alternativa slutpunktsmått

Den här är praktiskt taget självklar: om du använder "tid att släppa ut" som slutpunkt men rapporterar att det var en 50% minskning av dödligheten i behandlingsgruppen, ja, låt oss bara säga att det kommer att höja en hel del ögonbryn.

Så istället för att behöva ställas inför svåra frågor om varför du valde ett så absurt effektmått, och varför du skulle hävda att behandlingen inte fungerar om du ser att behandlingen minskade dödligheten avsevärt, bör du helst inte rapportera dödsfallen någonstans i studien.

Om du inte kan undvika att rapportera dödlighetsstatistiken bör du åtminstone begrava dem i mitten av en slumpmässig tabell i en bilaga i ett format som är mycket svårt att förstå. Eller ännu bättre, strö dem genom flera datatabeller istället för alla på ett ställe där det lätt kan identifieras av någon irriterande slumpmässig nörd i hans källare.

Analystaktik #5: Använd de optimala typerna av analys för att få dina önskade resultat

Det finns lika många sätt att analysera data som det finns könsidentiteter eller pronomenkombinationer. Tyvärr kan en djupgående förklaring av olika metoder inte destilleras till ett format som är lämpligt för en Idiot's Guide som detta. Titta bara på några av dessa namn:

  • Balanserad designanalys av varians
  • Beta distributionsanpassning
  • Box-Cox Transformation för två eller flera grupper (T-test och envägs ANOVA)
  • Klustrade värmekartor (dubbla dendrogram)
  • Fördelning (Weibull) Beslag
  • Fuzzy Clustering
  • Gammafördelningsbeslag
  • Allmänna linjära modeller (GLM)
  • Grubbs outliertest
  • Hierarkisk klustring/dendrogram
  • K-Means Clustering
  • Medoid partitionering
  • Multivariat variansanalys (MANOVA)
  • Nodetects-Data Group Comparison
  • Envägsanalys av kovarians (ANCOVA)
  • Regression Clustering

Poängen är att olika metoder för statistisk analys kommer att ge olika resultat. Om de inte gav olika resultat, så skulle det inte finnas så många metoder. Allt är en fråga om perspektiv. Så du måste anställa dig själv kompetenta statistikguruer som kan det här (och är lojala mot regimen) av två skäl:

  1. Du får fördelen av deras expertis (som du behöver; kom ihåg att din expertis är propaganderande, inte fancy statistisk analys. Lite praktisk ödmjukhet att inse dina egna begränsningar är avgörande för att vara en framgångsrik propagandist; övertro har varit en otur på många lojala regimlacker [och ofta också föranledde en lång semester i ett underväldigande Gulag]).
  2. Regimkättare kan inte peka på bristen på trovärdig expertis hos era statistiska analytiker för att smutskasta och anklaga trovärdigheten hos regimstudier. Fallet med Neil Ferguson står som en varnande berättelse – även om han till en början lyckades övertyga regeringar runt om i världen med sin fantastiska modell som förutspådde apokalyptiska blodbad från Covid, gav hans totala brist på sakkunskap i ämnet plus hans långa historia av helt vilseledande pandemiförutsägelser oppositionen fast grund för att kassera hans modeller och alla efterföljande modeller som drivits av olika regeringar. De kunde också proselytisera med stor effekt på baksidan av detta debacle.

Analystaktik #6: Ta bort problematisk data som inte kan analyseras, justeras eller på annat sätt döljas

Detta är samma koncept som att sparka ut försökspersoner från en studie om de inte överensstämmer med regimens mandat resultat; bara här tar du bort data som redan genererats istället för själva studieobjekten. Målet är dock detsamma: att förhindra att data som inte stämmer överens med vad du vill att studieresultaten ska visa kommer in i det officiella protokollet för studien i första hand.

IV-4. Studera riggningsalternativ #4: Rekrytera media för att snurra resultaten

Oavsett vad resultatet är, bör du ha färdiga diskussionspunkter för sympatiska medier att gå till slag för dig. Det spelar ingen roll hur falska, vilseledande, etc. de är – hela poängen med propaganda är att gasa på och vilseleda – media helt enkelt genom att översvämma ekosfären med din information är en kraftfull kraft som åtminstone kommer att göra det mycket svårt för att de flesta människor ska kunna varva ner de lögner och bedrägerier du sprider snabbt i hela samhället.

