Przewodnik dla idiotów po gotowaniu danych dla początkujących propagandzistów

Przyjrzyjmy się uważnie powyższemu slajdowi z międzynarodowego sondażu przeprowadzonego kilka miesięcy po wybuchu pandemii COVID-19: Tak wygląda skuteczna propaganda. A prawdziwy efekt był jeszcze większy, ponieważ „prawdziwe” liczby użyte do obliczenia, jak bardzo ludzie wyolbrzymiali ryzyko związane z Covid, oczywiście same pochodziły od... najważniejszych na świecie organizacji propagandowych (podszywających się pod agencje zdrowia publicznego). Które same już mocno wyolbrzymiały ryzyko związane z Covid.

Sztuka skutecznej propagandy to wszechstronna dziedzina, która wymaga starannej i dogłębnej nauki — i przegląd — od czasu do czasu. Dla początkującego może być bardzo trudne do opanowania. Nawet doświadczony propagandysta może czasami wpaść w pułapkę myślenia, że ​​tworzenie i rozpowszechnianie propagandy to proste przedsięwzięcie – co jest dobrym sposobem na wygranie stałego, opłaconego w całości syberyjskiego urlopu. Zwykle nie jest tak prostym zadaniem wprowadzanie w zakłopotanie całego społeczeństwa każdego dnia, 365 dni w roku, w nieskończoność.

Poniższy krótki poradnik wyposaży początkujących propagandzistów, popleczników Światowego Forum Ekonomicznego, komunistycznych aparatczyków, przebudzonych marksistów i doświadczonych urzędników rządowych w narzędzia i wiedzę niezbędne do rozwinięcia ich obiecujących talentów i osiągnięcia pełni mistrzostwa w sztuce propagandy.

Ta książka jest trochę długa!! Więc nie czuj, że musisz ją przeczytać od początku do końca za jednym zamachem, ponieważ jest to przepis na wypalenie zawodowe i utratę ważnych informacji w niej zawartych.

Niniejsza instrukcja podzielona jest na następujące sekcje:

Rozdział I. Definicje - Jak redefiniować słowa, terminy i wskaźniki, aby były zgodne z narracją reżimu

Rozdział II. Kuratorowanie danych - Jak przejąć kontrolę nad procesami rejestrowania, raportowania i publikowania danych

Rozdział III. Weryfikacja danych uznawanych za część oficjalnej nauki - Jak weryfikować, usuwać i usuwać dane niezgodne z reżimem, aby nigdy nie pojawiły się w żadnych zbiorach danych oficjalnej nauki lub reżimu

Rozdział IV. Jak sfałszować badanie - Dokładnie tak to brzmi

Rozdział V. Przerabianie zbiorów danych - Czasami trzeba wejść i wykonać małą „operację” danych, aby zmodyfikować zawartość baz danych, która jest sprzeczna z argumentami reżimu, których nie można po prostu wykorzenić

Rozdział VI. Kontrola standardów dowodowych - Jak ustalić hierarchię dowodów, która umieści naukę przyjazną reżimowi na górze, a nieprzyjazną reżimowi na dole (Rowy Mariańskiej)

Rozdział VII. Władze kościelne w nauce - Jak zapewnić, że autorytety naukowe będą wiarygodnie powtarzać fakty i narracje reżimu

Posłowie - Wszystko ładnie się komponuje, jak jedna z muszek Petera Hoteza (to szczególnie irytujący naukowiec-celebryta reżimu)

Rozdział I – Definicje

„Kto kontroluje język, kontroluje masy”.
— Saul Alinsky, Zasady dla radykałów

Sposób, w jaki definiujemy pojęcia i kategorie, decyduje o tym, jaką część rzeczywistego świata one przekazują lub reprezentują – lub czego nie przekazują lub nie reprezentują.

Elastyczne definicje oraz arbitralny i kapryśny standard przypisywania definicji są absolutną koniecznością dla każdego skutecznego propagandysty. Pomimo największych starań, nawet doświadczeni, doświadczeni propagandyści nieuchronnie będą stawiać czoła sytuacjom, w których istniejące, wyselekcjonowane dane lub doświadczenia życiowe ludzi są problematyczne dla oficjalnej narracji reżimu.

Skuteczna propaganda wymaga zatem zdolności do zwinnej i wysoce adaptacyjnej elastyczności, aby kontrolować zawartość danych, zwłaszcza istniejących wcześniej konwencjonalnych metryk, o których opinia publiczna jest przyzwyczajona słyszeć, a które są notorycznie trudne do po prostu zniknięcia (w przeciwieństwie do łatwości, z jaką można zniknąć z YouTube'a lub Facebooka dysydenckiego naukowca). Na przykład nie będziesz w stanie uniknąć mówienia o „zgonach” w kontekście nowej Pandemii Straszliwej Choroby – podstawowym sposobem, w jaki ludzie będą odnosić się do oceny ciężkości choroby, będzie zawsze przede wszystkim „Ile osób zmarło z powodu tej choroby?”. Możesz jednak zmienić to, do czego odnosi się „śmierć” w kontekście nowej Pandemii Straszliwej Choroby, jeśli chcesz zwiększyć lub zmniejszyć poczucie ludzi, jak śmiertelna ona jest.

