Brownstone » Brownstone Journal » Medier » Idiots guide til madlavningsdata for håbefulde propagandister
Idiots guide til madlavningsdata for håbefulde propagandister

Idiots guide til madlavningsdata for håbefulde propagandister

DEL | UDSKRIV | EMAIL
https://www.kekstcnc.com/media/2827/20200730_kc_covid_opinion_tracker_japan_deck_final_for-web.pdf

Se nærmere på ovenstående dias fra en international meningsmåling foretaget et par måneder efter, at Covid ramte: Sådan ser effektiv propaganda ud. Og den sande effekt var endnu større, fordi tallene fra den 'virkelige verden', der blev brugt til at beregne, hvor slemt folk overdrev risikoen for Covid, naturligvis selv stammede fra. . . verdens fremtrædende propagandaorganisationer (forklædt som offentlige sundhedsagenturer). Som allerede selv overdrev vildt risiciene ved Covid.

Kunsten at effektiv propaganda er en omfattende disciplin, der kræver omhyggelig og grundig undersøgelse - og anmeldelse - fra tid til anden. For begynderen kan det være meget svært at mestre. Selv den erfarne propagandist kan til tider falde i fælden med at tro, at det at skabe og formidle propaganda er en ligetil virksomhed - hvilket er en god måde at vinde en permanent betalt Sibirisk ferie. Det er normalt ikke en så enkel opgave at forvirre hele samfundet hver dag, 365 dage om året, på ubestemt tid.

Den følgende korte guidebog vil give både den håbefulde propagandist, WEF-lakej, kommunistapparatchik, Woke Marxist og erfarne regeringsbureaukrat de værktøjer og den viden, der er nødvendig for at udvikle deres lovende talent til fuld blomstrende beherskelse af propagandakunsten.

Denne bog er lidt lang!! Så du skal ikke føle, at du skal læse den fra start til slut i ét skud, for det er en opskrift på udbrændthed og til ikke at beholde den kritiske information, der er indeholdt.

Denne manual er opdelt i følgende afsnit:

Afsnit I. Definitioner - Hvordan man omdefinerer ord, termer og målinger for at holde dem i overensstemmelse med regimets fortælling

Afsnit II. Kurater af data - Hvordan man kaprer processerne til registrering, rapportering og publicering af data

Afsnit III. Undersøgelse af, hvilke data der anses for at være en del af Official Science - Hvordan man kontrollerer og data og bortskaffer regime-afvigende data, så de aldrig vises i nogen officiel videnskabs- eller regimedatasæt

Afsnit IV. Hvordan man rigger et studie - Præcis hvad det lyder som

Afsnit V. Doktering af datasættene - Nogle gange bliver du nødt til at gå ind og lave en lille "dataoperation" for at ændre indholdet af databaser, der modsiger regimets talepunkter, som du ikke bare kan udrydde

Afsnit VI. Kontroller bevisstandarderne - Hvordan man opretter et hierarki af beviser, der sætter regimevenlig videnskab øverst og regime-uvenlig videnskab i bunden (af Mariana-graven)

Afsnit VII. Videnskabens kirkelige myndigheder - Hvordan man sikrer, at videnskabelige myndigheder pålideligt papegøjer regimets fakta og fortællinger

Efterord - At binde det hele pænt, som en af ​​Peter Hotez' butterfly (han er en særdeles gnidende Regime Celebrity Scientist)

Afsnit I – Definitioner

"Den, der kontrollerer sproget, kontrollerer masserne."
- Saul Alinsky, Regler for radikaler

Hvordan vi definerer begreber eller kategorier afgør, hvilken godbid af den virkelige verden de kommunikerer eller repræsenterer – eller hvad de ikke kommunikerer eller repræsenterer.

Formbare definitioner og en vilkårlig og lunefuld standard for tildeling af definitioner er et absolut must for enhver effektiv propagandist. Trods den bedste indsats vil selv erfarne, ekspertpropagandister uundgåeligt konfrontere situationer, hvor de kurerede data, der findes, eller folks levede erfaringer, er problematiske for den officielle regimefortælling.

Effektiv propaganda kræver derfor kapaciteten til smidig og yderst adaptiv fleksibilitet til at kontrollere indholdet af data, især allerede eksisterende konventionelle målinger, som offentligheden er vant til at høre om, og som er notorisk svære at få til at forsvinde (i modsætning til den lethed, hvormed du kan forsvinde en dissident videnskabsmand fra YouTube eller Facebook). For eksempel vil du ikke være i stand til at undgå at tale om "dødsfald" i forbindelse med en ny frygtet sygdomspandemi - den primære måde, folk vil forholde sig til at måle sværhedsgraden af ​​en sygdom, vil altid først og fremmest være "Hvor mange mennesker døde fra sygdommen?” Men du kan ændre, hvad "døden" refererer til i forbindelse med romanen Frygtet sygdom, hvis du vil øge eller mindske folks følelse af, hvor dødelig den er.

I praksis betyder det, at når den normale forståelse af et begreb eller et begreb viser, at virkeligheden ikke helt passer til regimets ønskede fortælling, skal du blot ændre et par definitioner og voilà, problemet er løst.

Som mange fremtrædende kommunistiske propagandister gennem historien også har bemærket: "Den, der kontrollerer sproget, styrer verden."

Der er en række måder at ændre eller overføre definitioner fra problematisk til acceptabel:

I-1. Begræns en definition

Hvis den konventionelle definition af noget omfatter begreber, data eller information, der er i modstrid med regimets dogmer, skal du begrænse definitionen, så den ikke længere inkluderer den uønskede information. Der er masser af måder at gøre dette på. Så vi vil liste nogle af de mere almindelige typer karakteristika, du kan bruge til effektivt at begrænse en definition: Begræns definitionen efter tidsinterval: Antag, at vaccinerede mennesker får den frygtede sygdom i meget høje rater i de første 30 dage efter vaccination, og efter 90+ dage efter vaccination, med Glorious Vaccine. Dette er et stort problem, fordi folk vil tro, at Glorious Vaccine ikke er effektiv:

Den røde linje viser tilfældet pr. million mennesker efter at være blevet vaccineret med Glorious Vaccine, efter antallet af dage siden vaccination. Som du kan se, er antallet af gennembrudsinfektioner meget højt i de første 30 dage, men mellem dag 30-90 er tilfældesraten praktisk talt 0, og efter dag 90 begynder antallet af tilfælde at stige igen.

På almindeligt engelsk er det, du ser på ovenstående diagram, at antallet af sager pr. million mennesker går som følger:

  1. Før vaccination: 500 tilfælde af frygtet sygdom/millioner mennesker
  2. 10 dage efter vaccination: 3,000 tilfælde af frygtet sygdom/millioner mennesker
  3. 20 dage efter vaccination: 1,700 tilfælde af frygtet sygdom/millioner mennesker
  4. 30 dage efter vaccination: 100 tilfælde pr. million mennesker


Det er en meget glorværdig effekt af Glorious Vaccine – noget, der ikke kan få lov til at bestå. En løsning er simpelthen at ændre definitionen af ​​"vaccineret" til at betyde en person, der er mellem 30 og 90 dage efter at være blevet injiceret med Glorious Vaccine - med andre ord, enhver, der er inden for 30 dage efter at være blevet vaccineret, eller efter 90 dage fra vaccination , betragtes ikke som 'vaccineret:'

Denne særlige taktik blev udviklet af stort set alle offentlige sundhedsmyndigheder i den civiliserede verden, hvor definitionen af ​​'fuldt vaccineret' for Covid-vaccinerne var begrænset til "14 dage efter din anden dosis:"

Begræns definitionen efter mængde, såsom antallet af eksponeringer – for eksempel, hvis en flok mennesker, der modtog 1 dosis eller 5 doser af Mirafaucivir Miraculous Treatment døde (den første dosis dræber mennesker, der er særligt modtagelige for dets toksicitet, og 5 doser er for giftigt for stort set alle), skal du begrænse definition af "behandlet med MiraFaucivir" til mellem 2-4 doser:

Begræns en definition ved at tilføje absurde betingelser i definitionen, som er næsten umulige at opfylde. For eksempel kan du prøve at bruge følgende betingelser til at begrænse definitionen af ​​en "vaccinedød" i forbindelse med en massevaccinationskampagne med den nyslåede Glorious Vaccine:

Det er temmelig svært nogensinde at få et 'bekræftet' tilfælde af nogen, der dør af den glorværdige vaccine under forhold som disse.

(Du skal huske at forhindre obduktioner så meget som muligt for at gøre denne eksempeldefinition fuldt ud effektiv.)

I-2. Udvid en definition

Omvendt kan du nogle gange have mere af noget, end der faktisk er. Udvidelse af definitioner er en fantastisk løsning - vend blot ovenstående instruktioner for at begrænse definitioner.

Så hvis du har brug for flere dødsfald fra den frygtede sygdom, end der er mennesker, der rent faktisk er dræbt af den frygtede sygdom, kan du udvide definitionen af ​​en 'frygtet sygdomsdød' til 'enhver død inden for 30 dage efter en positiv test' og ligesom magi du har en fuldskala pandemi på dine hænder.

For at illustrere dette, antag, at efter 12 måneders cirkulation af frygtede sygdom, kun 7 mennesker pr. 100,000 infektioner faktisk blev dræbt af den frygtede sygdom - ikke ligefrem skræmmende. Du trækker lidt omskifter og udvider definitionen af ​​en 'frygtet sygdomsdød' til noget i stil med, hvad CDC trak - "enhver død inden for 30 dage efter at være testet positiv for den frygtede sygdom." Da masser af mennesker dør hver dag, hvis du massetester dem alle, vil du uundgåeligt 'opdage' en hel bådladning af døde mennesker, som tilfældigvis havde den frygtede sygdom, da de døde, selvom de blev dræbt af noget helt uafhængigt som kræft eller et biluheld. Se hvilken forskel det gør:

New York State tilbyder en klassisk illustration af, hvordan man udvider definitionen af ​​"Dreaded Disease Death" for at skabe udseendet af en engang i historien super-duper skræmmende apokalyptisk pandemi - se bare på følgende smukke åbne definition for en ' sandsynlig 'Covid død:

BEMÆRK OM FORSIGTIG: Du skal altid passe på ALDRIG, ALDRIG, NOGENSINDE – NOGENSINDE!!! – formidle til offentligheden, hvordan du gaslyser dem i et klart, kortfattet sprog, de kan forstå. Følgende utvungne fejl i 2020 fra Illinois Public Health Director Dr. Ngozi Ezike er den slags ting, der giver dig en hurtig envejsbillet til Gulag – hun sagde faktisk følgende på en offentlig pressekonference (se den indlejrede video nedenfor):

"Så sagsdefinitionen er meget forenklet. Det betyder, at det på dødstidspunktet var en Covid-positiv diagnose. Så det betyder, at hvis du var på hospice og allerede havde fået et par uger at leve, og så blev du også fundet at have Covid, ville det blive regnet som et Covid-dødsfald. Det betyder, at selv hvis du døde af en klar alternativ årsag, men du havde Covid på samme tid, er det stadig opført som et Covid-dødsfald."

Hun gjorde selvfølgelig det rigtige ved at bruge sådan en vidunderlig ekspansiv definition for Covid-dødsfald, men hun slap dumt og skødesløst katten ud af sækken, så hele verden kunne se. Det er den slags skødesløs bommert, der kan ødelægge en hel propagandakampagne fra den ene dag til den anden. Og også den slags ting, der kan være en karriere-ender (eller værre):

 I-3. Opfind en helt ny definition

Nogle gange er det simpelthen ikke muligt at skjule den fælles forståelse af noget ved blot at lege med definitionen i margenen. I så fald kan du tage det modige skridt at omdefinere et ord, begreb eller kategori helt for at passe til dine propagandabehov. Bare pas på, at det kan være en anelse sværere at overbevise folk om, at den gamle definition er en opdigtet fantasi.

Tag CDC (yup, vi kommer til at citere CDC en masse; de ​​er trods alt den fremtrædende sundhedspropagandaorganisation i verden), som ændrede definitionen af ​​'vaccination' flere gange over en periode på 6 år:

Sidebar: Ovenstående tweet tilbyder en lektion i behovet for at kontrollere useriøse lovgivere, der måske forsøger at afvise eller endda afsløre din propagandaindsats. Du behøver ikke den ekstra hovedpine ved at håndtere klare beviser på dit sproglige forræderi, der er udsendt til offentligheden fra kongressen eller parlamentet (eller den endnu større hovedpine ved at blive forvist til Sibirien som falderen for at tillade sådan noget at ske ).

Nogle gange kan du endda opleve, at du er fanget af ords almindelige samtalebetydning, hvor de fremhæver noget, du ikke har råd til, at folk er opmærksomme på. Skulle dette ske, vil du blive tvunget til at gennemføre en fundamental ændring af selve sprogets essens. Dette er en slags nuklear mulighed, når du ikke kan skjule noget på anden måde, og heller ikke har råd til ikke at skjule det. (Pas på!! Sådan en dristig bestræbelse kommer med en betydelig sværhedsgrad, da mange mennesker vil være tilbøjelige til at modstå en sådan åben og dristig sprogovergang - svarende til hvor mange uoplyste ludditer modsætter sig at gå sammen med kønsovergange).

Tag for eksempel udtrykket "fredelig protest:"

Selvfølgelig er 'begrænset' et subjektivt udtryk, hvis præcise konturer er dårligt definerede, hvilket giver dig en masse råderum til at anvende beskrivelsen på næsten alt, uanset hvor usammenhængende eller forkert applikationen er, som det fremgår af dette virkelige medie rapport, der ikke behøver yderligere beskrivelse:

I-4. Kombiner kategorier

Nogle gange er det bare ikke praktisk eller gennemførligt at forme data blot ved at ændre definitioner. Du skal dog ikke bekymre dig – hvis du ikke kan ændre definitionen, kan du i stedet ændre selve datapunktet eller kategorien, som folk er vant til ordet eller sætningen, der refererer til. Folk er ikke indstillet på subtile eller nuancerede forskelle i kategorier eller datapunkter, og medierne sammenblander det meste alligevel, hvilket gør dette til et nemt og bekvemt trick. Du kan for eksempel prøve:

  • Kombination af forskellige aldersgrupper:

Antag, at den glorværdige vaccine får en flok børn til at blive til zombier. Det er ret dårligt for regimet. (Hvilket betyder, at du bør omplacere et par videnskabsmænd til at arbejde på en klimaforskningsstation i Antarktis i resten af ​​deres karriere. Uden sokker.)