Du bör vara särskilt beredd att illvilligt rikta in dig på alla vetenskapsmän eller akademiker med kätterska lutningar som kan ifrågasätta allt du säger, eller ännu värre, uppmärksamma brister i din studie. Med maximala fördomar.

Avsnitt V – Lär dig datauppsättningarna

Den andra stora källan till vetenskap förutom studier är datamängder och andra informationskällor som används för att göra vetenskapliga uttalanden. Data – särskilt officiella statliga data – är användbara utan att en formell studie efterlämnar dess välsignelse, så du måste se till att tillgängliga data, och särskilt de datauppsättningar som är grunden för konventionella mätvärden som ofta citeras i samhället av både akademiker och lekmän, finns i din fast kontroll till läkare, ändra och modifiera efter behag.

Följande är de typer av taktik du bör använda för att maximera kontrollen och användbarheten av tillgängliga datauppsättningar:

V-1. Statistisk "Fiske"

Statistiskt fiske är lättare att bara ge en illustration än att förklara det i abstrakt:

Anta att ett stort läkemedelsföretag kommer ut med ett nytt läkemedel som (påstår de) gör barn smartare och ökar deras akademiska prestationer. Tyvärr, även om det godkändes av FDA, vet de att det inte fungerar, och folk börjar misstänka att det kan vara något skumt på gång (och de har miljarder dollar på gång). Så de kommer till dig och erbjuder dig en rejäl 7-siffrig lönecheck för att "bevisa" att deras nya läkemedel fungerar. Så du, som är en djärv vetenskapsman för uthyrning utan några skrupler (förutom lojalitet mot regimen förstås), accepterar deras erbjudande. Hur "bevisar" du att deras droger fungerar? Enkel. Du får data från alla skoldistrikt i landet som visar de akademiska poängen och andelen barn som tog det nya Pharma-läkemedlet. Här är där "fiske"-delen kommer in: Du måste titta igenom varje distrikt tills du hittar ett eller två där de akademiska poängen är över genomsnittet och fler barn i det distriktet tog den nya drogen än genomsnittet (som fiske där du håller på den tills du krokar en fisk). Sedan publicerar du din "studie": "Vi hittade ett samband i distrikt "X" där en högre andel barn som tog det nya läkemedlet ledde till högre akademiska poäng." Detta är obehagligt eftersom vartannat distrikt visar att läkemedlet inte hade någon effekt på akademiska poäng alls, men du undviker det på ett snyggt sätt genom att markera det ena distriktet där det finns en korrelation av en slump. (Med en tillräckligt stor urvalsstorlek är du ganska garanterat att hitta ett distrikt slumpmässigt där många barn av en slump tog drogen och de akademiska poängen gick upp.)

Den viktigaste lärdomen är att ibland är allt du behöver lite uthållighet. Om du till exempel har en stor datauppsättning av många länder, gå bara igenom en i taget tills du upptäcker den korrelation du letar efter. Alternativt kan du prova en mer avancerad version av denna taktik känd som 'P-Hacking. '

Ett bra exempel på denna taktik är följande CDC "studie" där de gick igenom alla 50 stater och letade efter en där de kunde finslipa data för att visa att Covid-vaccinerna minskade risken för återinfektion hos personer som redan hade Covid innan de fick vaccinet . Och vad vet du, de hittade en (av 50 plus ett fåtal icke-statliga jurisdiktioner som Washington, DC) där de kunde få uppgifterna att säga vad de ville att de skulle säga:

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

Se, om CDC kunde använda mer än ett tillstånd för att visa att Covid-vaccinerna minskade risken för återinfektion, skulle de ha (duh). Men de försökte och försökte tills de hittade ett tillstånd att de kunde tortera uppgifterna för att visa detta.

Förresten, det finns en annan viktig lärdom för propagandister här: värdet av uthållighet. Ge inte bara upp om du inte kan hitta en datauppsättning som lätt kan manipuleras eller manipuleras för att stärka en diskussionspunkt för regimen. Ibland måste du vara kreativ och hålla på tills du blir smutsig.

V-2. Justera problematiska data

Ja, vi nämnde detta tidigare i avsnittet om riggningsstudier.