W praktyce oznacza to, że gdy normalne rozumienie jakiegoś terminu lub pojęcia pokazuje, że rzeczywistość nie do końca pasuje do narracji pożądanej przez reżim, wystarczy zmienić kilka definicji i voilà, problem rozwiązany.

Jak zauważyło wielu wybitnych komunistycznych propagandystów na przestrzeni dziejów: „Kto kontroluje język, rządzi światem”.

Istnieje wiele sposobów na zmianę lub przekształcenie definicji z problematycznych w akceptowalne:

I-1. Ogranicz definicję

Jeśli konwencjonalna definicja czegoś obejmuje koncepcje, dane lub informacje, które są sprzeczne z dogmatem reżimu, ogranicz definicję, aby nie zawierała już niechcianych informacji. Istnieje wiele sposobów, aby to zrobić. Dlatego wymienimy kilka bardziej powszechnych typów cech, których możesz użyć, aby skutecznie ograniczyć definicję: Ogranicz definicję według przedziału czasu: Załóżmy, że zaszczepieni ludzie zapadają na Dreaded Disease w bardzo wysokich wskaźnikach w ciągu pierwszych 30 dni po szczepieniu i po ponad 90 dniach od szczepienia szczepionką Glorious. To duży problem, ponieważ ludzie będą myśleć, że szczepionka Glorious nie jest skuteczna:

Mówiąc wprost, na powyższym wykresie widać, że liczba przypadków na milion osób przedstawia się następująco:

1. Przed szczepieniem: 500 przypadków strasznej choroby/milion ludzi
2. 10 dni po szczepieniu: 3,000 przypadków strasznej choroby/milion osób
3. 20 dni po szczepieniu: 1,700 przypadków strasznej choroby/milion osób
4. 30 dni po szczepieniu: 100 przypadków na milion osób

To bardzo niechlubna skuteczność Glorious Vaccine – czego nie można dopuścić. Jednym z rozwiązań jest po prostu zmiana definicji „zaszczepionego” na kogoś, kto jest w okresie od 30 do 90 dni od wstrzyknięcia Glorious Vaccine – innymi słowy, każdy, kto jest w okresie 30 dni od zaszczepienia lub po 90 dniach od szczepienia, nie jest uważany za „zaszczepionego”:

Tę konkretną taktykę zapoczątkowała niemal każda agencja zdrowia publicznego w cywilizowanym świecie, gdzie definicja „w pełni zaszczepionego” w przypadku szczepionek przeciwko Covid ograniczała się do „14 dni po drugiej dawce”:

Ogranicz definicję ilościowo, np. liczbę ekspozycji – na przykład, jeśli grupa osób, która otrzymała 1 dawkę lub 5 dawek Cudownego Leczenia Mirafaucivirem, zmarła (pierwsza dawka zabija osoby szczególnie podatne na jego toksyczność, a 5 dawek jest zbyt toksyczne dla praktycznie każdego), ogranicz definicję „leczenia Mirafaucivirem” do 2–4 dawek:

Ogranicz definicję, dodając do niej absurdalne warunki, których spełnienie jest prawie niemożliwe. Na przykład możesz spróbować zastosować następujące warunki, aby ograniczyć definicję „zgonu spowodowanego szczepieniem” w kontekście masowej kampanii szczepień z wykorzystaniem nowej szczepionki Glorious Vaccine:

Bardzo trudno jest kiedykolwiek uzyskać „potwierdzony” przypadek śmierci kogoś w wyniku podania szczepionki Glorious Vaccine w takich warunkach.

(Należy pamiętać o utrudnianiu sekcji zwłok tak bardzo, jak to możliwe, aby ta przykładowa definicja była w pełni skuteczna.)

I-2. Rozszerz definicję

Odwrotnie, czasami możesz chcieć czegoś więcej, niż jest w rzeczywistości. Rozszerzanie definicji to świetne rozwiązanie – po prostu odwróć powyższe instrukcje dotyczące ograniczania definicji.

Jeśli zatem potrzebujesz więcej zgonów z powodu Straszliwej Choroby niż osób, które faktycznie zginęły z jej powodu, możesz rozszerzyć definicję „śmierci z powodu Straszliwej Choroby” na „każdy zgon w ciągu 30 dni od uzyskania pozytywnego wyniku testu” i jak za dotknięciem czarodziejskiej różdżki będziesz miał do czynienia z pełnoskalową pandemią.