For det første skal du altid henvise til denne nye tilstand som "Sikker og effektiv transformation til kødædende zombie." Årsagen til den kødædende del er enkel: 'kødædende zombie' lyder for skræmmende, og almindelig 'zombie' føles som om zombierne dybest set er døde – dvs. de dyrebare børn er døde – hvilket ingen af ​​dem er et indtryk af, at folk skal komme væk med. (Selvom vores hypotetiske eksempel her næppe bliver til virkelighed i praksis, er princippet relevant og anvendeligt i enhver situation: man skal altid navngive noget på en måde, der formidler en fornemmelse af, hvad man ønsker, at folks indtryk skal være.)

For det andet, fordi frekvensen af ​​zombificering i aldersgruppen 12-17 år er så høj, at det er indlysende for alle, der ser på dataene (nedenfor diagrammet), vil du sandsynligvis skulle forholde dig til det. Så i stedet for at præsentere dataene opdelt efter alder, hvor folk straks vil bemærke bølgen af ​​børnezombificering, præsentere dataene som en kombineret aldersgruppe, der er stor nok til at skjule eller vaske signalet ud:

Det, du i bund og grund gør, er at tage udtrykket "rate of zombification after the Glorious Vaccine", som kan bruges til at henvise til de forskellige aldersgrupper og få det til at henvise til raten af ​​alle aldersgrupper kombineret.

Nu vil ingen bemærke, at dataene viser en klar risiko for børn at blive forvandlet til kødædende zombier af Glorious Vaccine.

Eller omvendt, hvis vi antager, at de unge ikke dør af den frygtede sygdom i høje nok rater til at skræmme mødrene, kan du præsentere dødsdata for frygtet sygdom fra en kombineret aldersgruppe på 0-50, der får det til at se ud som om, at der er så mange dødsfald fra en gruppe, der omfatter børnene:

  • Kombination af forskellige demografiske kohorter:

Samme idé som aldersgrupperne; Antag, at du skal undgå, at borgerne finder ud af, at den frygtede sygdom i virkeligheden kun er farlig for de sygeligt overvægtige mennesker - hvilket er slemt:

  • for det første fordi de så ikke bliver bange for den frygtede sygdom
    • for det andet fordi folk måske begynder at stille spørgsmålstegn ved, om fedt er sundt, hvilket man ikke kan tillade, fordi de måske begynder at sætte spørgsmålstegn ved regimets fortælling om 'fedtpositivitet' og så hvem ved hvad ellers bagefter.

Så du skal bare præsentere dødsdataene fra den frygtede sygdom ved hjælp af en kombineret kategori, der dækker alle typer vægtidentiteter:

  • Kombinerer forskellige tidsperioder

Antag, at du bemærker, at dødsfaldene fra den frygtede sygdom falder måned for måned - hvilket kan være katastrofalt for regimeplaner, der kræver, at folk tror, ​​at den frygtede sygdomspandemi er i fuld omløb i endnu et par måneder. Hvis folk får den idé, at den frygtede sygdom er ved at afvikle, ja, det er en masse mistet mulighed for at bruge den frygtede sygdomskrise som et middel til at gennemføre samfundsmæssig transformation for at konsolidere og styrke regimets magt.

Så i stedet for at præsentere dødsdata for måned, skal du kombinere alle tre måneder i en ny kategori af "månedligt gennemsnit over de tre måneder", som vil maskere faldet fra januar til marts, illustreret nedenfor:

  • Kombination af forskellige geografiske jurisdiktioner

Antag, at der er en slyngelstat i landet, der laver problemer for regimet, som ikke følger regimets retningslinjer for at håndtere den frygtede sygdom, som vi vil kalde Døden Santistan. Hvis de viser bedre eller ligefrem lige resultater for resten af ​​landet, hvor de er gode borgere og følger regimets vejledning, ville det være ret dårligt. Antag yderligere, at der er en by eller et amt i denne dårlige stat, som er et loyalt regime-amt, der følger al regimets vejledning, men hvis dødsrate er meget højere end resten af ​​Death Santistan. Hvilket er meget meget dårligt. Løsning? Du kan præsentere data fra hele staten, så folk ikke kan se, at det loyale amt, der følger regimets vejledning, har en dødsrate på 10 gange resten af ​​staten. Der er endda en bonusfordel: du kan pege på hele staten Death Santistan som en fiasko, fordi det loyale regime-amt vil få hele staten til at se meget værre ud!!

At kombinere alle byer og amter i en illoyal stat for at skjule de problemer, der er unikke for loyale regimebyer, er en af ​​de vigtigste propaganda-taktik, der bruges til at forsøge at skjule lidet flatterende information, såsom de langt højere kriminalitetsrater i regimeloyale byer sammenlignet med byer kontrolleret af den onde opposition.

(SidebarHøje kriminalitetsrater er selvfølgelig en god ting, som er et bevidst valg af regimet – høje kriminalitetsrater er nyttige for regimet, fordi ustabilitet gør folk mere villige til at acceptere tyrannisk regering som en løsning.)

For at illustrere er her et strålende stykke gasbelysning fra et af hovedstyrets mediemundstykker:

Se på undertitlen i den karminrøde boks - se, hvordan de dygtigt fingerer på det røde stater for de høje kriminalitetsrater, der alle er i de blå byer i de røde stater, men ikke i resten af ​​staten, hvor regeringsførelsen er "rød?" Nøjagtig.

  • Kombination af forskellige typer af virkningen eller fænomenet. For eksempel, hvis der er en stigning i en specifik undertype af sygdomstilstand – som alarmerende stigninger i sjældne kræftformer efter udbredelsen af ​​Glorious Vaccine, hvilket kan få folk til at stille spørgsmålstegn ved den officielle regimets fortælling om, at Glorious Vaccine er den sikreste enhed, der nogensinde er skabt eller opdaget i universel historie – du kan bruge den generelle kategori af kræft – som er 1,000 gange så stor – til at skjule signalet.

En anden måde at tænke på at kombinere kategorier på er, at du aldrig udleverer de specifikke data for forskellige grupper eller undergrupper, noget der blev trukket ud til absolut perfektion, da Covid ramte. Overvej følgende afstemningsresultater, der viser andelen af ​​Covid-dødsfald for hver aldersgruppe side om side med procentdelen af ​​hver aldersgruppe, der var bekymret for, at de ville blive dræbt af Covid. (De blå søjler viser procentdelen af ​​hver aldersgruppe, der var bekymret for at blive dræbt af Covid, de grønne søjler viser procentdelen af ​​det samlede antal Covid-dødsfald, der var i hver aldersgruppe.)

Havde folk forstået, hvad deres faktiske risiko for at dø var, burde de blå søjler i det mindste være i de grønne søjlers boldgade. Når de blå søjler er dramatisk højere, er det resultatet af brutalt effektiv propaganda ved at kombinere alle aldersgrupper i én kategori uden nogensinde at skelne:

Virkelig stor succes!!

I-5. Opdel kategorier

Nogle gange bliver du nødt til at opdele en kategori i stedet for at kombinere den med en anden. Du skal bare vende om på rammerne, der er fastsat ovenfor for at kombinere kategorier.

Denne pæne lille manøvre er især nyttig, når du skal have noget under tærsklen for statistisk signifikans.

Da statistisk signifikans er et ret vigtigt begreb inden for data og videnskab, er det en god idé at forklare, hvordan dette fungerer.

Statistisk signifikans som brugt i konventionelt medicinsk akademisk/videnskabeligt sprog betyder grundlæggende, at sandsynligheden for noget, der ikke skyldes tilfældige tilfældigheder, er mindre end 5%.

If du slår en mønt 10 gange, oddsene for at få 7 hoveder på grund af tilfældige chancer er 11.72 % – IKKE statistisk signifikant. Hvis du slår en mønt 100 gange, er oddset for at få 70 hoveder på grund af tilfældige tilfældigheder små 0.0023 % - MEGET statistisk signifikant (fordi det er meget mindre end 5%) - hvilket betyder, at det ikke med rimelighed kan tilskrives tilfældige tilfældigheder, snarere noget specifik (som snyd) fik mønten til at vende 70% for hoveder.

Hvorfor er dette? For at få 7/10 er alt, hvad du behøver, to ekstra møntvendinger for at gå din vej – det går lidt af en streak. Små afvigelser som denne kan nemt ske tilfældigt. For at få 70/100 kræver det dog 20 ekstra møntvendinger for at gå din vej – oddsene for at få *20* ekstra møntvendinger ud af i alt kun 100 tilfældigt er ubetydelige. Så hvis vi ser 70 hoveder ud af 100 flips, kan vi antage, at der er en form for snyd i gang, for det er meget usandsynligt, at det sker ved et tilfældigt tilfælde.

Du kan bruge dette til din fordel til at opdele og erobre et statistisk signifikant signal - du kan opdele en kategori, hvor der er et statistisk signifikant signal for noget imod regimedoktrinen i mindre kategorier for at opdele signalet fra et '70/100' ind i en flok '7/10'ere, der individuelt ikke er statistisk signifikante.

Så hvis der for eksempel er et signal om, at der er flere dødsfald pr. 100 om året efter Wonders Glorious Vaccine Campaign, kan du offentliggøre dødsdataene opdelt efter aldersgruppe, hvor ingen aldersgruppe vil vise en statistisk signifikant stigning i dødsfald (og du kan hævde, at det sandsynligvis er overskydende dødsfald fra 'Long Dreaded Disease' fra komplikationer ved at få den frygtede sygdom):

Bemærk: Denne særlige taktik bør ideelt set kombineres med noget andet; ellers kunne folk lave omvendt konstruktion af opdelingen ved at lave en smule simpel aritmetik for at lægge alle aldersgrupperne sammen. Så sørg for at tilføje andre forvirrende tricks.

I-6. Omdistribuer / Gentegn kategorier

Et mere finjusteret alternativ til at kombinere kategorier direkte er at omfordele dem – så at sige trække stregerne om. Dette kan gøres ved at bruge en hvilken som helst egenskab, efter hvilken kategorier er differentieret.

For at illustrere, vender du tilbage til vores eksempel på den onde illoyale tilstand Death Santistan, i stedet for at kombinere hele staten til en statsdækkende statistik, kan du i det skjulte omtegne de geografiske grænser for amterne inde i staten med henblik på data om frygtede sygdomme som denne – se hvad der sker, når vi ændrer amtsgrænserne til de grønne linjer:

Bemærk: Dette betyder ikke, at du bogstaveligt talt skal omtegne amterne til politiske og andre formål som afstemningsdistrikter; alt hvad du gør er at bruge forskellige grænser med det ene formål med statistikker over frygtede sygdomme. (Befolkningen vil dog antage, at du mener de faktiske amter, der eksisterer, og vil derfor ikke indse, at du har trukket et hurtigt over dem. Det kaldes propaganda af en grund.)

I-7. Fluid definitioner

Der er tidspunkter, hvor du kan have det paradoksale behov for at bruge en specifik definition til én ting, men også skal undgå den specifikke definition for noget andet. I sådanne tilfælde skal du opføre dig som en ordbog - ordbøger har typisk flere forskellige definitioner for et ord, du kan gøre det samme.

For eksempel defineres ordet 'kvinde' nogle gange som 'et voksent menneske, der besidder kvindelige anatomiske og genetiske egenskaber', såsom når man diskuterer en kvindes ret til at vælge; og er nogle gange defineret som 'en person, der identificerer sig som kvinde', såsom i sammenhæng med organiseret sport.

Afsnit II – Kurater af data

Endnu bedre end at bruge formbare definitioner er at undgå situationer, der kræver definitionsændring i første omgang.

Den bedste måde at afværge sådanne problemer på er at kurere dataene på en måde, der undgår at skabe potentiel hovedpine, ved at anvende en eller flere af følgende afprøvede og testede metoder til korrupt kapring af kuration, organisering og præsentation af data.

II-1. Undlad at diagnosticere eller identificere noget

Hvis en patient kommer ind og lider af flere neurologiske mangler efter at have taget Glorious Vaccine og bliver sendt hjem med en Xanax-recept for sin "angst", vil det ikke generere en diagnose for et neurologisk underskud i første omgang i nogen database. Ingen diagnose af en tilstand, der kunne være forårsaget af Glorious Vaccine – eller diagnostisk kode i en eller anden stor regerings- eller forsikringsdatabase – betyder, at du bliver nødt til at bruge definitionsfedt for at dække over eksistensen af ​​diagnosticerede skader forbundet med Herlig Vaccine. Derfor bør du sikre dig, at de personer, der er ansvarlige for at diagnosticere eller identificere problematiske eller modstridende data/observationer af den perfekt sikre og effektive glorværdige vaccine, undgår at gøre det.

Det er værd at understrege her, at patienter let bliver gasoplyst af deres egne læger, at 'det hele er i deres hoved', selv mens de ved, at de har alvorlige, livsændrende medicinske skader, der gør dem handicappede og fuldstændig ude af stand til at fungere. som de oplever dagligt.

Lad os illustrere dette med følgende hypotetiske scenarie:

Regimets embedsmænd ser det i den regeringskontrollerede PROPAGANDA Sikkerhedsovervågningsdatabase oprettet for at overvåge Glorious Vaccine sikkerhed –

– der er et signal for VAMP syndrom (Vaccine Aassocieret Metamorfologisk Pfænomener) betingelser:

En patient kommer ind til lægens kontor og præsenterer sig med hurtig, akut indtræden af Renfields syndrom (tørst efter blod), ekstrem lysfølsomhed, udtalt makrodonti, og alvorlig kontaktdermatitis til sølv, der alle begyndte inden for få timer efter at have fået den glorværdige vaccine. Dette er et åbenlyst tilfælde af en VAMP syndrom bivirkning – patientens præsentation passer til de diagnostiske kriterier for fuldgyldig vampyrisme, og tilstanden var forårsaget af Glorious Vaccine (da lægen trygt kan udelukke enhver anden årsag plus umiddelbarheden af indtræden af ​​VAMP-symptomer efter at være blevet stukket er en ret selvindlysende indikator på, at den glorværdige vaccine forårsagede symptomerne).