Om rådata inte överensstämmer med din föredragna berättelse, "justera" den helt enkelt tills den passar, på samma sätt som du skulle göra för en studies interna data. Datajustering är en rutinmässig del av vetenskapen, och eftersom väldigt få människor faktiskt förstår hur det fungerar, kan du dra fördel av och missbruka denna praxis.

Någon annan har till och med publicerat en vetenskaplig artikel om ämnet (det är intressant att läsa om du är en nördig nörd):

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

En briljant tillämpning av detta koncept relaterar till Global Warming Scientific-konsensus som brukade vara Global Cooling Scientific-etablissemangets konsensus. Hur tror du att samma data som 1974 visade att världen var på väg mot en oåterkallelig istid som hotade mänsklighetens överlevnad nu visar att det verkligen fanns en *uppvärmning* Trenden från exakt samma data som hotar mänsklighetens överlevnad??

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

De "justerade" helt enkelt data för att göra de tidigare decennierna kallare och de senare decennierna varmare, och voila, problemet löst! Det är djävulskt listigt och mycket effektivt – observera i diagrammet nedan (från en känd regimsident kättare) de två linjerna som spårar den genomsnittliga årstemperaturen, blå linje = rådata, orange linje = data efter regimforskarnas justeringar 'det:

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

Om du tittar på den blå linjen har det inte skett någon övergripande uppvärmning under de senaste 100 åren – vilket är mycket dåligt för den officiella berättelsen om KATASTROFISK GLOBAL UPPVÄRMNING!!! Den orangea linjen visar dock en tydlig uppvärmningstrend under de senaste 100 åren – vilket är exakt narrativet.

Naturligtvis, om det i framtiden av någon anledning blir pragmatiskt att återgå till Global Cooling, då kommer regimforskarna på NOAA helt enkelt att "justera" data för att få de senaste 100 åren att se ut som en stadig kylningstrend.

Poängen är att allt ligger i justeringarna.

(Anmärkningar: Det är användbart att tillåta några slumpmässiga lågprofilkättare för regimvetenskap att hänga runt eftersom de producerar data och analyser som faktiskt är ganska användbara för regimens eget interna bruk, så länge du ser till att de inte börjar få framträdande plats – då du transporterar dem till Guantanamo Bay utan dröjsmål.)

V-3. Uteslut från officiella analyser av officiella data allt som inte stämmer med dina önskade resultat

Att noggrant granska vad som ingår i din analys är bokstavligen 101 saker. Om information eller faktiska resultat hotar att undergräva dina föredragna resultat, uteslut dem bara från officiella analyser av officiella data. Så om det finns en myndighetsdatabas som visar att förekomsten av ett gäng medicinska tillstånd ökade mycket efter Glorious Vaccinet, bara ignorera det.

Ta VAERS-databasen (Vaccine Adverse Event Reporting System) som hanteras gemensamt av CDC och FDA:

CDC (låtsas att) uppmuntrar rapportering till VAERS medicinska tillstånd som visar sig efter att någon har blivit vaccinerad, "även om du inte är säker på att vaccinet orsakade sjukdomen:"

Efter att Covid-vaccinerna rullades ut i mitten av december 2020 ser VAERS-posterna för dödsfall ut så här (diagrammet visar det totala antalet rapporterade dödsfall för alla vacciner varje år):

Den här bilden visar statistik för VAERS-rapporter om skador/dödsfall från Covid-vaccinerna:

Men när var sista gången du hörde talas om VAERS från CDC i något uttalande eller analys om de dyrbara Covid-vaccinerna?

Exakt!! CDC (och alla andra) ignorerar helt enkelt VAERS (förutom när de då och då utfärdar "faktakontroller" för att avslöja VAERS).

Se också till att obevekligt jaga i glömska alla som vågar försöka använda sådan data för att undergräva trovärdigheten för era regimanalyser och proklamationer. Detta är ofta ett problem eftersom det oundvikligen kommer att finnas ett gäng människor som har tillgång till rådata när den väl finns.

V-4. Piggyback om tidigare etablerade relationer och skillnader

Ett enkelt sätt att juryrigga en studie är att jämföra två enheter som du vet redan har en viss skillnad eller korrelation. Du kan sedan låtsas att du "upptäcker" denna skillnad eller korrelation men tillskriver den en ny faktor.