Aby to zobrazować, załóżmy, że po 12 miesiącach krążenia Straszliwej Choroby, tylko 7 osób na 100,000 30 zakażeń zostało faktycznie zabitych przez Straszliwą Chorobę – nie jest to specjalnie przerażające. Robisz małą sztuczkę i rozszerzasz definicję „śmierci z powodu Straszliwej Choroby” do czegoś takiego, co wymyśliło CDC – „każdy zgon w ciągu XNUMX dni od pozytywnego wyniku testu na Straszliwą Chorobę”. Ponieważ mnóstwo ludzi umiera każdego dnia, jeśli masowo przetestujesz ich wszystkich, nieuchronnie „odkryjesz” całą masę zmarłych ludzi, którzy akurat mieli Straszliwą Chorobę, kiedy umierali, mimo że zginęli z powodu czegoś zupełnie niezwiązanego, jak rak lub wypadek samochodowy. Spójrz, jaką to robi różnicę:

Stan Nowy Jork oferuje klasyczny przykład tego, jak rozszerzyć definicję „Straszliwej Śmierci z powodu Choroby”, aby stworzyć pozór raz w historii super-hiper strasznej apokaliptycznej pandemii – wystarczy spojrzeć na następującą wspaniałą otwartą definicję „prawdopodobnej” śmierci z powodu Covid:

UWAGA: Musisz zawsze uważać, aby NIGDY, NIGDY, NIGDY – NIGDY!!! – nie wyjaśniać publicznie, w jaki sposób stosujesz gaslighting, używając do tego jasnego, zwięzłego języka, który mogą zrozumieć. Poniższy niewymuszony błąd w 2020 r. popełniony przez Dyrektor ds. Zdrowia Publicznego Illinois, dr Ngozi Ezike, to taki, który szybko załatwia bilet w jedną stronę do Gułagu – w rzeczywistości powiedziała ona następujące słowa na publicznej konferencji prasowej (zobacz osadzony film poniżej):

„Definicja przypadku jest więc bardzo uproszczona. Oznacza to, że w momencie śmierci była to diagnoza dodatniego wyniku testu na COVID. Oznacza to, że jeśli przebywałeś w hospicjum i dano ci już kilka tygodni życia, a następnie stwierdzono u ciebie COVID, to zostanie to uznane za zgon z powodu COVID. Oznacza to, że technicznie rzecz biorąc, nawet jeśli zmarłeś z wyraźnej alternatywnej przyczyny, ale jednocześnie miałeś COVID, to i tak zostanie to uznane za zgon z powodu COVID”.

Oczywiście, że postępowała słusznie, używając tak cudownie szerokiej definicji zgonów z powodu COVID-19, ale głupio i nieostrożnie wypuściła kota z worka, żeby cały świat mógł to zobaczyć. To jest ten rodzaj nieostrożnego błędu, który może zrujnować całą kampanię propagandową z dnia na dzień. A także ten rodzaj rzeczy, który może zakończyć karierę (lub gorzej):

 I-3. Wymyśl zupełnie nową definicję

Czasami po prostu nie da się ukryć powszechnego rozumienia czegoś, po prostu bawiąc się definicją na marginesach. W takim przypadku możesz podjąć odważny krok i całkowicie zredefiniować słowo, pojęcie lub kategorię, aby pasowały do ​​twoich potrzeb propagandowych. Uważaj tylko, że przekonanie ludzi, że stara definicja jest wytworem ich wyobraźni, może być nieco trudniejsze.

Weźmy na przykład CDC (tak, będziemy często cytować CDC, w końcu to najważniejsza na świecie organizacja propagandowa zajmująca się zdrowiem), które w ciągu 6 lat wielokrotnie zmieniało definicję „szczepień”:

Pasek boczny: Powyższy tweet daje lekcję na temat potrzeby kontrolowania nieuczciwych prawodawców, którzy mogliby próbować wyrazić sprzeciw lub nawet ujawnić twoje wysiłki propagandowe. Nie potrzebujesz dodatkowego bólu głowy związanego z zajmowaniem się jasnymi dowodami twojej językowej zdrady transmitowanymi opinii publicznej z sali Kongresu lub Parlamentu (lub jeszcze większego bólu głowy związanego z byciem wygnanym na Syberię jako kozła ofiarnego za dopuszczenie do takiej rzeczy).

Czasami możesz nawet odkryć, że jesteś uwięziony w zwykłym konwersacyjnym znaczeniu słów, gdzie podkreślają coś, na co nie możesz sobie pozwolić, aby ludzie zwracali na to uwagę. Jeśli tak się stanie, będziesz zmuszony wprowadzić fundamentalną zmianę w samej istocie języka. Jest to swego rodzaju opcja nuklearna na wypadek, gdy nie możesz ukryć czegoś w żaden inny sposób, a także nie możesz sobie pozwolić na to, aby tego nie ukryć. (Uważaj!! Tak odważne przedsięwzięcie wiąże się ze znacznym stopniem trudności, ponieważ wiele osób będzie skłonnych oprzeć się tak otwartemu i śmiałemu językowi zmiany płci – podobnie jak wielu nieoświeconych luddystów opiera się zgodzie na zmianę płci).

Weźmy na przykład termin „pokojowy protest”:

Oczywiście „ograniczony” to subiektywne określenie, którego dokładne ramy są słabo zdefiniowane, co daje dużą swobodę stosowania tego opisu do niemal wszystkiego, bez względu na to, jak niespójne lub nieadekwatne jest to zastosowanie, czego dowodem jest poniższy autentyczny raport medialny, który nie wymaga dalszego opisu:

I-4. Połącz kategorie

Czasami po prostu nie jest praktyczne ani wykonalne kształtowanie danych poprzez zmianę definicji. Ale nie martw się – jeśli nie możesz zmienić definicji, możesz zamiast tego zmienić sam punkt danych lub kategorię, do której ludzie są przyzwyczajeni, odnosząc się do słowa lub frazy. Ludzie nie są dostrojeni do subtelnych lub niuansowych różnic w kategoriach lub punktach danych, a media i tak pomocnie mieszają większość rzeczy, co czyni to łatwym i wygodnym trikiem. Na przykład możesz spróbować:

• Łączenie różnych grup wiekowych:

Załóżmy, że Glorious Vaccine powoduje, że grupa dzieciaków zamienia się w zombie. To jest bardzo złe dla reżimu. (Co oznacza, że ​​powinieneś przenieść kilku naukowców do pracy na stacji badawczej klimatu na Antarktydzie do końca ich kariery. Bez skarpetek.)