Selvom patienten kan se, at de tydeligvis ikke har ret – de føler en overvældende fristelse til at hugge ned på din pulserende halsvene, kan de ikke holde ud at stå foran et vindue, medmindre solskærmene er helt lukkede, de ved et uheld bed af et par stykker af deres tunge med deres nyligt ekstra lange og knivskarpe fortænder, og deres hud begynder at skalle af, hvis de rører ved sølvfamiliens arvestykker – hvad så?? Du kan stadig fortælle patienten: "Dette er i dit hoved" og sende dem hjem med en Xanax-recept (og måske en pose eller to O-negativt blod, hvis du fornemmer, at patienten måske ikke er i stand til at kontrollere sig selv meget længere og du vil ikke have din hals til at levere deres frokost). Og patienten vil faktisk bare acceptere det og gå hjem uden meget kamp.

Dette undgår endda helt at generere en diagnostisk registrering af VAMP-syndrom, så der er intet at dukke op i nogen database nogen steder.

Du vil blive overrasket over, hvor mange læger, der er medgørlige til det punkt, at de vil overbevise sig selv om, at den pelsede kvinde med en hale, der voksede ud af ingenting en time efter at have fået den glorværdige vaccine har intet som helst at gøre med den herlige Vaccine.

(Bemærk: I fuld alvor er det vigtigt at finde på iørefaldende akronymer eller navne for ting, der formidler indtrykket af, hvordan du vil have folk til at se tingene, så lad være med at bruge dette eksempel i det virkelige liv, for det formidler, at du ikke tager sikkerhedsovervågning seriøst, og gør folk mere tilbøjelige til at tro, at du forsøger at skjule de faktiske sikkerhedsproblemer med Glorious Vaccine.)

II-2. Overdiagnosticer eller overidentificer noget

Omvendt, hvis du har brug for at gøre mere ud af noget, end der er let tilgængeligt, skal du blot vende #1. For eksempel, hvis du har brug for, at folk er mere bange for den frygtede sygdom, kan du implementere et massetestregime for at øge antallet af 'bekræftede' tilfælde af den frygtede sygdom. Sørg også for at bruge tests, der vil returnere meget høje rater af positive, uanset om de er sande eller ej.

Ved at øge overvågningen eller teste for noget, kan du generere udseendet af et stigende antal af det, du tester for, eller i det mindste bevare facaden, som den stadig er på. Overvej følgende illustration fra det gode gamle USA af A - du kan se på det øverste diagram, at da antallet af daglige Covid-tests steg, samtidig med, at procentdelen af ​​tests, der var positive, faldt mere end 75% (nederste diagram ). Det, dette lykkedes, var at holde sagstallene relativt høje (midterste diagram), så selv da procentdelen af ​​tests, der var positive, faldt >75 %, faldt antallet af nye tilfælde kun omkring 25 % i samme tidsperiode.

Den meningsløse stigning i det rå antal sager, der udelukkende var en funktion af flere tests, resulterede ikke desto mindre i overskrifter som dette fantastiske NBC panikpornostykke offentliggjort den 11. juni 2020:

Husk: du finder, hvad du leder efter, og du finder mere af det, du leder efter mere.

II-3. Rapporter ikke, hvad der er diagnosticeret eller identificeret

Nogle gange er det ikke muligt at undgå at diagnosticere eller identificere noget, der bedst efterlades uopdaget. I et sådant tilfælde kan du i det mindste sikre dig, at det observerede ikke er inkluderet i officielle rapporter eller data:

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

På et mere individualiseret niveau bør du udsende vejledning til læger, medicinsk personale og administrativt personale i stedet for IKKE at diagnosticere ting, du ikke ønsker skal dukke op i datasæt. Tøv ikke med at bruge økonomiske incitamenter til at forsøde gryden for loyale læger, der overholder regimet. Vær ikke nærig her – forebyggelse er næsten altid billigere (og mindre stressende) end at løse problemer, efter de allerede er opstået.

Selv i de sjældne tilfælde, hvor en læge ikke kan undgå at diagnosticere en patient med en alvorlig tilstand, der opstod lige efter at have taget Glorious Vaccine, kan lægen stadig sørge for at undgå at rapportere den uønskede hændelse til enhver database over Glorious Vaccine-skader.

Alternativt, hvis regimedatabasen til dokumentation af skader fra Glorious Vaccine på en eller anden måde stadig ender med at indeholde for mange problematiske rapporter, hvor den sår tvivl om dens sikkerhed, er der to ting, du skal gøre.

Den første er at strande et par af databaseadministratorerne langs den strækning af Somalias kystlinje, hvor piraterne hænger ud, så resten af ​​dem tager sig sammen og holder op med at lade så mange rapporter komme igennem. Du betaler dem for at udføre et arbejde, som er at fastholde den offentlige opfattelse af, at Glorious Vaccine er det sikreste lægemiddelprodukt, der nogensinde er opfundet; svigt er ikke acceptabelt.

Den anden er IKKE at offentliggøre de problematiske rapporter i databasen. CDC prøvede deres bedste, men blev i sidste ende besejret af en useriøs dommer (hvilket understreger behovet for også at have kontrol over retsvæsenet):

II-4. Tillad ikke undersøgelse af fænomener, hvis resultaterne kan forårsage problemer

Bagsiden af ​​"Du finder, hvad du leder efter" er, at "Du finder ikke det, du ikke leder efter," så sørg for, at ingen leder efter potentielle signaler om noget, der kan være problematisk for regimets fortælling . Hvis f.eks. regimet 'ved et uheld' udløser en pest i en tredjeverdensby, kan du ikke få irriterende konspirationsteoretikere på sociale medier til at finde ud af, hvad der skete, så du bedst sørger for, at ingen udfører obduktioner eller tester syge individer.

CDC tilbyder en anden illustration af god forebyggende strategisk tænkning for at holde data ude, der potentielt er skadelige for regimet:

CDC har meget smart også endnu ikke iværksat en enkelt obduktion af de tusinder og atter tusinder af dødsfald, der er rapporteret i CDC's egen VAERS-vaccinesikkerhedsovervågningsdatabase. (Kan du huske delen fra afsnit I om at tilføje absurde betingelser til definitioner? Hvis du ikke gør det, er det bedst, at du gennemgår materialet, så du har det lige ved hånden.)

II-5. Offentliggør kun en del af dataene først

Ofte nok, blot ved at offentliggøre den ene del af dataene og udelade den anden del til senere, kan du skabe en falsk fortælling, der slår rod. Så når man endelig offentliggør resten af ​​data, gør det ikke noget, at det modsiger grundlaget for det, der nu er blevet accepteret dogme.

For eksempel, hvis du har brug for at fremstille den frygtede sygdom som mere udbredt, end den faktisk er, kan du følge ledelsen af ​​Virginias banebrydende propagandister og tilbageholde nogle af de negative testresultater lidt for at hæve procentdelen af ​​testresultater, der er positive – hvilket får det til at virke som om, at flere mennesker er syge med den frygtede sygdom:

Kilde: 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/

Et andet scenarie, hvor du kan bruge teknikken til delvis datapublicering med stor effekt, er hvor du ser dig selv tvunget til at frigive data uanset årsagen, der vil få regimet til at se rigtig dårligt ud (det sker). Så du vil forsinke udgivelsen af ​​de virkelig skadelige ting så længe som muligt - hvis du venter længe nok, vil det i sidste ende ophøre med at være relevant. Desuden, hvis du dumper det hele på én gang, vil stødfaktoren være enorm, og du vil have et stort rod på dine hænder. Men hvis du frigiver informationen dryp-dryp-dryp, så når de skandaløse stykker frigives, er "wow"-chokfaktoren allerede for længst slidt af, og folk kommer ikke til at være så meget opmærksomme længere. Denne taktik blev forsøgt af FDA, selvom den for det meste blev forpurret af den slyngelstatiske dommer (der understreger det kritiske behov for retlig kontrol for at forhindre frafaldne dommere i at gøre slyngelstater mod regimet):

II-6. Begræns de acceptable data- eller informationskilder

Når der er kilder, der genererer data, der ikke er i overensstemmelse med regimets fortælling (det vil ske en gang imellem på trods af din bedste indsats), så miskredit dem simpelthen som propaganda eller noget andet utroværdigt og farligt, som russiske bots. (Som en generel tommelfingerregel kan du altid som standard give skylden for eller at tilskrive enhver ubekvem information til "russisk desinformation" i en knivspids).

Bilag A til denne taktik ville være VAERS-databasen, der drives af CDC. Da VAERS viste fuldstændig vanvittige antal vaccineskader med Covid-vaccinen -

– hele det videnskabelige etablissements apparat betegnede simpelthen VAERS som en konspirationsteori, der bruges til at sprede farlig desinformation:

Hvis disse data imidlertid kommer fra regimedatasæt, der er for svære at blot afvise som uvidenskabelige skrald (yup, det sker), så stop med at udgive dem og i stedet miskreditere dem som værende dårligt konstruerede og fyldt med fatale fejl.

Vi kan bruge UKHSA til at illustrere dette princip. Efter at den rå vaccineeffektivitet faldt et godt stykke ind i negativt territorium for næsten alle aldersgrupper (som hos vaccinerede personer, der havde HØJERE risiko for at få Covid sammenlignet med uvaccinerede personer), stoppede UKHSA simpelthen med at offentliggøre de ugentlige data om vaccineeffektivitet:

UKHSA tilbyder også en advarselshistorie for, hvad der sker, når du venter for længe med at trække stikket til problematiske datasæt:

Sådanne overskrifter kan ikke udkomme hver uge!! De skulle have trukket stikket ud af dette datasæt nu, før de vaccinerede begyndte at få Covid mere end de uvaccinerede. Dette er en utvungen fejl, den slags idiotisk fejl, som hovedet ruller for, bogstaveligt talt. Hvorfor i alverden ventede de, indtil *booster*-effekten for de 80-årige var ved at blive negativ???? Nogen ovre på UKHSA har ikke læst denne bog i et stykke tid, som helt klart ville have haft gavn af en smule anmeldelse. . .

II-7. Brug dobbeltstandarder, når du bestemmer, hvilke oplysninger der er strenge og troværdige

Nogle propagandister tøver måske med at være nøgent hykleriske, fordi de føler sig afsløret ved åbent at postulere to uforenelige standarder, som selv nogle almindelige bønder kan lægge mærke til. Du skal dog bekæmpe denne trang. Forstå, at anvendelse af dobbeltstandarder eksponentielt øger dine muligheder, når det kommer til at skabe talepunkter og positioner til gaslys til offentligheden.

Dette gælder især, når det kommer til anekdoter. Anekdoter, der understøtter regimets diskussionspunkter, især dem fra regimegodkendte kilder, bør behandles som den højeste form for bevis; der henviser til, at anekdoter fra kætterske eller ikke-godkendte kilder, der modsiger regimets propaganda, skal fordømmes som blot anekdotiske og har nul bevisværdi, som ikke tæller for noget som helst.

Så anekdoter fra regime-kompatible læger og loyale borgere i den frygtede sygdom, der dræber og lemlæste mennesker, er uangribelige beviser, men anekdoter om skader eller dødsfald på grund af den glorværdige vaccine er intet andet end tilfældige tilfældigheder, hvis ikke direkte opspind, skubbet af modbydelige charlataner i orden. at bagvaske regimet og bringe alle gode mennesker i fare overalt, som bare ønsker at forblive i live og sunde:

Åbent at anvende dobbeltstandarder har også den ekstra afgørende fordel ved at betinge befolkningen, at den virkelige standard for at afgøre, om data eller information er pålidelig, simpelthen er, hvad regimet siger.

II-8. Korrupte dataene for at beskytte eller styrke din fortælling

Nogle gange er den nemmeste taktik til at undgå problematiske data simpelthen at opfinde falske data. Du kan fremstille noget af hel klud. Eller du kan tage en mere nuanceret tilgang og korrumpere dataene ved at introducere subtile fejl eller skævheder, som er sværere for den gennemsnitlige person at bemærke. Der er ubegrænsede måder at fremstille eller forfalske data på, alt for mange til at opregne her. Bare sørg for at forfalske data på en måde, der ikke er let at opdage eller omvendt.

For eksempel, vender vi tilbage til vores tidligere hypotetiske situation, hvor du har brug for, at befolkningen tror, ​​at der er mange flere tilfælde af en frygtet sygdom, end der faktisk er, en anden måde, du kan fremstille den frygtede sygdom som mere udbredt, er at kombinere antallet af mennesker i øjeblikket syge med antallet af mennesker, der allerede er raske. CDC gjorde faktisk præcis dette, da de kombinerede antistoftests (som måler antallet af mennesker, der allerede er kommet sig fra Covid) med PCR-tests (som måler antallet af aktuelt syge mennesker) til én metrik for "positivt Covid-testresultat", inkl. alle, der allerede er kommet sig som værende syge i øjeblikket:

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

Læg mærke til de understregede sætninger ovenfor, de er ret afslørende.

Den grønne understregede sætning – "CDC's metode får det til at se ud til, at USA har større kapacitet til at teste, end det i virkeligheden gør” – se, hvordan CDC på glimrende vis formåede at skændes adskillige propaganda-cookies ud af denne ene manøvre. Ikke alene skabte de fatamorgana af langt højere rater af aktivt inficerede mennesker; de skabte også det fatamorgana, at regeringen havde en meget større kapacitet til at teste folk for virussen, end regeringen faktisk besad. (Det er godt at vise eksempler på regeringskompetence, da regeringens legendariske ry for svimlende inkompetence er en af ​​de mest notorisk vanskelige forestillinger at skubbe tilbage på, som folk har om regeringen.) En skarp propagandist søger altid at udnytte yderligere vinkler til fordele i stedet for. at være tilfreds med, at den udsendte propagandataktik nåede sit primære tilsigtede mål.

Den røde understregede sætning - "Tallene kan få det til at virke som om, at stater har tilstrækkelig testkapacitet og er klar til at ophæve restriktioner, når det måske ikke er tilfældet" (og egentlig de sidste to afsnit) - tilbyder en fornuftig lektion om at nappe potentielle torne i opløbet. Du skal altid – altid!! – vær på vagt over for *enhver* potentiel implikation eller hurtige overtagelser af information, der, selvom den generelt støtter regimet, også indeholder noget, der kan fordrejes for at underminere et andet aspekt af den officielle regimets fortælling. Som udgangspunkt kan du få din kage OG også spise den! Sæt pris på her, hvordan den citerede regimeforsker behændigt formår at (1) give udtryk for godkendelse af den øgede testkapacitet som et mål for regimets ekstraordinære kompetence; (2) lægger skylden for den [forsætlige] "ulykke" på det dissidente politiske parti; og (3) advarer om, at selvom staten gør et fantastisk stykke arbejde med at gøre test bredt tilgængelig, betyder det ikke, at det er sikkert at genåbne! Husk, at der er en pandemi, der skal opretholdes, hvilket denne regimeforsker ekspert gør. (Sørg for at belønne regimeforskere pænt for fremragende arbejde som dette. Det vil tilskynde resten af ​​dem til at øge deres spil, og det er godt for moralen).