Så om till exempel eftersom fattiga stater jämfört med rika stater tenderar att ha sämre hälsoresultat, om de fattiga staterna råkar vara mindre följsamma med regimens riktlinjer, kan du peka på deras sämre hälsoresultat och skylla på att de inte tar det Glorious Vaccinet. Media utmärker sig verkligen när det gäller att förstärka detta budskap i synnerhet, eftersom de inte älskar något mer än att tillskriva dåliga resultat till politisk anknytning till det "dåliga" politiska partiet/partierna.

V-5. Kontrollera kritiska datauppsättningar som används för vetenskaplig forskning

Han som kontrollerar data kontrollerar The Science. Var noga med att ha järnklädd kontroll över de mest framträdande och mest använda datamängderna, så kommer du att spara mycket stress och huvudvärk. Till exempel kontrollerar militären sina interna datauppsättningar och kan manipulera dem efter behag. Liksom DMED – de manipulerade denna datauppsättning till den grad att det gjorde det hela värdelöst. Ta en titt nedan på följande två diagram som visar *SAMMA* DMED-data för "frekvenser av ambulerande läkarbesök" för åren 2015-2018 - det vänstra diagrammet är versionen som publicerades 2019, det högra diagrammet visar 2021-versionen - och på något sätt är de inte desamma (röda inringade områden).

Lägg märke till förändringen i siffrorna 2016-2018 (som du kan se av formen på trendlinjen)? Hur ökade antalet läkarbesök som inträffade under 2016 mellan 2019 och 2021 ????

Eftersom regimen helt enkelt skrev om uppgifterna. Det är vad du kan göra när du har fullständig kontroll över datamängden.

Det säger sig självt att du under inga omständigheter bör tillåta några hedniska vetenskapsmän tillgång till de heliga texterna eller data från Science under din kontroll – kom ihåg att du alltid måste vara vaksam så att inte en oseriös kättersk forskare utför en analys som kan ogiltigförklara eller motsäga Vetenskapen. CDC föregår med exempel här:

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

Om du inte ger irriterande irriterande oberoende forskare tillgång till data, behöver du inte oroa dig för att de ska upptäcka saker i data som kommer att undergräva regimberättelsen i stort sett.

Avsnitt VI – Kontrollera bevisstandarderna

Tänk på dig själv som en domare som presiderar över en brottmålsrättegång, som bestämmer vilka bevis som är tillåtliga i domstol, och på så sätt kan se till att belastande eller friande bevis aldrig når juryn. Samma idé här – genom att kontrollera bevisstandarderna kan du indirekt eliminera mycket av den utmanande vetenskapen som finns där ute utan att direkt behöva utmana eller de specifika påståendena eller bevisen.

VI-1. Gör den högsta kvalitetstypen av bevis omöjlig för alla utom regimgodkända skådespelare att uppfylla

Detta är en enkel regel: Gör det så svårt som mänskligt möjligt för oberoende forskare eller forskare att genomföra den typ av studier som anses vara "hög kvalitet".

Du kan göra det för dyrt för motstridiga meningsmotståndare att bedriva icke godkänd eller kättersk vetenskap. En av de största kupperna i propagandahistorien var uppkomsten av slumpmässiga kontrollerade rättegångar som "Gold Standard" för bevis. Dessa kostar vanligtvis många miljoner att genomföra, vilket utesluter möjligheten för någon annan än gigantiska läkemedelsföretag (som är lojala regimaktörer) från att driva sådana vetenskapliga företag.

Du kan också stifta lagar eller använda statliga myndigheter för att förbjuda ogodkända högkvalitativa studier från att genomföras om en grupp på något sätt lyckas säkra tillräckliga medel för att genomföra en sådan studie.

VI-2. Utse den typ av studier som ej godkända forskare kan genomföra som "låg kvalitet"

Omvänt, se till att all icke-överensstämmande vetenskap eller forskning som fortfarande kan utföras betecknas som bevis av låg kvalitet. Detta är vanligtvis ett bättre alternativ än att direkt förbjuda all ogodkänd forskning, vilket naturligtvis kommer att göra befolkningen misstänksam mot regimen och benägen att acceptera alla typer av vilda nonsensiska konspirationsteorier. Låt dem istället göra sin forskning, men förklara att det är meningslöst eftersom det inte överensstämmer med korrekta regler för evidensbaserad vetenskap.