Po pierwsze, zawsze musisz odnosić się do tego nowego stanu jako do „Bezpiecznej i Efektywnej Transformacji w Mięsożernego Zombie”. Powód części mięsożernej jest prosty: „mięsożerne zombie” brzmi zbyt strasznie, a zwykłe „zombie” sprawia wrażenie, że zombie są praktycznie martwe – tzn. kochane dzieciaki są martwe – a żadne z tych wrażeń nie jest tym, co chcesz, aby ludzie odebrali. (Mimo że nasz hipotetyczny przykład raczej nie zmaterializuje się w praktyce, zasada ta jest istotna i ma zastosowanie w każdej sytuacji: zawsze należy nadać nazwę czemuś w sposób oddający wrażenie, jakie chcemy wywołać u innych.)

Po drugie, ponieważ wskaźnik Zombification w grupie wiekowej 12-17 jest tak wysoki, że jest to oczywiste dla każdego, kto spojrzy na dane (poniższy wykres), prawdopodobnie będziesz musiał się z tym zmierzyć. Zamiast więc przedstawiać dane podzielone według wieku, gdzie ludzie od razu zauważą wzrost zombifikacji wśród dzieci, przedstaw dane jako łączną grupę wiekową, która jest wystarczająco duża, aby ukryć lub wyprać sygnał:

Teraz nikt nie zauważy, że dane wyraźnie wskazują na ryzyko, iż Wspaniała Szczepionka zamieni dzieci w mięsożerne zombie.

Albo odwrotnie, zakładając, że młodzi ludzie nie umierają na Straszną Chorobę w stopniu wystarczająco wysokim, aby przestraszyć mamy, możesz przedstawić dane dotyczące zgonów na Straszną Chorobę dla połączonej grupy wiekowej od 0 do 50 lat, co sprawi, że będzie się wydawać, że w grupie tej jest bardzo dużo zgonów. obejmuje dzieciaki:

• Łączenie różnych kohort demograficznych:

Ta sama idea, co w przypadku grup wiekowych; załóżmy, że chcesz uniknąć sytuacji, w której obywatele zdadzą sobie sprawę, że Straszna Choroba jest naprawdę niebezpieczna tylko dla osób chorobliwie otyłych – co jest złe:

• po pierwsze dlatego, że wtedy nie będą się bać Straszliwej Choroby
  • po drugie, ponieważ ludzie mogliby zacząć kwestionować, czy tłuszcz jest zdrowy, na co nie można pozwolić, ponieważ mogliby zacząć kwestionować narrację reżimu dotyczącą „pozytywnego podejścia do tłuszczu”, a potem kto wie, co jeszcze będzie później.

Dlatego dane dotyczące zgonów z powodu Strasznej Choroby należy przedstawić w połączonej kategorii obejmującej wszystkie typy tożsamości wagowych:

• Łączenie różnych okresów czasu

Załóżmy, że zauważysz, że liczba zgonów spowodowanych przez Straszliwą Chorobę maleje z miesiąca na miesiąc – co może być katastrofalne dla planów reżimu, które wymagają od ludzi wiary, że Pandemia Straszliwej Choroby będzie w pełnym obiegu przez kolejne kilka miesięcy. Jeśli ludzie zrozumieją, że Straszliwa Choroba wygasa, cóż, to wiele straconych okazji, aby wykorzystać kryzys Straszliwej Choroby jako środek do dokonania transformacji społecznej w celu skonsolidowania i umocnienia władzy reżimu.

Zamiast więc przedstawiać dane dotyczące zgonów według miesięcy, połączmy wszystkie trzy miesiące w nową kategorię „średnia miesięczna z trzech miesięcy”, co zamaskuje spadek od stycznia do marca, zilustrowany poniżej:

• Łączenie różnych jurysdykcji geograficznych

Załóżmy, że w kraju jest państwo zbójeckie, które stwarza problemy reżimowi, który nie przestrzega jego wytycznych dotyczących radzenia sobie z Okropną Chorobą, którą nazwiemy Death Santistan. Jeśli wykażą lepsze lub nawet równe wyniki w porównaniu z resztą kraju, w którym są dobrymi obywatelami i przestrzegają wytycznych reżimu, byłoby to bardzo złe. Załóżmy ponadto, że w tym złym stanie jest miasto lub hrabstwo, które jest lojalnym hrabstwem reżimu przestrzegającym wszystkich wytycznych reżimu, ale którego wskaźnik śmiertelności jest znacznie wyższy niż reszty Death Santistan. Co jest bardzo, bardzo złe. Rozwiązanie? Możesz przedstawić dane z całego stanu, aby ludzie nie mogli powiedzieć, że lojalne hrabstwo przestrzegające wytycznych reżimu ma wskaźnik śmiertelności 10 razy wyższy niż reszta stanu. Jest nawet dodatkowa korzyść: możesz wskazać cały stan Death Santistan jako porażkę, ponieważ lojalne hrabstwo reżimu sprawi, że cały stan będzie wyglądał znacznie gorzej!!