Bemærk også, at medierne er en kritisk regime-allieret, uden hvem du vil fejle. Så gør, hvad du skal gøre for at bevare de hyggelige relationer – start ikke med at knibe penge her.

II-9. Slet problematiske data

Ja. Ligesom Bleach Bit-ing Hillarys e-mails. Det er godt at rense databaser fra tid til anden for data, der ikke er i overensstemmelse med regimets fortællinger eller holdninger; ellers kan det akkumulere til en mærkbar tendens, som kunne blive bemærket af regimedissidenter eller desinformationsspredere.

Så hvis for eksempel sikkerhedsdatabasen for Glorious Vaccine indeholder for mange rapporter, skal du blot slette dem, som CDC gør, som illustreret af nedenstående diagram, der viser antallet af problematiske VAERS-rapporter, der slettes af CDC hver uge:

Læg mærke til i dette tilfælde, at CDC's VAERS-arbejdere var underpræsterede i det meste af tiden – du kan ikke tillade kritisk personale at slappe af. Hele dette diagram bør vise søjler op til toppen – der er ingen gyldig grund til, at de ikke kunne have slettet masser af VAERS-rapporter i august 2021, som de gjorde i april og maj 2022. Hvis du er nødt til at ansætte ekstra personale til at håndtere sletterapporter, gør det.

Og hvorfor tillod disse slackere så mange rapporter at akkumulere i første omgang?? Der burde ikke engang være nok rapporter i sådan en database til at begynde med, hvor der så ville være behov for ugentlige masseudrensninger af de nævnte rapporter.

Den måske vigtigste lektie af hele denne bog er denne: De kedelige, sløve, kedelige logistiske detaljer med at formidle og vedligeholde propaganda er lige så kritiske som en storslået stor løgn eller betagende sproglig gymnastik.

Du skal muligvis være kreativ for at komme med en begrundelse eller forklaring på dette, hvis folk finder ud af, at der mangler data, så sørg for at have forberedt samtalepunkter på forhånd for en sikkerheds skyld.

Et andet godt eksempel på slem datasletning i aktion er følgende strålende udelukkelse foretaget af den australske regering for at eliminere ubelejlige klimadata, der viser varmerekorder, der skete for mange år siden til at kunne skydes på menneskelig kulstofemission:

Desværre blev de busted, hvilket nogle gange er uundgåeligt, når du forsøger at slette noget virkelig væsentligt og bemærkelsesværdigt. Derfor er det bydende nødvendigt at have et Gulag-system klar og venter døgnet rundt for at håndtere en pludselig bølge af nye indsatte med et øjebliks varsel (som Australiens karantænelejre).

II-10. Opret falske data, der ser ud til at afkræfte din egen fortælling for at narre og diskreditere oppositionen

Når du bliver konfronteret med en vedvarende informationstrussel, der er ætsende for din propagandaindsats, er dette en genialt lumsk taktik til at fjerne dem fra deres autoritet, troværdighed og indflydelse. Du skal blot udsende falske data, der overfladisk ser ud til at afkræfte regimets fortælling, men som let kan modbevises. Statens craven fjender vil utvivlsomt gribe denne falske information eller data, og vil derfor blive miskrediteret, når du demonstrerer, at de faldt for de nu åbenlyst latterlige påstande.

Såsom hvad militæret gjorde med deres egen interne database over alle de medicinske tilstande for hele militæret kaldet DMED. De så det bevidst med falske data, der lignede en total OMG!!!!!!!! øjeblik, der viste uhellige massive stigninger i alle mulige medicinske tilstande som kræft, graviditetstab og andre forbundet med de hellige Covid-vacciner. Så da et par heltemodige militærlæger fandt DMED-dataene, faldt de for den krogline og synke... hvilket dræbte hele historien. (For en fuldstændig detaljeret tidslinje og forklaring af dette, se her.)

II-11. Brug billeder, memer eller andre typer medier til at lyve dristigt og dristigt

Meget af offentlighedens opfattelse af videnskaben eller data kommer ned til den visuelle præsentation af videnskaben eller data - et godt meme eller billede kan effektivt kommunikere fuldstændig falske data på en måde, der efterlader folk med den overbevisning, at de falske data er absolut 100 % sande .

For eksempel, hvis du ønsker at skildre, at hyppigheden og sværhedsgraden af ​​myokarditis forårsaget af den frygtede sygdom er dramatisk værre end hyppigheden og sværhedsgraden af ​​myocarditis forårsaget af den glorværdige vaccine selvom det stik modsatte er sandt, kan du oprette et kraftfuldt billede som dette:

Nu vil folk instinktivt forbinde "Dreaded Disease Myocarditis" med en massiv svampesky-apokalypse vs myocarditis fra Glorious Vaccine som et lille bitte nålestik, der ikke engang vises på diagrammet.

II-12. Opret datavisualiseringer, der misviser dataene

Nogle gange kan du ikke lade være med at offentliggøre data, der er virkelig, virkelig dårlige (for regimet eller Science™️). Men heldigvis for dig er de fleste mennesker (og akademikere) overfladiske idioter, der er for dovne til at læse ord udskrevet ved siden af ​​et diagram eller en graf. Så du kan snildt fremstille dataene i et visualiseringsskema, der forvrænger eller skjuler, hvad dataene siger.

Lad os illustrere ved hjælp af et eksempel fra de største af Science™️-tidsskrifterne - Lancet. Det Lancetoffentliggjort en undersøgelse, der estimerer antallet af dødsfald forårsaget af ekstrem kulde og ekstrem varme rundt om i verden hvert år. Fordi regeringer over hele verden ønsker at fastholde fiktionen om, at global opvarmning er en dødelig fare for menneskeheden, var de nødt til at vise, at dødsfald forårsaget af varme var flere end dødsfald forårsaget af kulde. De skulle som minimum være lige. Således når Lancet opdagede, at kuldedødsfald var flere end varmedødsfald med en margin på 10 til 1 (bogstaveligt talt), var de nødt til at finde ud af en måde at skabe et diagram på, der skjulte det ubelejlige lille faktum. Hvilket resulterede i diagrammet nedenfor i venstre side:

De blå søjler viser dødsfald fra kulde, de røde søjler viser dødsfald fra varme. Jo større baren er, jo flere dødsfald. Så de skulle få de røde søjler til at være lige så store som de blå søjler. Så de brugte et lumsk lille trick – hvis du ser på de lilla understregede tal, som oversætter størrelsen af ​​søjlen til et bestemt antal dødsfald, vil du se, at for de blå søjler (kolde dødsfald) repræsenterer hver tomme søjle 50 dødsfald, men for de røde søjler (varmedødsfald) repræsenterer hver tomme søjle kun 10 dødsfald. Den samme størrelsesbjælke repræsenterer således 5 gange antallet af dødsfald for kuldedødsfald som for varmedødsfald, selvom de ser ens ud. Men folk er ikke opmærksomme og vil bare sige "Åh, de ligner nogenlunde, så der må være en nogenlunde lige stor andel af varmedødsfald som kuldedødsfald." (Og de forsøgte endda at snige sig ind i et kæmpe interval i slutningen, hvor den sidste tomme røde søjler repræsenterer 210 dødsfald i stedet for kun 10 (orange pil).)

Havde de lavet et ærligt diagram, der brugte samme skala for både kuldedødsfald og varmedødsfald, ville det ligne diagrammet til højre. Sagen er, at et blik på det diagram giver dig det tydelige indtryk af, at ekstrem kulde er en langt større trussel end ekstrem varme, hvilket kan føre til nogle ubehagelige spørgsmål om, hvorvidt en smule global opvarmning faktisk ville være gavnlig for menneskeheden.

Bemærk: Når du bruger denne taktik, så prøv at være mere subtil og diskret end Lancet'en, hvor det var meget nemt for selv en lægmand at få øje på hånden.

Rigging af VIDENSKABEN

"Til dette formål begyndte Lysenko at "opdrage" sovjetiske afgrøder til at spire på forskellige tidspunkter af året ved blandt andet at lægge dem i blød i frysende vand. Han hævdede derefter, at fremtidige generationer af afgrøder ville huske disse miljømæssige signaler og, selv uden at blive behandlet selv, ville arve de gavnlige egenskaber."1

At manipulere videnskaben er ikke noget nyt. Heldigvis for propagandisten er Videnskab meget let at manipulere efter behag, hvis du er regimet. Se bare på Trofim Lysenkos bedrifter, da han fik opbakning fra kammerat Stalin. De følgende sektioner vil detaljere, hvad du skal gøre for at få succes med Videnskaben til at understøtte regimets fortælling og mål.

En perfekt illustration af en samordnet og effektiv virksomhed med Science-rigging er Big Pharmas velsmurte propagandamaskine. En gruppe af frafaldne videnskabsmænd konspirerede sammen for at formulere præcist, hvordan Big Pharma kontrollerer og manipulerer videnskab og data efter behag:

Det er klart, at denne artikel er stadig offentligt tilgængelig er en forbløffende fiasko for regimets censorer. I et land med en fungerende regering ville alle forfatterne til et så dristig angreb på regimet (og censorer, der ikke formåede at forhindre det i at blive offentliggjort og/eller ikke fjerne det) blive deporteret til Nordpolen i går.

Sidebar: Disse forfattere beskriver nøjagtigt, hvordan vi korrumperer videnskaben, så den passer til regimets dagsorden. Artikler som disse, selvom de åbenbart ikke kan få lov til at spredes offentligt, er helt acceptable at sprede blandt regimets propagandister for bedre at forstå, hvordan man effektivt propaganderer.

Det er også vigtigt at bemærke, at medicinalvirksomheder – “Big Pharma” – normalt vil være regime-kompatible, men hvis en farmavirksomhed bliver 'mindre' kompatibel, så skal du selvfølgelig retsforfølge dem for deres uhyggelige bedrageri. Sørg også for at bøde loyale Pharma-virksomheder med store penge hvert par år, så befolkningen tror, ​​at regimet har et modstridende forhold til Big Pharma og derfor vil være mindre tilbøjelige til at indse, at regimet og Pharma er i ledtog. Et par milliarder er ikke nogen stor sag for deres balancer.

Afsnit III – Undersøgelse af, hvilke data der anses for at være officiel videnskab

Vær selektiv med hensyn til, hvilke data der er inkluderet i Official Science. Information, der har præmien af ​​at være Videnskabelig information har langt større vægt og troværdighed hos befolkningen, selv dem, der nægter at følge regimets fortælling (ingen ønsker at blive opfattet som værende "anti-videnskab" - det er næsten lige så slemt som at være en racistisk i det moderne samfund).

III-1. Udgiv ikke problematiske undersøgelser, og hvis de bliver offentliggjort, skal du trække dem tilbage

Den sikreste måde at forhindre officiel videnskabelig forskning i at fjerne en regimefortælling er at fratage den dens officielle karakter. (Så gemmer du det væk, hvor ingen kan få adgang til det, og hævder, at siden det blev trukket tilbage, hvilket viser, at det hele tiden var falsk svigagtig junk-videnskab, der blev skubbet af korrupte anti-videnskabelige kættere, der ønsker at blive rige på at sælge mærkelige vitaminsammensætninger.)

Du skal dog passe på at handle hurtigt, for hvis du venter for længe, ​​kan kopier af ikke-godkendt videnskab cirkulere i hemmelighed blandt ikke-troende eller kættere mod regimet og få næsten mytisk status. Og når først et studie bliver forankret i folks oplevelse som et "rigtigt studie", får det dem bare til at tro, at du er desperat efter at skjule "sandheden".

Tag et kig på alle disse herlige tilbagetrækninger af undersøgelser, der var skadelige for regimets fortælling under Covid (dette er kun den første side af 36):

Kilde: https://coronacentral.ai/retractions

Forestil dig, hvor meget (mere) skade disse useriøse undersøgelser kunne have gjort, hvis de havde fået lov til at blive og ikke blevet trukket tilbage!

Forestil dig også, hvor mange flere undersøgelser, der aldrig så dagens lys i første omgang, da disse kun repræsenterer en lille brøkdel af kættersk forskning (eller God Videnskab, der ved et uheld fandt kætterske resultater).

III-2. Cherry-Pick, hvilke dele af et datasæt, der repræsenterer "officiel videnskab"

Det er forbløffende, hvor drastisk du kan ændre Videnskaben ved blot at bruge udvalgte dele af et datasæt, der styrker regimets fortælling, mens du kasserer (eller endnu bedre, skjuler) de dele af datasættet, der ikke er synkroniseret med regimets positioner.

Lad os for eksempel antage, at vi ser følgende to tendenser i regimets PROPAGANDA sikkerhedsovervågningsdatabase for Glorious Vaccine.

(Desværre er man nødt til at foregive at overvåge sikkerheden for at berolige nervøse borgere, der føler sig nervøse for noget nyt, og også for at have et færdigt svar på potentielle kritikere og desinformationsspredere, der vil forsøge at anklage regimet for at skjule problematiske sikkerhedsdata . Og du skal lade som om du tager det MEGET seriøst.)

Lad os i hvert fald antage, at der er 26,878 rapporter om sikre og effektive transformationer til kødædende zombier per million doser af Glorious Vaccine administreret, men kun 2 rapporter om vaccinerede mennesker, der bliver dræbt af kødædende bakterier lige efter at være blevet vaccineret, som denne:

Du kan ikke ligefrem få dette til at komme ud i den offentlige diskurs, hvilket vil tilskynde til tøven med vacciner og få folk til at tvivle på regimets fortælling generelt, selv om andre ting. Men du skal også demonstrere, at PROPAGANDA-databasen viser, at antallet af potentielle Glorious Vaccine-skader er ubetydelige. (Sørg for at understrege, når du refererer til sikkerhedsdatabasen, at disse rapporter ikke bekræftes, at den glorværdige vaccine var årsagen, blot en potentiel sammenhæng.)