VI-3. Artikulera inte en tydlig bevisstandard som vanliga människor kan tillämpa på egen hand

Du kommer oundvikligen att möta situationer där du behöver utrymme för att använda en dubbel standard av bevis. Om du formulerar en tydlig och lättförståelig standard, kastrerar du din egen förmåga att doktorera vetenskapen, eftersom folk då kan hålla dig till din egen bekände standard. Dessutom, som påpekats tidigare, vill du villkora människor att den verkliga standarden helt enkelt är vad regimen än deklarerar att vara bevis av hög kvalitet snarare än några avlägset objektiva kriterier.

VI-4. Förfölja oförskämda eller illojala vetenskapsmän

Då och då kommer en situation att uppstå där du kanske inte kan anklaga forskningens trovärdighet på grundval av att det är bevis av dålig kvalitet. I sådana fall bör du istället förfölja den/de kränkande vetenskapsmän som ansvarar för spridningen av den kätterska Vetenskapen, och därigenom upphöra med spridningen och det fortsatta bedrivandet av den problematiska forskningen. Detta kan vara lika ofarligt som att deplattformar dem från sociala medier, eller lika omfattande som att skicka dem till ett Gulag för att aldrig ses eller höras från igen. Hur du eller regimen än slutligen bestämmer dig för att ta bort dem från den offentliga sfären, måste du se till att också obevekligt attackera deras rykte och expertis (även efter att den upproriska förrädaren har eliminerats). Detta är också en bra taktik att sätta in mot en karismatisk vetenskapsman/er som hotar regimen för att han eller hon fångar massornas hjärtan. Detta är sant även om de verkar lojala, såvida du inte med säkerhet vet att de aldrig någonsin kommer att hoppa av till andra sidan (som om du har utpressningsinformation, eller om de är hjärtat och själen i regimens berättelse och är fanatiskt engagerade, som den helige Dr Fauci). Därför bör du ha en robust spionapparat för att hålla reda på alla lojala regimforskare.

Avsnitt VII – Vetenskapens kyrkliga myndigheter

Det första du måste inse är att begreppet auktoritet inom vetenskapens område är kyrkligt till sin natur. Huvuddelen av den vetenskapliga diskursen i samhället idag består av argument från auktoriteter. Så istället för att motstå detta, omfamna det och använda det, för det är det mäktigaste av alla vapen i kampen för att kontrollera själva vetenskapen. Du är Vetenskapskyrkan. Regimen är dess Vatikanstat. Böj dina muskler och påtvinga din vilja!!

Du måste befästa konventioner som naturligt kommer att välja att endast regimlojalister ska ta sig upp till positioner med vetenskaplig auktoritet i samhället. Detta åstadkommes främst via följande metoder:

VII-1. Experter måste vara legitimerade

Autentiseringsuppgifter är den första skärmen som rensar bort de flesta potentiella skurkarna. Genom att kräva legitimation – vilket man naturligtvis bara kan få genom regimens förmedling, eller en institution som ackrediterats av och lojal mot regimen. Ni måste förstärka övertygelsen om att icke-godkända experter är unikt farliga och okunniga, för befolkningen är belastad av den ständiga lusten att söka en andra åsikt till regimens ståndpunkter och uttalanden.

VII-2. Experter måste vara anslutna till en institution eller organisation med gott anseende

En annan självklar regel. Detta är ett bra sätt att ytterligare sålla bort eventuella manchuriska vetenskapsmän som klarat sig igenom legitimationsprocessen.

VII-3. Experter måste beaktas i "Mainstream"

Genomför denna sociala konvention rigoröst, för det är ett kraftfullt skyddsnät i händelse av att en expert bryter rangen och bestämmer sig för att slå tillbaka regimen. Sådana personer kan inte lätt dekrediteras, och ibland kan det vara svårt eller opraktiskt att avsluta alla anknytningar de kan ha med organisationer med god status. Alltså behovet av en diskvalifikation som inte är beroende av någon av dessa. Att förklara honom utanför mainstream är ett ganska kraftfullt sätt att avlöva en sådan expert på hans auktoritet.