Łączenie wszystkich miast i powiatów w państwie nielojalnym, aby ukryć problemy typowe dla miast lojalnych wobec reżimu, to jedna z popularnych taktyk propagandowych, stosowanych w celu ukrycia niekorzystnych informacji, takich jak znacznie wyższy wskaźnik przestępczości w miastach lojalnych wobec reżimu w porównaniu z miastami kontrolowanymi przez nikczemną opozycję.

(Sidebar: Wysoki wskaźnik przestępczości to oczywiście dobra rzecz, która jest świadomym wyborem reżimu – wysoki wskaźnik przestępczości jest korzystny dla reżimu, ponieważ niestabilność sprawia, że ​​ludzie są bardziej skłonni zaakceptować rządy tyrańskie jako rozwiązanie.)

Dla zobrazowania tego zjawiska przytoczę błyskotliwy przykład gaslightingu, którego autorem jest jeden z głównych medialnych orędowników reżimu:

Spójrz na napis w szkarłatnym polu – zobacz, jak zręcznie dotykają czerwonego państwa za wysoki wskaźnik przestępczości, który występuje we wszystkich niebieskich miastach w czerwonych stanach, ale nie w pozostałej części stanu, gdzie rządy są „czerwone”? Dokładnie.

• Łączenie różnych typów efektów i zjawisk. Na przykład, jeśli nastąpi wzrost zachorowań na określony podtyp choroby – jak alarmujący wzrost zachorowań na rzadkie nowotwory po wprowadzeniu szczepionki Glorious Vaccine, co może sprawić, że ludzie zakwestionują oficjalną narrację reżimu, że szczepionka Glorious Vaccine jest najbezpieczniejszym środkiem, jaki kiedykolwiek stworzono lub odkryto w historii wszechświata – można użyć ogólnej kategorii raka – która jest 1,000 razy większa – aby ukryć sygnał.

Innym sposobem myślenia o łączeniu kategorii jest to, że nigdy nie podajesz konkretnych danych dla różnych grup lub podzbiorów, co zostało zrobione w absolutnej perfekcji, gdy uderzył Covid. Rozważ następujące wyniki sondażu, pokazujące udział zgonów z powodu Covid dla każdej grupy wiekowej obok odsetka każdej grupy wiekowej, która obawiała się, że zostanie zabita przez Covid. (Niebieskie słupki pokazują odsetek każdej grupy wiekowej, która obawiała się, że zostanie zabita przez Covid, zielone słupki pokazują odsetek całkowitej liczby zgonów z powodu Covid, które miały miejsce w każdej grupie wiekowej.)

Gdyby ludzie zrozumieli, jakie jest ich rzeczywiste ryzyko śmierci, niebieskie paski powinny być przynajmniej w przybliżeniu takie same jak zielone paski. Kiedy niebieskie paski są dramatycznie wyższe, jest to wynik brutalnie skutecznej propagandy poprzez łączenie wszystkich grup wiekowych w jedną kategorię bez jakiegokolwiek różnicowania:

Rzeczywiście miażdżący sukces!!

I-5. Kategorie podzielone

Czasami będziesz musiał rozdzielić kategorię zamiast łączyć ją z inną. Po prostu odwróć ramy przedstawione powyżej dla łączenia kategorii.

Ten sprytny manewr jest szczególnie przydatny, gdy trzeba uzyskać coś poniżej progu istotności statystycznej.

Ponieważ istotność statystyczna jest dość istotną koncepcją w dziedzinie danych i nauki, warto wyjaśnić, jak to działa.

Pojęcie istotności statystycznej, tak jak jest ono rozumiane w konwencjonalnym języku medycznym, akademickim/naukowym, oznacza zasadniczo, że prawdopodobieństwo wystąpienia zdarzenia, które nie jest wynikiem przypadku, wynosi mniej niż 5%.

If rzucasz monetą 10 razy, szanse na uzyskanie 7 orłów z powodu przypadku wynoszą 11.72% – NIE są statystycznie istotne. Jeśli rzucisz monetą 100 razy, szanse na uzyskanie 70 orłów z powodu przypadku wynoszą niewielkie 0.0023% – BARDZO istotne statystycznie (ponieważ jest to znacznie mniej niż 5%) – co oznacza, że ​​nie można tego rozsądnie przypisać przypadkowi, raczej coś konkretnego (np. oszustwo) spowodowało, że moneta wyrzuciła 70% orłów.