Løsningen her er ret simpel – brug kun de data, der viser, at der kun er 2 rapporter om, at nogen er blevet smittet med skræmmende kødædende bakterier på grund af den herlige vaccine pr. 100,000 doser. De 26,878 rapporter pr. 100,000 doser af sikre og effektive kødædende zombietransformationer skal dog offentligt ignoreres så meget som muligt, og når du ikke kan undgå at ignorere det, skal du fordømme det som ubeviste uvidenskabelige og derfor meningsløse rapporter, der derfor er ubetydelige. Og sørg for at bebrejde medierne for at turde spørge dig om det. (Ideelt set bør du konspirere med en loyal Regime-journalist om, at han skal være den, der spørger om det, så det kan bringes op på en afvisende måde som: "Nogle udkantsfolk forsøger at påstå, at den glorværdige vaccine forårsager titusvis af tusindvis af opsigtsvækkende skader, kan du forklare, hvordan de forvrænger rapporterne i PROPAGANDA-databasen?”)

Brug heller aldrig ordet "rædselsvækkende" i forbindelse med en situation, hvor du forsøger at berolige folk. Aldrig. Også selvom det du beskriver objektivt set er skræmmende. Når du beskriver noget, der i sagens natur er skræmmende, skal du i stedet bruge store, akademiske videnskabsklingende ord. Så "kødædende bakterier" kan beskrives som en 'nekrotiserende fasciitis', noget som ingen har nogen idé om, hvad pokker det betyder (og de fleste mennesker er for dovne til selv at Google det til at finde ud af). Det har endda to 'i''er i sig, hvilket får det til at lyde ret imponerende på en intellektuel måde, som om det praktisk talt er et privilegium at blive dræbt af noget så sofistikeret:

Det er ikke så kompliceret; du får styr på det på ingen tid. (Og hvis du ikke gør det, vil du sandsynligvis ikke være her meget længere alligevel.)

Bemærk: Når du har en situation, hvor et regime-godkendt eller påbudt produkt er farligt – **hvilket ofte vil være** – skal du sørge for, at du ikke falder for din egen propaganda; ellers kan du meget vel ende som den næste sikre og effektive zombie som disse fire amerikanske senatorer:

III-3. Forsinket rapporteringsdata

En mere subtil måde at undersøge, hvilke data der er inkluderet i den officielle videnskab, er at uærligt rapportere data eller oplysninger. Strategisk timing af rapporteringen af ​​forskellige delmængder af data er en enkel, men kraftfuldt effektiv måde at manipulere de videnskabelige data på. (Du skal ikke bekymre dig om at forstå, hvordan dette virker; bare vid, at det gør det, og ansæt kompetente statistikere, der kan finde ud af, hvordan du bedst implementerer dette.) Mange beregninger er afhængige af timingen af ​​de rapporterede data, og du kan derfor kontrollere, hvad data vises ved omhyggeligt at frigive forskellige dele af dataene på det optimale tidspunkt.

For eksempel kan en en uges forsinkelse i indberetningen af ​​dødsfald kan radikalt ændre den tilsyneladende effekt eller sikkerhed af en medicinsk intervention – bogstaveligt talt, ved at forsinke rapporteringen af ​​dødsfald med en uge, kan du få noget, der har nul effekt, til at se ud som om det er 95 % effektivt. (Du kan følge linket for flere detaljer, men denne særlige taktik er lidt for kompleks til en Idiot's Guide, og at inkludere en dybdegående beskrivelse her kan få ellers spirende propagandister med en strålende fremtid foran sig til at blive deprimerede og tvivle på deres egne evner, hvis de ikke kan følge forklaringen, hvilket kan få dem til at holde op, hvilket i sandhed ville være en tragedie.)

Afsnit IV – Sådan rigger du en undersøgelse

Måske er det mest afgørende færdighedssæt, der er nødvendigt for at manipulere Videnskab, evnen til at designe og manipulere en undersøgelse for at opnå de nødvendige resultater.

[Bemærk: den egentlige rigning af undersøgelser vil altid blive udført af eksperter, der driver undersøgelser for deres levebrød (kaldet PI'er eller Principal Investigators). Så du behøver ikke rigtig at være flydende i det her. Men det er ikke desto mindre nyttigt at have en anstændig nok forståelse af det grundlæggende.]

Undersøgelser - især de store fancy, der typisk anses for at være "guldstandarden" for Science™️ - er massivt komplekse dyr, der kan manipuleres på utallige måder. Vi vil forklare de mere fremtrædende og ligetil typer af bedrag, manipulationer og designfejl, der kan udnyttes til at gøre studiet til en marionet i dine hænder, som du kan rykke rundt efter behag.

[Bemærk: – der er mange gradueringer af sofistikering i implementering af nogen af ​​følgende manipulationer. Vi vil kun forklare og illustrere de underliggende koncepter ved at bruge principperne ligefrem uden at tilføje nogen smarte udsmykninger og kugler. Målet her er, at du skal forstå de forskellige typer og måder at manipulere data på. Du kan uddanne dig selv i de mere avancerede metoder bagefter (noget som selvfølgelig er stærkt opmuntret og anbefalet).

IV-1. Study Rigging Tactic #1: Rig designet af undersøgelsesprotokoller

Det meste af materialet, der er relevant for dette afsnit, er også relevant for det næste afsnit, der omhandler sabotering af implementeringen af ​​undersøgelsesprotokollerne, så vi vil her kun behandle den taktik, der er unik for rigging af designet af selve protokollerne.

Studieprotokoller er grundlæggende som en regelbog, der dikterer, hvordan undersøgelsen skal udføres. Så sørg for at skrive regler, der favoriserer det resultat, du skal opnå.

A) Stabling af dækket – tildel strategisk forsøgspersoner til de respektive undersøgelses- og kontrolgrupper

Næsten alle store, specielle undersøgelser har to grupper – undersøgelsesgruppen og kontrolgruppen. I en undersøgelse for en ny medicin får studiegruppen medicinen, og kontrolgruppen ikke. I teorien, hvis medicinen virker, så burde der være flere syge i kontrolgruppen end i undersøgelsesgruppen.

Så hvis du kører en undersøgelse for at teste et nyt regime Wunder-drug, kan du udnytte dette ved at sætte flere usunde mennesker i kontrolgruppen end i undersøgelsesgruppen, så undersøgelsesgruppen vil klare sig bedre, selvom regime-stoffet ikke gør det. arbejde. (Du skal selvfølgelig ikke indrømme, at du gør dette eller nogen anden af ​​disse taktiske skænderier i studiedokumentationen.)

B) Dyrlæg omhyggeligt forsøgspersoner, der skal inkluderes i undersøgelsen

Meget hovedpine kan undgås blot ved at holde folk ude, som sandsynligvis vil ødelægge dine resultater på en eller anden måde.

For eksempel, hvis du tester et nyt lægemiddel, som du vil bevise, er sikkert og effektivt, skal du holde personer ude, som er særligt indstillet på at lide dårlige reaktioner eller ineffektivitet. Du forstår ideen. (Som de ikke inkluderede nogen gamle comorbide mennesker i Covid-vaccineforsøgene, hvilket ville have afsløret den '99% effektive' canard.)

IV-2. Study Rigging Tactic #2: Saboter udførelsen af ​​undersøgelsesprotokollerne

Ofte nok vil du ikke være i stand til at rigge selve undersøgelsesprotokollerne til at producere dine ønskede resultater. I sådanne tilfælde skal du i stedet sabotere implementeringen eller overholdelse af de officielle undersøgelsesprotokoller. Dette er ret nemt at gøre, og der er bogstaveligt talt uendelige måder at opnå dette på.

Bemærk: Det er klogt at have din logistik planlagt på forhånd, for at undgå en række problemer og stressende situationer, der kan dukke op i en stor undersøgelse, der involverer tusindvis af forsøgspersoner og personale. For eksempel, hvis du vil 'vise', at et særligt irriterende stof faktisk er dødeligt, bør du have ligposer ved hånden for hurtigt at fjerne lig fra offentlige steder og en ligbrændingsfacilitet på vagt 24-7 for at ødelægge enhver uønsket retsmedicinsk eller patologisk bevis. som lig kan indeholde.)

Protokol Sabotage #1: Administration af undersøgelsesbehandlingen/interventionen [til undersøgelsesgruppen]

Folk tror, ​​at det er ukompliceret og ligetil at give forsøgspersoner et stof. De tager fejl. Meget meget forkert. Du kan ofte kontrollere hele undersøgelsen ved subtilt at justere, hvordan behandlingen administreres til forsøgspersonerne, herunder følgende:

  • Dosering/mængde af intervention – Du kan under- eller overdosere et lægemiddel afhængigt af, hvad du sigter efter. Hvis du vil have stoffet til at se ineffektivt ud, vil underdosering sikre, at det ikke virker. Hvis du vil vise, at stoffet er farligt, skal du bare øge dosis til meget giftige niveauer.
  • Tidspunkt for behandlingsadministration – En anden måde at sabotere et lægemiddel på er at give det til patienterne for tidligt eller for sent til at være effektivt. Der er mange forskellige greb, du kan vælge for at opnå dette. For eksempel kan du sende lægemidlet til patienter via posten, hvilket uundgåeligt vil tilføje et par dage til tidsplanen (en David Boulware Ivermectin-special).
  • Produktets kvalitet – altså renhed/styrke – Et forurenet eller dårligt fremstillet produkt vil ikke fungere på samme måde som et rent produkt fremstillet med ingredienser af høj kvalitet og fuldstændig troskab over for den ideelle fremstillingspraksis.

(Bemærk: Du bør ALTID udføre off-the-record prækliniske undersøgelser på dyr – og mennesker – for at forstå, hvordan forskellige versioner af lægemidlet eller interventionen vil fungere, FØR du implementerer kontaminerede versioner i en undersøgelse (ud over de officielle prækliniske undersøgelser af normal formulering af lægemidlet); ellers risikerer du ved et uheld at sabotere dine egne sabotageforsøg. Husk, at meningen med at køre undersøgelsen er at vise et forudbestemt resultat, ikke at opdage nogen ny videnskabelig indsigt! Usikkerhed eller uforudsigelighed om, hvad stoffet eller interventionen, du studerer, vil gøre i det virkelige liv, er Kryptonite til succesfuld undersøgelsesrigging. Eller i det mindste vil det give dig nogle virkelig slem migræne, mens du kæmper for at navigere i labyrinten af ​​farer og ubehagelige data fra din nu ekstremt rodede undersøgelse.)

  • Brug saltvand eller placebo i stedet for interventionen – En anden måde, hvorpå du kan minimere farerne ved regimets valgte intervention, er at give placebo i stedet for behandlingen, så der er mindre eksponering for indgrebets toksicitet. Det er klart, at du også skal sikre dig, at brug af saltvand ikke vil have den uønskede bivirkning at vise, at dit lægemiddel ikke virker, så denne taktik bruges typisk i forbindelse med andre protokolmanipulationer eller utroskaber.
  • Mix og match – Du kan altid blande og matche inden for et hvilket som helst af disse forslag. Du kan f.eks. give nogle af behandlingspersonerne et andet produkt. Du kan også bruge mere end ét af disse forslag i kombination, så du dækker forskellige dele af studiegruppen med forskellige forslag, hvilket kan gøre det sværere for udenforstående at opdage protokolovertrædelserne.

Protokol sabotage #2: Administration af placebo [til studiegruppen]

Dette er i det væsentlige bagsiden af ​​det forrige afsnit. Der er et par specifikke taktikker, der er lidt unikke, når de anvendes på placebo:

  • Giv kontrol-/placebogruppen interventionen – En måde at sikre, at en undersøgelse ikke viser nogen effekt for en behandling, er at give kontrolgruppen også behandlingen. Hvis begge grupper får behandlingen, så vil der ikke være forskel på dem, hvilket viser, at behandlingsgruppen klarede sig bedre på grund af behandlingen.
    Den nemmere, men mere risikable metode til at gøre dette på er at få undersøgelsespersonalet til at give stoffet direkte til kontrolgruppen, der udgiver sig for at være placebo. (Dette er nemt nok, fordi placeboen formodes at se, føle, smage og lugte identisk med behandlingen for at forhindre kontrolgruppens forsøgspersoner i at finde ud af, at de ikke fik stoffet.)

Den sværere, men mindre risikable metode er at skubbe kontrolgruppens forsøgspersoner til at opnå behandlingen uden for undersøgelsen. For eksempel kan du bruge en placebo, der er markant forskellig fra stoffet. Da forsøgspersonerne nemt kan opdage via Google, at det ikke er sådan stoffet skal se ud, lugte eller smage, vil de bestræbe sig på at skaffe det faktiske lægemiddel ved siden af, da de ikke ønsker at dø eller lide invaliderende. komplikationer fra en hvilken som helst sygdom eller tilstand, lægemidlet bliver brugt til at behandle.

Alternativt kan du vælge at køre undersøgelsen et sted, hvor befolkningen i forvejen har stor eksponering for den behandling, der undersøges, så puljen af ​​forsøgspersoner vil blive grundigt forurenet med personer, der allerede bruger eller i det mindste har en forsyning af lægemidlet ved hånden.

(Bare husk på, at denne taktik risikerer at blive bemærket af irriterende dissidente anti-videnskabelige kættere, da det vil være et spørgsmål om offentlig registrering, at der var udbredt kendskab til og/eller brug af stoffet, hvor undersøgelsen blev udført.)

  • Spike placeboen – Hvis du ikke ønsker en inert placebo, kan du spike den med noget lidt mere 'livligt', der kan fremkalde bivirkninger og/eller en terapeutisk effekt.

En specifik metode er at bruge komponenter i behandlingen til at øge placeboen. Dette kan især være nyttigt til at skjule problematiske bivirkninger af en behandling, der er forårsaget af andre ingredienser eller komponenter udover den aktive behandlingsingrediens – hvis du lægger dem i placebo, så vil begge grupper have lignende bivirkninger.

(Bemærk: Husk på, at hvis bivirkningerne er for udtalte, kan det blot at placere de toksiske komponenter af behandlingen i placebo give anledning til spørgsmål, hvis folk bemærker, at frekvensen af ​​de specifikke bivirkninger er langt højere i undersøgelsens kontrolgruppe, end de er i. den almindelige befolkning.)

Protokol sabotage #3: Tilskynd forsøgspersonerne til at ændre deres adfærd

Undersøgelsespersoners adfærd er ofte en kritisk overvejelse, når man designer protokoller og kører en undersøgelse. Brug dette til din fordel.