VII-4. Genomför vetenskaplig konsensus

Ett annat kraftfullt sätt att kontrollera vem som utövar vetenskaplig auktoritet är att framtvinga efterlevnad av ett sammansatt "konsensus", att stämpla alla som avviker från nämnda konsensus som en oförbättrad, oförbätterlig kättare av den mest avvikande sorten. Det är ett externt verktyg som kan vara extremt användbart för att avsätta egensinniga legitimerade forskare. "Konsensus" klingar kraftfullt i lekmännens öron och hjärtan och ger dem en enkel motivering till att inte väcka frågor om regimen bestämmer sig för att plötsligt avskräcka en tidigare högt uppskattad vetenskapsman.

Efterord

Propagandakonsten är ett brett ämne som omfattar flera discipliner. Räkna inte med att du kommer att bemästra det över en natt. Räkna med att du kommer att göra misstag – det är så du lär dig vad som fungerar (och därför också se till att alltid ha någon annan som du kan lägga skulden för dina misstag på).

Som tur är för dig är den stora majoriteten av medborgarna intellektuella får. Denna princip demonstrerades briljant av Obamacares chefsarkitekt professor Jonathan Gruber.

Professor Gruber hade dock en förkärlek för att förklara för mycket, och för tydligt, i inspelade tal. Naturligtvis är det inget fel med att förklara kontroversiella frågor i ett tydligt språk för unga regimstudenter som är nyckeln till att förstå hur regimpolitik fungerar, eftersom de måste ha ett fast grepp om dessa saker om de ska vara produktiva regimarbetare. Det blir dock ett problem när dessa tal spelas in på video som är tillgänglig för allmänheten som du ska dupera:

Man skulle kunna tro att efter att killen som skrev en djupt impopulär lag (på den tiden) fångades på många videor som skröt om hur det var ett "smart utnyttjande av den amerikanska väljarens brist på ekonomisk förståelse" och hur "dumheten hos den amerikanska väljaren". Amerikansk väljare” var kritisk för att kunna betrakta en skattehöjning som inte en skattehöjning (vilket båda är 100% sanna som sagt tidigare), att politikerna skulle tvingas dra lag och försök igen om några år efter att kaoset hade lagt sig.

Förutom att man, som det visar sig, vanligtvis inte bara kan lita på den genomsnittliga väljarens oförmögna dumhet, utan också på deras brist på korttidsminne, deras bristande känsla av självbevarelsedrift och deras engagemang för politiskt ideologi framför allt. Blev Obamacare ogiltig, eller till och med försenad? Nej. Så även om du blir påkörd big time kommer du förmodligen att klara dig. (Särskilt om du har odlat en följsam mainstream media som tjänar regimen lojalt.)

Du kan också trösta dig med att propaganda naturligtvis är ett självkorrigerande företag – när misstag görs släpper du helt enkelt lös mer propaganda och gaslight för att dölja eller på annat sätt mildra dessa misstag. Lägg märke till hur regimens tjänstemän övergick från att upphöja professor Gruber till att hävda att han var helt obetydlig, utan att slå en ögonfrans och utan den minsta antydan till förlägenhet för det rangliga nakna hyckleriet i deras oförsonliga positioner:

(Du bör dock vara försiktig så att du inte är alltför frisinnig när det gäller att göra fel, annars kan du hitta dig själv omplacerad till en sovjetisk Gulag- eller CIA Black Ops-sajt i Marocko.)

Tillsammans kan vi göra världen till en bättre plats för dem som är avsedda att vara en del av den nyligen återställda mänskligheten.



Publicerad under a Creative Commons Erkännande 4.0 Internationell licens
För omtryck, vänligen ställ tillbaka den kanoniska länken till originalet Brownstone Institute Artikel och författare.

Författare

  • Brownstone Institute

    Aaron Hertzberg är en författare om alla aspekter av pandemisvaret. Du kan hitta mer av hans författarskap på hans Substack: Resisting the Intellectual Illiteratti.

    Visa alla inlägg

Donera idag

Ditt ekonomiska stöd från Brownstone Institute går till att stödja författare, advokater, vetenskapsmän, ekonomer och andra modiga människor som har blivit professionellt utrensade och fördrivna under vår tids omvälvning. Du kan hjälpa till att få fram sanningen genom deras pågående arbete.

Gratis nedladdning: Hur man minskar $2 biljoner

Anmäl dig till Brownstone Journal Newsletter och få David Stockmans nya bok.

Gratis nedladdning: Hur man skär $2 biljoner

Anmäl dig till Brownstone Journal Newsletter och få David Stockmans nya bok.