Dlaczego tak jest? Aby uzyskać 7/10, potrzebujesz tylko dwóch dodatkowych rzutów monetą, aby pójść po twojej myśli – idąc w krótką serię. Małe odchylenia, takie jak to, mogą łatwo zdarzyć się losowo. Jednak, aby uzyskać 70/100, potrzebujesz 20 dodatkowych rzutów monetą, aby pójść po twojej myśli – szanse na uzyskanie *20* dodatkowych rzutów monetą z łącznej liczby tylko 100 przez przypadek są znikome. Więc jeśli zobaczymy 70 orłów na 100 rzutów, możemy założyć, że ma miejsce jakiś rodzaj oszustwa, ponieważ jest bardzo, bardzo mało prawdopodobne, aby wydarzyło się to przez przypadek.

Można to wykorzystać na swoją korzyść, dzieląc i kontrolując statystycznie istotny sygnał – można podzielić kategorię, w której występuje statystycznie istotny sygnał czegoś sprzecznego z doktryną reżimu, na mniejsze kategorie, aby rozbić sygnał „70/100” na grupę „7/10”, które indywidualnie nie są statystycznie istotne.

Tak więc na przykład, jeśli pojawi się sygnał, że po kampanii „Cudownie i Wspaniale Szczepionki” notuje się więcej zgonów na 100 tys. osób rocznie, można opublikować dane dotyczące zgonów podzielone według grup wiekowych, gdzie żadna grupa wiekowa nie wykaże statystycznie istotnego wzrostu liczby zgonów (i można stwierdzić, że są to prawdopodobnie pozostałości nadmiaru zgonów z powodu „Od dawna przerażającej choroby” wynikające z powikłań po zachorowaniu na przerażającą chorobę):

Uwaga ostrzegawcza: Tę konkretną taktykę najlepiej połączyć z czymś innym; w przeciwnym razie można by przeprowadzić inżynierię wsteczną podziału, wykonując proste działanie matematyczne w celu zsumowania wszystkich grup wiekowych. Dlatego pamiętaj o dodaniu innych mylących sztuczek.

I-6. Ponowna dystrybucja/ponowne losowanie kategorii

Bardziej dopracowaną alternatywą dla bezpośredniego łączenia kategorii jest ich redystrybucja – ponowne wytyczenie granic, tak by rzec. Można to zrobić, używając dowolnej cechy, według której kategorie są różnicowane.

Aby to zobrazować, wracając do naszego przykładu złego, nielojalnego państwa Death Santistan, zamiast łączyć cały stan w jedną statystykę stanową, możesz potajemnie zmienić granice geograficzne hrabstw w stanie na potrzeby danych o straszliwej chorobie w ten sposób – spójrz, co się stanie, gdy zmienimy granice hrabstw na zielone linie:

Uwaga: Nie oznacza to, że musisz dosłownie przerysowywać hrabstwa dla celów politycznych i innych, takich jak okręgi wyborcze; wszystko, co robisz, to używanie różnych granic w celu statystyk Dreaded Disease. (Populacja jednak założy, że masz na myśli faktycznie istniejące hrabstwa i dlatego nie zorientuje się, że zrobiłeś im psikusa. To się nazywa propaganda z jakiegoś powodu.)

I-7. Definicje płynów

Są chwile, kiedy możesz mieć paradoksalną potrzebę użycia konkretnej definicji dla jednej rzeczy, ale musisz również unikać tej konkretnej definicji dla czegoś innego. W takich przypadkach musisz działać jak słownik – słowniki zazwyczaj mają wiele odrębnych definicji dla jednego słowa, możesz zrobić to samo.

Na przykład słowo „kobieta” jest czasami definiowane jako „dorosły człowiek posiadający żeńskie cechy anatomiczne i genetyczne”, na przykład w kontekście prawa kobiet do wyboru; a czasami jako „osoba, która identyfikuje się jako kobieta”, na przykład w kontekście zorganizowanego sportu.

Sekcja II – Kuratorowanie danych

Jeszcze lepiej niż posługiwanie się elastycznymi definicjami jest unikanie sytuacji, które już na samym początku wymagają zmiany definicji.

Najlepszym sposobem uniknięcia takich problemów jest takie gromadzenie danych, aby uniknąć potencjalnych problemów, poprzez zastosowanie jednej lub kilku z poniższych sprawdzonych i przetestowanych metod korupcyjnego przejęcia kontroli nad gromadzeniem, organizacją i prezentacją danych.

II-1. Nie diagnozuj i nie identyfikuj czegoś

Jeśli pacjent przyjdzie cierpiący na liczne deficyty neurologiczne po zażyciu szczepionki Glorious Vaccine i zostanie odesłany do domu z receptą na Xanax na „lęk”, nie wygeneruje to diagnozy deficytu neurologicznego w żadnej bazie danych. Brak diagnozy stanu, który mógł zostać wywołany przez szczepionkę Glorious Vaccine – lub kodu diagnostycznego w dużej bazie danych rządowej lub ubezpieczeniowej – oznacza, że ​​będziesz musiał zastosować sztuczkę definicyjną, aby ukryć istnienie zdiagnozowanych urazów związanych ze szczepionką Glorious Vaccine. Dlatego powinieneś upewnić się, że osoby odpowiedzialne za diagnozowanie lub identyfikowanie problematycznych lub sprzecznych danych/obserwacji dotyczących całkowicie bezpiecznej i skutecznej szczepionki Glorious Vaccine unikną tego.