Der er 3 grundlæggende typer af incitamenter:

  • Økonomiske tilskyndelser – En af de sikreste måder at tilskynde en adfærd på er at belønne den økonomisk:
    • Du kan køre en korrupt bestikkelsesordning i undersøgelsen. For eksempel, hvis undersøgelsen opnår resultater ved at bede forsøgspersoner om at indberette oplysninger - såsom hvilke bivirkninger de oplevede efter at have fået Glorious Intervention - kan du betale forsøgspersoner for ikke at rapportere bivirkninger. Men du bliver også nødt til at håndhæve hemmeligholdelse og sikre, at ingen finder ud af det, hvilket kan være vanskeligt.
    • Alternativt kan du manipulere eller drage fordel af det miljø, hvor undersøgelsen finder sted, til at fungere som din mellemmand eller mellemmand til at udlevere de økonomiske godbidder. For eksempel, hvis du tester effektiviteten af ​​en potentiel intervention for at blokere overførsel af den frygtede sygdom, kan du køre undersøgelsen et sted, hvor folk kun kan gå på arbejde, hvis de ikke er inficeret med den frygtede sygdom, og drage fordel af dette indbygget incitament til ikke at rapportere test positiv, som folk har (de vil have deres fulde lønseddel).
  • Socialt pres – Den anden type incitament er socialt pres. Dette kan komme fra jævnaldrende, politiske kræfter, sociale grupper, professionelle medarbejdere, institutioner, berømtheder eller enhver anden kilde til indflydelse i samfundet. Pointen er, at du kan bruge nogen eller alle af disse til din fordel. 
    Lad os for eksempel sige, at du kører en undersøgelse for at teste effektiviteten af ​​Wonders Cloth Shield, der stopper spredningen af ​​den frygtede sygdom. Så du giver nogle landsbyer i et tredjeverdensland Wonders Cloth Shield, og opretter en kontrolgruppe af landsbyer, som ikke får Wonderous Cloth Shield. Du kan vise, hvor fantastiske disse enheder er, foran landsbybeboerne, der får dem. Du kan også få landsbyens ældste til at proklamere, at det vidunderlige klædeskjold er en gave fra himlen, hvilket gør det til et punkt af moralsk dyd at bære et, og endnu vigtigere, gør det at bære et, men at blive smittet med den frygtede sygdom til et tegn på religiøs fiasko . Hvilket gør dem langt mindre tilbøjelige til at rapportere tilfælde af den frygtede sygdom, især sammenlignet med de landsbyer, der ikke fik de vidunderlige klædeskjolde. Hvilket får det til at se ud som om Wondrous Cloth Shield arbejder for at reducere overførsel af frygtede sygdomme.
  • Hårde straffe – Man kan true med alle mulige forfærdelige konsekvenser, hvis studiefag ikke gør præcis, som man vil. Dette er især nemt at implementere i tredjeverdenslande, hvor der er lidt om nogen retsstat og korruption er reglen. Det kan være nyttigt at lave et eksempel på nogen på forhånd for at vise, at du mener alvor - for eksempel kan du vælge en tilfældig person til at sende til et fængsel i Sudan, hvorfra de næppe nogensinde vender tilbage i live.

Protokolsabotage #4: Ansæt inkompetente personer til at lede undersøgelsen

Undersøgelser - især de undersøgelser, der udfører en form for eksperiment (i modsætning til blot at analysere allerede eksisterende datasæt) - kræver typisk store medarbejdere at udføre. Ansættelse af inkompetent personale er en fantastisk måde at give dig selv et spillerum til at "massere" ubelejlige data, der kommer frem fra undersøgelsen - "disse data er forkerte, fordi personalet har rodet det sammen." Så selvfølgelig skal du "rette" "fejlene".

Endnu vigtigere er det, at inkompetente medarbejdere er mindre tilbøjelige til at bemærke, at du rigger undersøgelsen, fordi de ikke har viden eller erfaring om, hvordan en lovlig undersøgelse formodes at blive afviklet.

Protokol sabotage #5: Fjern eventuelle problematiske forsøgspersoner eller begivenheder fra undersøgelsen

Denne er et åbenlyst "Duh." Hvis nogle få forsøgspersoner i fase-3 forsøget for Glorious Vaccine lider alvorlige skader lige efter at være blevet injiceret med Glorious Vaccine, ja, du kan ikke få dem til at ødelægge den "sikre og effektive" fortælling. Men heldigvis er løsningen enkel: Fjern dem fra undersøgelsen.

Dette vil ikke engang se mistænkeligt ud for en ekstern observatør! Hver undersøgelse har regler skrevet ind i protokollerne, der giver dig mulighed for at sparke forsøgspersoner ud, der overtræder undersøgelsesprotokollerne eller ønsker at forlade af "personlige årsager." (Tænk på hver gang en politiker siger, at han trækker sig for at "bruge mere tid sammen med sin familie" - samme idé.) Men de fleste akademikere er suckers for dette og falder for det hver gang.

Hvis du er rigtig klog på, hvordan du designer protokollerne i første omgang, vil du tilføje en betingelse, der forbyder forsøgspersoner at søge lægehjælp hos enhver læge uden for undersøgelsen. Så hvis et forsøgsperson lider af en grim bivirkning, som en smule sikker og effektiv myokarditis eller en mild Bells parese, der efterlader ham noget lammet, vil de gå direkte til den nærmeste skadestue ... hvilket er en klar overtrædelse af undersøgelsens protokoller! ! Farvel problem.

Hvis du vil se en maestro fra den virkelige verden, skal du ikke lede længere end den anden, der er ansvarlig for Pfizers fase 3 Kiddie-forsøg for deres vaccine – da en af ​​forsøgspersonerne ved navn Maddie de Garay pådrog sig flere ret grimme neurologiske skader 24 timer i døgnet. efter at have fået vaccinen (den slags, der involverer permanent brug af sonder og kørestole blandt andre livsstils-'tilpasninger'), smed de hende simpelthen ud af studere. Og så skrev hendes skade op som 'uløste mavesmerter.' De smed også en anden fyr ud af hovedsagen, en advokat ved navn Augusto Rioux, efter at han fik en mild sikker og effektiv perikarditis efter dosis #1.

Samme for AstraZeneca – Brianne Dressen blev smidt ud efter dosis #1 – men de rapporterede, at hun trak sig af personlige årsager. Se? Easy-peasy.

Protokolsabotage #6: Registrer falske data

Når alt andet fejler, kan du blot optage data til undersøgelsen, der er helt forkert og fremstillet ud af den blå luft. Pfizer-studiekontraktøren Ventavia viser os vejen på denne – følgende skærmbilleder er den faktiske e-mail sendt af Brooke Jackson – en af ​​Ventavias Site Managers – som besluttede at forsøge at underbyde regimet ved at afsløre den igangværende svindel:

I et usædvanligt hurtigt og effektivt svar blev fru Jackson fyret mindre end seks – 6 – timer efter at have sendt denne e-mail til FDA. Seks TIMER!! Sådan skal tingene gøres.

Ydermere, da hun sagsøgte ved den føderale domstol i et forsøg på at vælte hele Pfizer-vaccineforsøget, lykkedes det regimet at standse det i næsten to hele år ved at bruge en række geniale juridiske taktikker. (Det skal dog bemærkes, at den, der var ansvarlig for ansættelsen, blæste det stort; du skal lave grundige baggrundstjek for at sikre, at potentielle ansøgere ikke besidder stærke moralske overbevisninger.)

Desværre kontrollerer FDA ikke udenlandske medicinske tidsskrifter, hvoraf et besluttede (chokerende) at offentliggøre en artikel, der dokumenterer svindel med Pfizer-forsøg. Stor pyt. Det er derfor, det er bydende nødvendigt at etablere et enhedsstyrende organ for hele verden.

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

IV-3. Undersøgelsesrigningsmulighed #3: Undersøgelsesanalyse

Når du er færdig med selve undersøgelsen, er det nu tid til at knuse tallene fra undersøgelsen. Eventuelle problematiske data, der på en eller anden måde kom igennem alle dine protokoldesigns og sabotage, vil blive ryddet op her. Tænk på det som at give en brugt bil med et helt nyt lag maling for at skjule alle skaderne nedenunder – du ændrer ikke noget væsentligt, bare skjuler ting (for det meste). Ingen ønsker at ridse den friske nye maling for at sikre, at den ikke skjuler noget.

Der er sååå mange måder at 'analysere' dataene på. Tricket er at være klog på, hvilke du vælger, og hvordan du gør analysen.

Analysetaktik #1: Juster ikke dataene

Datajusteringer er ret standard ting i videnskaben. Rådata er næsten aldrig egnet til direkte at drage slutninger eller ekstrapolere fra, fordi der normalt er alle mulige forvirrende variabler til stede.

Her er et meget simpelt eksempel på en datajustering:

Følgende er befolkningen i staterne Darth Santistan (dårlig tilstand) og The Gender Spectral Paradise of Commiefornia (god tilstand):

Her er dødsraterne fra den frygtede sygdom for disse stater - samlet set har den dårlige tilstand flere dødsfald end den gode tilstand. Da de har den samme befolkning, betyder det, at dødsraten er højere i BAD, BAD-staten Darth Santistan:

MEN. . . (ja, der er et stort 'men' her)

Hvis vi ser på dødsraterne for seniorbefolkningen og ikke-seniorbefolkningen separat, har den gode stat chokerende nok en højere dødsrate i BEGGE (?!?!?!?!?):

To vigtige observationer her:

  1. Årsagen til, at den illoyale tilstand Death Santistan har en højere samlet rate på trods af at de har lavere dødsrater i hver alderskohorte er faktisk meget simpelt - seniorer dør langt oftere end ikke-seniorer, men den dårlige stat har den ulykke at have 2.5 gange så mange seniorer som den gode stat, hvilket betyder mange flere dødsfald samlet på grund af det store antal ældre borgere i Den dårlige tilstand af Death Santistan:

For at den dårlige stat skal have det samme antal seniordødsfald som den gode stat, skal de bogstaveligt talt have 40 % af dødsraten hos seniorer som den gode stat, fordi den gode stat kun har 40 % så mange seniorer i deres befolkning som den dårlige tilstand. Det er derfor (når vi vil være ærlige, som når sandheden hjælper regimet) Videnskaben justerer data - for at undgå ting som dette. (Dette særlige statistiske fænomen har faktisk et officielt navn: "Simpsons paradoks. ")

Juster derfor IKKE dataene, når det vil skade regimets fortælling.

Analysetaktik #2: Juster dataene vildledende eller uhensigtsmæssigt

Omvendt vil rådata, eller korrekt justerede data, nogle gange ikke være gode for din fortælling. I sådanne tilfælde skal du fortsætte med at justere på kreative måder, indtil du med succes har sløret de kætterske resultater, så ingen kan se dem eller finde ud af dem.

For eksempel, hvis vi tager vores ovenstående hypotetiske sammenligning af de fiktive tilstande i det kønsspektrale paradis Commiefornia/Death Santistan, kan du tilføje en 'justering' for at "løse" problemet. Alt du skal gøre er at finde en egenskab, der er en proxy for værre udfald i den dårlige dødstilstand Santistan end den gode tilstand i Gender Spectral Paradise of Commiefornia. Siden Death Santistan besluttede ikke at følge regimets livreddende lockdowns, havde seniorerne i Death Santistan en tendens til at forlade deres huse mere end andre stater, selv om det bare var for at gå rundt om blokken for at få frisk luft - hvilket betyder, at seniorer, der ikke forlod deres huse, sandsynligvis var oftere for syge til at forlade deres hus. Sådanne syge ældre er også mere tilbøjelige til at være dem, der dør af den frygtede sygdom.

Sådan kunne det udspille sig:

Diagram #1 – befolkningen af ​​seniorer i hver stat (venstre kolonne = seniorer, der gik udenfor mindst en gang om ugen; mellem = seniorer, der ikke gik udenfor; højre = samlet antal seniorer i hver stat)

Diagram #2 – antal dødsfald i hver af de tre kategorier i diagram #1:

Dette løser fuldstændigt vores problematiske data (det kan faktisk løse det for godt!!) – se, hvordan vi ændrer dødsraten hos seniorer:

Alt du skal gøre nu er at henvise til den indendørs seniordødsrate som den "befolkningsjusterede seniordødsrate."

Du kan også stadig henvise til indendørs seniordødsfald fra tid til anden, fordi det er meget nemmere at propagandere med et talepunkt som "seniorer mest udsatte, fordi de er immobile havde næsten TRE gange så stor risiko for at dø i DÅRLIG tilstand, som de var i GOD tilstand." Folk forbinder naturligt seniorer med at sidde fast indendørs, så det er usandsynligt, at de vil forstå, at "indendørs seniorer" i virkeligheden er så lille en procentdel af vores hypotetiske seniorbefolkning i Death Santistan.

Analysetaktik #3: Vælg optimale slutpunkter

Slutpunkter er en stor ting. Officielt er en undersøgelses primære endepunkt/er det centrale resultat, der afgør, om undersøgelsen anses for at være en succes eller en fiasko. Et endepunkt er dybest set en ting eller metrik, som du bruger til at vurdere succesen/fiaskoen eller virkningen af ​​hvad end det er, du studerer. For eksempel, hvis du tester et nyt lægemiddel for at se, om det forhindrer den frygtede sygdom i at dræbe dig, vil endepunktet være dødsfald fra frygtet sygdom. Hvis behandlingsgruppen havde færre Dreaded Disease-dødsfald end kontrolgruppen, så virker behandlingen, men hvis de ikke gjorde det, ja, det betyder, at du ikke har rigget undersøgelsen godt nok til. (Det er lidt forsimplet, men du får den grundlæggende idé.)

Så du skal sørge for at vælge klogt, når du vælger slutpunktet/erne.

Derfor bør du generelt vælge slutpunkter, der har så mange af følgende egenskaber som muligt:

  • Afhænger af subjektiv bedømmelse frem for objektiv observation
  • Naturligvis forudindtaget i forhold til dine foretrukne resultater
  • Let at manipulere resultatet
  • Nemt at lyve om resultatet
  • Svært for folk at finde ud af, om du forfalskede eller manipulerede resultatet
  • Svært at fatte/forstå – især for lægfolk

Lad os for eksempel antage, at du kører et forsøg med det formål at sabotere en alternativ behandling, der faktisk virker på den frygtede sygdom (hvilket ville være meget dårligt, hvis regimet ønsker, at en pandemisk krise skal foreviges i et stykke tid endnu). Du skal vise, at det ikke virker. Hvis du vælger "død" som et slutpunkt, kan du komme i store problemer, når stoffet redder en flok mennesker i behandlingsgruppen.

I stedet for døden kunne du vælge noget som "tid til at udskrive fra hospitalet." Dette endepunkt opfylder alle seks betingelser (i nogen grad):

  • Patientudskrivning er en subjektiv beslutning fra lægerne (hvem skal være på studiets løn), så man ikke hænger i at frigive patienter, der opfylder en objektiv standard for frigivelse.
  • Udskrivning er forudindtaget i forhold til dine foretrukne resultater – da en højere procentdel af kontrolgruppen vil dø, betyder det, at en højere procentdel af alvorlige tilfælde bliver aldrig udskrevet, så de vil ikke øge den gennemsnitlige tid til udskrivning for resten af ​​kontrolgruppen; sammenlignet med behandlingsgruppen, hvor de mere alvorligt syge patienter i stedet for at dø tager et par ekstra dage om at komme sig, hvilket øger den gennemsnitlige tid til udskrivning for behandlingsgruppen.
  • Udskrivelsen er meget nem at manipulere – du kan rekruttere hospitalspersonalet, der er involveret i undersøgelsen, til unødigt at forsinke udskrivelsen af ​​behandlingspatienterne lidt (du skal sikre dig, at det relevante personale ved, hvem der fik behandlingen og derfor venter ekstra med at udskrive fra kl. hospitalet).
  • Tid til udskrivning er også ret let at forfalske; rediger blot papirarbejdet for enten indlæggelsesdato og/eller udskrivelsesdato (og sikkerhedsoptagelserne om nødvendigt). Døden er meget sværere at forfalske, fordi dødstidspunktet typisk er noget, der er registreret meget nøjagtigt og dukker op på dødsattesten.
  • 'Tid til udskrivning' er ikke den mest intuitive målestok for en lægmand.

Det er klart, at du kan gøre det bedre for de fleste af disse forhold, men dette formidler den grundlæggende idé.

Analysetaktik #4: Begrav alternative endepunktsmålinger

Denne er praktisk talt indlysende: Hvis du bruger 'tid til at udskrive' som endepunkt, men rapporterer, at der var en 50 % reduktion i dødeligheden i behandlingsgruppen, ja, lad os bare sige, at det vil hæve en masse øjenbryn.

Så i stedet for at skulle stå over for svære spørgsmål om, hvorfor du valgte et så absurd endepunkt, og hvorfor du vil hævde, at behandlingen ikke virker, hvis du ser, at behandlingen reducerede dødeligheden markant, bør du ideelt set ikke rapportere dødsfaldene nogen steder i undersøgelsen.

Hvis du ikke kan undgå at rapportere dødelighedsstatistikkerne, bør du i det mindste begrave dem i midten af ​​en tilfældig tabel i et appendiks i et format, der er meget svært at forstå. Eller endnu bedre, drys dem gennem flere datatabeller i stedet for alle på ét sted, hvor det nemt kan identificeres af en irriterende tilfældig nørd i hans kælder.

Analysetaktik #5: Anvend de optimale typer analyse for at få de ønskede resultater

Der er lige så mange måder at analysere data på, som der er kønsidentiteter eller pronomenkombinationer. Desværre kan en dybdegående forklaring på forskellige metoder ikke destilleres til et format, der passer til en Idiot's Guide som dette. Bare se på nogle af disse navne:

  • Balanceret design variansanalyse
  • Beta distributionstilpasning
  • Box-Cox Transformation for to eller flere grupper (T-test og envejs ANOVA)
  • Clustered Heat Maps (dobbelt dendrogrammer)
  • Fordeling (Weibull) Fitting
  • Fuzzy Clustering
  • Gamma Distribution Fitting
  • Generelle lineære modeller (GLM)
  • Grubbs' Outlier-test
  • Hierarkisk klynger/dendrogrammer
  • K-Betyder Clustering
  • Medoid partitionering
  • Multivariat variansanalyse (MANOVA)
  • Nondetects-Data Group Comparison
  • Envejsanalyse af kovarians (ANCOVA)
  • Regression Clustering

Pointen er, at forskellige metoder til statistisk analyse vil give forskellige resultater. Hvis de ikke gav forskellige resultater, så ville der ikke være så mange metoder. Det hele er et spørgsmål om perspektiv. Så du skal ansætte dig selv kompetente statistiske guruer, der kender dette (og er loyale over for regimet) af to grunde:

  1. Du får fordelen af ​​deres ekspertise (som du har brug for; husk, at din ekspertise er propagandiserende, ikke fancy statistisk analyse. Lidt praktisk ydmyghed ved at erkende dine egne begrænsninger er afgørende for at være en succesfuld propagandist; overmod har været tilintetgørelsen af ​​mange loyale regime-lakejer [og ofte også udløst en længere ferie i et undervældende Gulag]).
  2. Regimekættere kan ikke pege på mangel på troværdig ekspertise hos jeres statistiske analytikere til at besudle og anklage troværdigheden af ​​regimeundersøgelser. Sagen om Neil Ferguson står som en advarselshistorie - selvom det i første omgang lykkedes ham at overbevise regeringer rundt om i verden med sin fabelagtige model, der forudsagde et apokalyptisk blodbad fra Covid, gav hans fuldstændige mangel på ekspertise i emner plus hans lange historie med fuldstændig vrangforestillinger om pandemi oppositionen. et solidt grundlag for at kassere hans modeller og alle efterfølgende modeller, der er skubbet af forskellige regeringer. De var også i stand til at proselytisere med stor effekt på bagsiden af ​​dette debacle.

Analysetaktik #6: Fjern problematiske data, der ikke kan analyseres, justeres eller på anden måde skjules

Dette er det samme koncept som at sparke forsøgspersoner ud fra en undersøgelse, hvis de ikke er i overensstemmelse med regimets påbudte resultater; bare her fjerner du de allerede genererede data i stedet for selve undersøgelsespersonerne. Målet er dog det samme: at forhindre, at de data, der ikke passer med det, du ønsker, at undersøgelsesresultaterne skal vise, kommer ind i den officielle registrering af undersøgelsen i første omgang.

IV-4. Undersøg rigging mulighed #4: Rekruttering af medier til at spinde resultaterne

Uanset hvad resultaterne er, bør du have klar-til-gå-talepunkter, så sympatiske medier kan gå til kamp for dig. Det gør ikke en forskel, hvor falske, vildledende osv. de er – hele pointen med propaganda er at gaslyse og vildlede – medierne blot ved at oversvømme økosfæren med dine informationer er en stærk kraft, der som minimum vil gøre det meget svært for de fleste mennesker at kunne afvikle de løgne og bedrag, du udbreder hurtigt i hele samfundet.

Du bør være særligt parat til ondskabsfuldt at målrette enhver videnskabsmand eller akademiker med kætterske tilbøjeligheder, som kan sætte spørgsmålstegn ved alt, hvad du siger, eller endnu værre, gøre opmærksom på mangler i dit studie. Med maksimale fordomme.

Afsnit V – Doktorering af datasættene

Den anden store kilde til videnskab udover undersøgelser er datasættene og andre informationskilder, der bruges til at lave videnskabelige udtalelser. Data – især officielle statsdata – er brugbare uden at en formel undersøgelse testamenterer dens velsignelse, så du skal sikre dig, at de tilgængelige data, og især de datasæt, der er grundlaget for konventionelle målinger, der almindeligvis citeres i samfundet af både akademikere og lægfolk, er i din fast kontrol til lægen, ændre og modificere efter behag.

Følgende er de typer taktikker, du bør anvende for at maksimere kontrollen og anvendeligheden af ​​tilgængelige datasæt:

V-1. Statistisk 'Fiskeri'

Statistisk fiskeri er nemmere blot at give en illustration end at forklare det i abstrakt:

Antag, at en Big Pharma-virksomhed kommer ud med et nyt lægemiddel, der (påstår de) gør børn klogere og booster deres akademiske præstationer. Desværre, selvom det blev godkendt af FDA, ved de, at det ikke virker, og folk er begyndt at mistænke, at der kan være noget uhyggeligt i gang (og de har milliarder af dollars på spil). Så de kommer til dig og tilbyder dig en stor 7-cifret lønseddel for at 'bevise', at deres nye medicin virker. Så du, som er en dristig videnskabsmand til leje uden nogen skrupler (undtagen loyalitet over for regimet selvfølgelig), accepterer deres tilbud. Hvordan 'beviser' man, at deres stof virker? Enkel. Du får data fra alle skoledistrikter i landet, der viser de akademiske resultater og procentdelen af ​​børn, der tog det nye Pharma-lægemiddel. Her er hvor "fiskeri"-delen kommer ind i billedet: Du skal kigge gennem hvert distrikt, indtil du finder et eller to, hvor de akademiske resultater er over gennemsnittet, og flere børn i det distrikt tog det nye stof end gennemsnittet (som fiskeri, hvor du holder ved det, indtil du kroger en fisk). Så udgiver du din 'undersøgelse': "Vi fandt en sammenhæng i distrikt "X", hvor en højere procentdel af børn, der tog det nye stof, førte til højere akademiske resultater." Dette er uoverskueligt, fordi hvert andet distrikt viser, at stoffet slet ikke havde nogen effekt på akademiske resultater, men det undgår du pænt ved at fremhæve det ene distrikt, hvor der er en sammenhæng tilfældigt. (Med en stor nok stikprøvestørrelse er du stort set garanteret at finde et distrikt tilfældigt, hvor mange børn ved en tilfældighed tog stoffet, og de akademiske resultater steg.)

Den vigtigste lektie er, at nogle gange er alt, hvad du behøver, lidt vedholdenhed. Hvis du f.eks. har et stort datasæt over mange lande, skal du bare gennemgå et ad gangen, indtil du finder den sammenhæng, du leder efter. Alternativt kan du prøve en mere avanceret version af denne taktik kendt som 'P-Hacking. '

Et godt eksempel på denne taktik er følgende CDC "undersøgelse", hvor de gik gennem alle 50 stater på udkig efter en, hvor de kunne finessere dataene for at vise, at Covid-vaccinerne reducerede risikoen for geninfektion hos mennesker, der allerede havde Covid, før de fik vaccinen . Og hvad ved, de fandt en (ud af 50 plus et par ikke-statslige jurisdiktioner som Washington, DC), hvor de kunne få dataene til at sige, hvad de ville have det til at sige:

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

Se, hvis CDC var i stand til at bruge mere end én stat til at vise, at Covid-vaccinerne reducerede risikoen for geninfektion, ville de have (duh). Men de prøvede og prøvede, indtil de fandt en tilstand, hvor de kunne torturere dataene for at vise dette.

I øvrigt er der en anden vigtig lektie for propagandister her: værdien af ​​vedholdenhed. Giv ikke bare op, hvis du ikke kan finde et datasæt, der let kan behandles eller manipuleres for at styrke et regimes talepunkt. Nogle gange skal du være kreativ og blive ved med det, indtil du rammer snavs.

V-2. Juster problematiske data

Ja, vi nævnte dette tidligere i afsnittet om rigningsstudier.

Hvis de rå data ikke stemmer overens med din foretrukne fortælling, så 'juster' den blot, indtil den passer, på samme måde som du ville gøre for en undersøgelses interne data. Datajustering er en rutinemæssig del af videnskaben, og da meget få mennesker faktisk forstår, hvordan det fungerer, kan du drage fordel og misbruge denne praksis.

En eller anden medarbejder publicerede endda en videnskabelig artikel om emnet (det giver interessant læsning, hvis du er en nørdet nørd):

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

En genial anvendelse af dette koncept relaterer sig til Global Warming Scientific-konsensus, der plejede at være Global Cooling Scientific-etablissementets konsensus. Hvordan tror du, at de samme data, som viste i 1974, at verden var på vej mod en irreversibel istid, der truede menneskehedens overlevelse, nu viser, at der virkelig var en *opvarmning* tendens fra nøjagtig samme data det truer menneskehedens overlevelse??

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

De 'justerede' simpelthen dataene for at gøre de tidligere årtier koldere og de senere årtier varmere, og voila, problemet løst! Det er djævelsk snedigt og yderst effektivt – observer i diagrammet nedenfor (fra en kendt regime-dissident kætter) de to linjer, der sporer den gennemsnitlige årlige temperatur, blå linje = de rå data, den orange linje = dataene efter at regimeforskerne har justeret 'det:

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

Hvis man ser på den blå linje, er der ingen generel opvarmning i løbet af de sidste 100 år – hvilket er meget dårligt for den officielle fortælling om KATASTROFISK GLOBAL OPVARMNING!!! Den orange streg viser dog en klar opvarmningstendens gennem de seneste 100 år – hvilket netop er fortællingen.

Selvfølgelig, hvis det i fremtiden af ​​en eller anden grund bliver pragmatisk at vende tilbage til Global Cooling, så vil regimets videnskabsmænd hos NOAA simpelthen 'justere' dataene for at få de sidste 100 år til at ligne en stabil afkølingstendens.

Pointen er, at det hele er i justeringerne.

(Bemærk: Det er nyttigt at tillade et par tilfældige lavprofilerede regime-videnskabskættere at hænge rundt, fordi de producerer data og analyser, der faktisk er ret nyttige til regimets eget interne brug, så længe du sikrer dig, at de ikke begynder at få fremtræden – så du transporterer dem til Guantanamo Bay uden forsinkelse.)

V-3. Udeluk fra officielle analyser af officielle data alt, der ikke passer med dine ønskede resultater

Omhyggeligt at undersøge, hvad der indgår i din analyse, er bogstaveligt talt 101 ting. Hvis oplysninger eller faktiske resultater truer med at underminere dine foretrukne resultater, skal du blot udelukke dem fra officielle analyser af de officielle data. Så hvis der er en regeringsdatabase, der viser, at forekomsten af ​​en masse medicinske tilstande steg meget efter den glorværdige vaccine, så ignorer den bare.