Warto tutaj podkreślić, że pacjenci są łatwo oszukiwani przez własnych lekarzy, którzy wmawiają im, że „wszystko dzieje się w ich głowie”, nawet jeśli wiedzą, że mają poważne, zmieniające życie obrażenia, które czynią ich niepełnosprawnymi i całkowicie niezdolnymi do funkcjonowania że doświadczają tego codziennie.

Zilustrujmy to następującym hipotetycznym scenariuszem:

Urzędnicy reżimu widzą, że w kontrolowanym przez rząd kraju PROPAGANDA Baza danych nadzoru bezpieczeństwa utworzona w celu monitorowania bezpieczeństwa szczepionki Glorious –

– istnieje sygnał zespołu VAMP (Voskarżać Askojarzony Metamorfologiczny Phenomena) warunki:

Do gabinetu lekarskiego zgłasza się pacjent z nagłym, ostrym początkiem Zespół Renfielda (pragnienie krwi), skrajna nadwrażliwość na światło, wyraźna makrodoncjai ciężkie kontaktowe zapalenie skóry na srebro, które zaczęło się w ciągu kilku godzin od podania szczepionki Glorious. Jest to oczywisty przypadek efektu ubocznego zespołu VAMP – objawy pacjenta pasują do kryteriów diagnostycznych pełnoprawnego wampiryzmu, a stan został wywołany przez szczepionkę Glorious (ponieważ lekarz może bezpiecznie wykluczyć każdą inną przyczynę, a natychmiastowe wystąpienie objawów VAMP po podaniu szczepionki jest dość oczywistym wskaźnikiem, że to szczepionka Glorious spowodowała objawy).

Nawet jeśli pacjent widzi, że ewidentnie jest nie w porządku – odczuwa nieodpartą pokusę, by ugryźć twoją pulsującą żyłę szyjną, nie może znieść siedzenia przed oknem, jeśli rolety nie są całkowicie zasunięte, przypadkowo odgryzł sobie kilka kawałków języka swoimi nowymi, bardzo długimi i ostrymi jak brzytwa przednimi zębami, a jego skóra zaczyna się łuszczyć, gdy dotyka srebrnych rodzinnych pamiątek – i co z tego?? Nadal możesz powiedzieć pacjentowi: „To siedzi w twojej głowie” i odesłać go do domu z receptą na Xanax (i może z torebką lub dwiema krwi 0-ujemnej, jeśli czujesz, że pacjent może nie być w stanie kontrolować się dużo dłużej i nie chcesz, aby twoja żyła szyjna dostarczała mu lunchu). A pacjent po prostu to zaakceptuje i pójdzie do domu bez większej walki.

Dzięki temu unika się w ogóle generowania jakichkolwiek danych diagnostycznych dotyczących zespołu VAMP, co oznacza, że ​​nic nie pojawi się w żadnej bazie danych.

Zdziwiłbyś się, jak wielu lekarzy jest uległych do tego stopnia, że ​​wmówią sobie, że futrzana kobieta z ogonem, która wyrosła znikąd godzinę po otrzymaniu Wspaniałej Szczepionki nie ma nic wspólnego ze Wspaniałą Szczepionką.

(Note: Mówiąc całkiem poważnie, ważne jest, aby wymyślać chwytliwe akronimy lub nazwy dla rzeczy, które przekazują wrażenie, w jaki sposób chcesz, aby ludzie postrzegali daną rzecz, więc nie posługuj się tym przykładem w prawdziwym życiu, ponieważ sugeruje on, że nie traktujesz nadzoru nad bezpieczeństwem poważnie i sprawia, że ​​ludzie są bardziej skłonni uwierzyć, że próbujesz ukryć faktyczne problemy związane z bezpieczeństwem szczepionki Glorious Vaccine.)

II-2. Nadmierna diagnoza lub nadmierna identyfikacja czegoś

Odwrotnie, jeśli potrzebujesz czegoś więcej, niż jest dostępne, po prostu odwróć #1. Na przykład, jeśli chcesz, aby ludzie bardziej bali się Straszliwej Choroby, możesz wdrożyć masowy reżim testowania, aby zwiększyć liczbę „potwierdzonych” przypadków Straszliwej Choroby. Upewnij się również, że używasz testów, które zwrócą bardzo wysoki wskaźnik wyników pozytywnych, niezależnie od tego, czy są prawdziwe, czy nie.

Zwiększając nadzór lub testowanie czegoś, możesz stworzyć pozory rosnącej liczby tego, co testujesz, lub przynajmniej utrzymać pozory, że to nadal istnieje. Rozważ poniższą ilustrację z dobrych starych Stanów Zjednoczonych Ameryki – na górnym wykresie widać, że wraz ze wzrostem liczby codziennych testów na Covid, w tym samym czasie odsetek testów, które dały wynik pozytywny, spadł o ponad 75% (dolny wykres). Udało się to osiągnąć, utrzymując liczbę przypadków na stosunkowo wysokim poziomie (środkowy wykres), więc nawet gdy odsetek testów, które dały wynik pozytywny, spadł >75%, liczba nowych przypadków spadła tylko o około 25% w tym samym okresie.