Tag VAERS-databasen (Vaccine Adverse Event Reporting System) administreret i fællesskab af CDC og FDA:

CDC (foregiver at) opfordrer til at rapportere til VAERS medicinske tilstande, der viser sig efter nogen er blevet vaccineret, "selvom du ikke er sikker på, at vaccinen forårsagede sygdommen:"

Efter Covid-vaccinerne blev rullet ud i midten af ​​december 2020, ser VAERS-posterne for dødsfald således ud (diagram viser det samlede antal rapporterede dødsfald for alle vacciner hvert år):

Denne grafik viser statistik for VAERS-rapporter om skader/dødsfald fra Covid-vaccinerne:

Men hvornår har du sidst hørt om VAERS fra CDC i en udtalelse eller analyse vedrørende de dyrebare Covid-vacciner?

Nøjagtig!! CDC (og alle andre) ignorerer simpelthen VAERS (undtagen når de fra tid til anden udsteder 'fakta-tjek'-stykker for at afsløre VAERS).

Sørg også for ubønhørligt at jage enhver, der tør forsøge at bruge sådanne data til at underminere troværdigheden af ​​dine regimeanalyser og proklamationer, i glemmebogen. Dette er ofte et problem, fordi der uundgåeligt vil være en flok mennesker, der har adgang til de rå data, når de findes.

V-4. Piggyback om tidligere etablerede relationer og forskelle

En nem måde at juryrigge en undersøgelse på er at sammenligne 2 enheder, som du ved allerede har en særlig forskel eller sammenhæng. Du kan derefter foregive at 'opdage' denne forskel eller sammenhæng, men tilskrive den en ny faktor.

Så hvis for eksempel, da fattige stater sammenlignet med rige stater har en tendens til at have dårligere helbredsresultater, hvis de fattige stater tilfældigvis er mindre i overensstemmelse med regimets retningslinjer, kan du pege på deres dårligere helbredsresultater og give dem skylden for, at de ikke tager den glorværdige vaccine. Medierne udmærker sig virkelig ved at forstærke dette budskab i særdeleshed, fordi de ikke elsker noget mere end at tilskrive dårlige resultater til politisk tilhørsforhold til det/de "dårlige" politiske parti/partier.

V-5. Kontrol af kritiske datasæt, der bruges til videnskabelig forskning

Den, der kontrollerer dataene, kontrollerer Videnskaben. Sørg for at have jernbeklædt kontrol over de mest fremtrædende og udbredte datasæt, og du vil spare dig selv for meget stress og hovedpine. For eksempel kontrollerer militæret deres interne datasæt og kan manipulere dem efter behag. Ligesom DMED - behandlede de dette datasæt så godt, at det gjorde det hele ubrugeligt. Tag et kig nedenfor på de følgende to diagrammer, der viser *SAMME* DMED-data for "rater for ambulante lægebesøg" for årene 2015-2018 - det venstre diagram er den version, der blev offentliggjort i 2019, det højre diagram viser 2021-versionen - og på en eller anden måde er de ikke de samme (røde cirklede områder).

Læg mærke til ændringen i tallene for 2016-2018 (som du kan se ved formen på trendlinjen)? Hvordan steg antallet af lægebesøg, der fandt sted i 2016 mellem 2019 og 2021 ????

Fordi regimet simpelthen omskrev dataene. Det er, hvad du kan gøre, når du har fuldstændig kontrol over datasættet.

Det siger sig selv, at du under ingen omstændigheder bør tillade nogen hedenske videnskabsmænd adgang til de hellige tekster eller data fra Videnskaben under din kontrol – husk, du skal altid være på vagt, så ikke en slyngelsk kættersk forsker udfører en analyse, der kan ugyldiggøre eller modsige Videnskaben. CDC er et eksempel her:

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

Hvis du ikke giver irriterende irriterende uafhængige videnskabsmænd adgang til dataene, behøver du ikke at bekymre dig om, at de opdager ting i dataene, der vil underminere regimets fortælling big time.

Afsnit VI – Kontroller bevisstandarderne

Tænk på dig selv som en dommer, der leder en straffesag, som afgør, hvilke beviser der er tilladte i retten, og dermed kan sikre, at belastende eller undskyldende beviser aldrig når frem til juryen. Samme idé her – ved at kontrollere standarderne for beviser, kan du indirekte eliminere en masse af den udfordrende videnskab, der er derude, uden at skulle direkte udfordre eller de specifikke påstande eller beviser.

VI-1. Gør den højeste kvalitetstype af beviser umulig for andre end regimegodkendte skuespillere at opfylde

Dette er en simpel regel: Gør det så vanskeligt som menneskeligt muligt for uafhængige videnskabsmænd eller forskere at udføre den type undersøgelser, der anses for at være 'høj kvalitet'.

Du kan gøre det for dyrt for modstridende dissidenter at udføre ikke-godkendt eller kættersk videnskab. Et af de største kup i propagandahistorien var fremkomsten af ​​tilfældige kontrollerede forsøg som "Gold Standard" for beviser. Disse koster typisk mange millioner at udføre, hvilket udelukker muligheden for andre end gigantiske farmaceutiske virksomheder (som er loyale regimeaktører) fra at drive sådanne videnskabelige virksomheder.

Du kan også vedtage love eller bruge offentlige myndigheder til at forbyde ikke-godkendte undersøgelser af høj kvalitet at blive udført, hvis en gruppe på en eller anden måde formår at sikre tilstrækkelige midler til at udføre en sådan undersøgelse.

VI-2. Udpeg den type undersøgelser, som ikke-godkendte videnskabsmænd kan udføre som "lav kvalitet"

Omvendt skal du sørge for, at enhver ikke-overensstemmende videnskab eller forskning, der stadig kan udføres, er udpeget som beviser af lav kvalitet. Dette er normalt et bedre alternativ end at forbyde al ikke-godkendt forskning direkte, hvilket naturligvis vil gøre befolkningen mistænksom over for regimet og tilbøjelig til at acceptere alle former for vilde useriøse konspirationsteorier. Lad dem hellere lave deres forskning, men forklar, at det er meningsløst, fordi det ikke er i overensstemmelse med ordentlige regler for evidensbaseret videnskab.

VI-3. Udfør ikke en klar standard for bevis, som almindelige mennesker kan anvende på egen hånd

Du vil uundgåeligt stå over for situationer, hvor du har brug for råderum til at anvende en dobbelt standard af beviser. Hvis du formulerer en klar og let forståelig standard, kastrerer du din egen evne til at doktorere videnskaben, da folk så kan holde dig til din egen bekendte standard. Som påpeget tidligere, ønsker du at betinge folk, at den virkelige standard simpelthen er, hvad end regimet erklærer at være beviser af høj kvalitet snarere end ethvert fjernt objektivt kriterium.

VI-4. Forfølge uforskammede eller illoyale videnskabsmænd

En gang imellem vil der opstå en situation, hvor du kan finde dig selv ude af stand til at anklage forskningens troværdighed på baggrund af, at det er beviser af dårlig kvalitet. I sådanne tilfælde bør du i stedet forfølge den eller de krænkende videnskabsmænd, der er ansvarlige for at formidle den kætterske Videnskab, og derved standse formidlingen og den videre udførelse af den problematiske forskning. Dette kan være lige så harmløst som at deplatforme dem fra sociale medier, eller så omfattende som at sende dem til en Gulag for aldrig at blive set eller hørt fra igen. Uanset hvordan du eller regimet i sidste ende beslutter at fjerne dem fra den offentlige sfære, skal du sørge for også ubønhørligt at angribe deres omdømme og ekspertise (selv efter at den oprørske forræder er blevet elimineret). Dette er også en god taktik at sætte ind mod en eller flere karismatiske videnskabsmænd, der truer regimet, fordi han eller hun fanger massernes hjerter. Dette er sandt, selvom de virker loyale, medmindre du med sikkerhed ved, at de aldrig nogensinde vil hoppe over til den anden side (som hvis du har afpresningsoplysninger, eller de er hjertet og sjælen i regimets fortælling og er fanatisk engagerede, ligesom den hellige Dr. Fauci). Derfor bør du opretholde et robust spionapparat til at holde styr på alle de loyale regimeforskere.

Afsnit VII – Videnskabens kirkelige myndigheder

Det første du skal indse er, at begrebet autoritet inden for Videnskabens område er af kirkelig natur. Hovedparten af ​​den videnskabelige diskurs i samfundet i dag består af argumenter fra autoriteter. Så i stedet for at modstå dette, omfavn det og brug det, for det er det mægtigste af alle våben i kampen for at kontrollere selve videnskaben. Du er Videnskabskirken. Regimet er dets Vatikan. Bøj dine muskler og påtving din vilje!!

I skal nedfælde konventioner, der naturligt vil udvælge kun regimeloyalister til at stige til positioner med videnskabelig autoritet i samfundet. Dette opnås primært via følgende metoder:

VII-1. Eksperter skal have legitimation

Legitimationsoplysninger er den første skærm, der luger de fleste potentielle forbrydere ud. Ved at kræve akkreditiver – som man selvfølgelig kun kan opnå gennem regimets formidler eller en institution, der er akkrediteret af og loyal over for regimet. Du skal styrke overbevisningen om, at ikke-godkendte eksperter er unikke farlige og uvidende, for befolkningen er tynget af den konstante trang til at søge en anden mening til regimets holdninger og udtalelser.

VII-2. Eksperter skal være tilknyttet en institution eller organisation med et godt omdømme

Endnu en åbenlys regel. Dette er en god måde at fjerne eventuelle potentielle manchuriske videnskabsmænd, der klarede sig gennem legitimationsprocessen.

VII-3. Eksperter skal tages i betragtning i "Mainstream"

Håndhæver denne sociale konvention strengt, for den er et stærkt sikkerhedsnet i tilfælde af, at en ekspert bryder rangorden og beslutter sig for at slå regimet ud. Sådanne personer kan ikke let dekrediteres, og nogle gange kan det være svært eller upraktisk at opsige alle tilknytninger, de måtte have med organisationer med god omdømme. Altså behovet for en diskvalifikation, der ikke er afhængig af nogen af ​​disse. At erklære ham uden for mainstream er en ret potent måde at afløve en sådan ekspert på hans autoritet på.

VII-4. Håndhæve videnskabelig konsensus

En anden kraftfuld måde at kontrollere, hvem der udøver videnskabelig autoritet, er at gennemtvinge overholdelse af en opdigtet "konsensus", at stemple enhver, der afviger fra nævnte konsensus, som en uforbedret, uforbederlig kætter af den mest afvigende slags. Det er et eksternt værktøj, der kan være ekstremt nyttigt til at detronisere egensindige anerkendte videnskabsmænd. "Konsensus" klinger kraftigt i lægfolks ører og hjerter og giver dem en let begrundelse for ikke at rejse spørgsmål, hvis regimet beslutter sig for pludselig at afvise en tidligere højt skattet videnskabsmand.

Efterord

Propagandakunsten er et bredt emne, der omfatter flere discipliner. Forvent ikke, at du vil mestre det natten over. Forvent, at du laver fejl – sådan lærer du, hvad der virker (og sørg derfor også for altid at have en anden, som du kan skyde skylden for dine fejl på).

Heldigvis for dig er langt de fleste af borgerne intellektuelle får. Dette princip blev på glimrende vis demonstreret af Obamacares chefarkitekt professor Jonathan Gruber.

Professor Gruber havde dog en hang til at forklare for meget og for tydeligt i optagne taler. Selvfølgelig er der intet galt i at forklare kontroversielle sager i et klart sprog til unge regimestuderende, som er nøglen til at forstå, hvordan regimepolitik fungerer, fordi de bliver nødt til at have et fast greb om disse ting, hvis de skal være produktive regimearbejdere. Det bliver dog et problem, når disse taler optages på video, der er tilgængelig for den brede offentlighed, som du formodes at dupere:

Man skulle tro, at efter at fyren, der skrev en dybt upopulær lov (dengang) blev fanget på adskillige videoer, hvor han pralede om, hvordan det var en "klog udnyttelse af den amerikanske vælgers manglende økonomiske forståelse", og hvordan "dumheden i Amerikansk vælger” var kritisk for at kunne betegne en skattestigning som ikke en skattestigning (som begge er 100 % sande som tidligere nævnt), at politikerne ville blive tvunget til at trække lov og prøv igen om et par år efter, at bulderet var stillet.

Bortset fra, at du, som det viser sig, normalt ikke kun kan regne med den almindelige vælgers ubetingede dumhed, men også på deres mangel på korttidshukommelse, deres manglende følelse af selvopholdelsesdrift og deres engagement i politisk ideologi frem for alt. Blev Obamacare fortrudt, eller endda forsinket? Nej. Så selvom du bliver busted big time, vil du sandsynligvis være okay. (Især hvis du har dyrket et kompatibelt mainstream-medie, der tjener regimet loyalt.)

Du kan også trøste dig med, at propaganda naturligvis er en selvkorrigerende virksomhed - når der begås fejl, slipper du blot mere propaganda og gaslys løs for at dække over eller på anden måde afbøde disse fejl. Læg mærke til, hvordan regimets embedsmænd skiftede fra at ophøje professor Gruber til at hævde, at han var fuldstændig ubetydelig, uden at slå en øjenvippe og uden den mindste antydning af forlegenhed over deres uforsonlige positioners rangordnede nøgne hykleri:

(Du bør dog passe på ikke at være for cavalier med at lave fejl, ellers kan du finde dig selv flyttet til en sovjetisk Gulag eller CIA Black Ops-side i Marokko.)

Sammen kan vi gøre verden til et bedre sted for dem, der er bestemt til at blive en del af den nyligt nulstillede menneskehed.



Udgivet under a Creative Commons Attribution 4.0 International licens
For genoptryk, sæt venligst det kanoniske link tilbage til originalen Brownstone Institute Artikel og forfatter.

Forfatter

  • Brownstone Institute

    Aaron Hertzberg er en skribent om alle aspekter af den pandemiske reaktion. Du kan finde mere af hans forfatterskab på hans Substack: Resisting the Intellectual Illiteratti.

    Vis alle indlæg

Doner i dag

Din økonomiske støtte fra Brownstone Institute går til at støtte forfattere, advokater, videnskabsmænd, økonomer og andre modige mennesker, som er blevet professionelt renset og fordrevet under vores tids omvæltning. Du kan hjælpe med at få sandheden frem gennem deres igangværende arbejde.

Gratis download: Sådan skærer du $2 billioner

Tilmeld dig Brownstone Journal Newsletter og få David Stockmans nye bog.

Gratis download: Sådan skærer du $2 billioner

Tilmeld dig Brownstone Journal Newsletter og få David Stockmans nye bog.