Bezsensowny wzrost liczby przypadków, który był wyłącznie funkcją większej liczby testów, mimo wszystko doprowadził do nagłówków takich jak ten świetny materiał NBC o charakterze pornografii paniki, opublikowany 11 czerwca 2020 r.:

Zapamiętaj: znajdujesz to, czego szukasz, i znajdujesz jeszcze więcej tego, czego szukasz.

II-3. Nie zgłaszaj tego, co zostało zdiagnozowane lub zidentyfikowane

Czasami nie da się uniknąć diagnozowania lub identyfikowania czegoś, co najlepiej pozostawić nieodkryte. W takim przypadku możesz przynajmniej upewnić się, że to, co zostało zaobserwowane, nie zostanie uwzględnione w oficjalnych raportach lub danych:

Na bardziej indywidualnym poziomie powinieneś wydawać wskazówki lekarzom, personelowi medycznemu i personelowi administracyjnemu na miejscu, aby NIE diagnozowali rzeczy, których nie chcesz, aby pojawiały się w zestawach danych. Nie wahaj się używać zachęt finansowych, aby osłodzić garnek dla lojalnych, przestrzegających reżimu lekarzy. Nie bądź skąpy – zapobieganie jest prawie zawsze tańsze (i mniej stresujące) niż rozwiązywanie problemów po ich wystąpieniu.

Nawet w tych rzadkich przypadkach, gdy lekarz nie może uniknąć zdiagnozowania u pacjenta poważnego schorzenia, które wystąpiło bezpośrednio po zażyciu szczepionki Glorious, może on nadal upewnić się, że nie zgłosi niepożądanego zdarzenia do żadnej bazy danych obrażeń poszczepiennych po szczepionce Glorious.

Alternatywnie, jeśli baza danych reżimu dokumentująca obrażenia spowodowane szczepionką Glorious Vaccine nadal będzie zawierać zbyt wiele kontrowersyjnych raportów, które rzucają cień na jej bezpieczeństwo, należy zrobić dwie rzeczy.

Pierwszym jest pozostawienie kilku administratorów baz danych na odcinku wybrzeża Somalii, gdzie kręcą się piraci, aby reszta wzięła się do roboty i przestała przepuszczać tak wiele raportów. Płacisz im za wykonywanie pracy, która polega na utrzymywaniu opinii publicznej, że Glorious Vaccine jest najbezpieczniejszym produktem leczniczym, jaki kiedykolwiek wynaleziono; porażka jest niedopuszczalna.

Drugim jest NIEujawnianie publicznie problematycznych raportów w bazie danych. CDC próbowało jak mogło, ale ostatecznie zostało pokonane przez nieuczciwego sędziego (co podkreśla potrzebę kontroli również nad sądownictwem):

II-4. Nie zezwalaj na badanie zjawisk, których wyniki mogą powodować problemy

Odwrotną stroną „Znajdziesz to, czego szukasz” jest to, że „Nie znajdziesz tego, czego nie szukasz”, więc upewnij się, że nikt nie będzie szukał potencjalnych sygnałów czegoś, co mogłoby być problematyczne dla narracji reżimu. Jeśli, powiedzmy, reżim „przypadkowo” uwolni zarazę w mieście trzeciego świata, nie możesz mieć irytujących teoretyków spiskowych w mediach społecznościowych, którzy dowiedzą się, co się stało, więc najlepiej upewnij się, że nikt nie przeprowadza sekcji zwłok ani nie testuje chorych osób.

CDC podaje kolejny przykład dobrego, wyprzedzającego myślenia strategicznego, pozwalającego nie dopuścić do ujawnienia danych potencjalnie szkodliwych dla reżimu:

CDC bardzo mądrze podeszło do tej pory do zlecenia przeprowadzenia sekcji zwłok tysięcy zgonów zgłoszonych w bazie danych VAERS monitorującej bezpieczeństwo szczepionek.Pamiętasz z rozdziału I część o dodawaniu absurdalnych warunków do definicji? Jeśli nie, najlepiej przejrzyj materiał, aby mieć go pod ręką.)

II-5. Publikuj tylko część danych na początku

Dość często, po prostu publikując jedną część danych i zostawiając drugą część na później, możesz stworzyć fałszywą narrację, która się zakorzeni. Więc kiedy w końcu opublikujesz resztę danych, nie będzie miało znaczenia, że ​​przeczy ona podstawie tego, co stało się już akceptowanym dogmatem.

Na przykład, jeśli chcesz przedstawić Straszliwą Chorobę jako bardziej powszechną, niż jest w rzeczywistości, możesz pójść za przykładem pionierskich propagandystów z Wirginii i na jakiś czas wstrzymać się z publikacją niektórych negatywnych wyników testów, aby zwiększyć odsetek wyników pozytywnych – co sprawi, że będzie się wydawało, że więcej osób choruje na Straszliwą Chorobę:

Innym scenariuszem, w którym możesz wykorzystać technikę częściowej publikacji danych z dużym skutkiem, jest sytuacja, w której jesteś zmuszony do ujawnienia danych z jakiegokolwiek powodu, który sprawi, że reżim będzie wyglądał naprawdę źle (tak się zdarza). Więc chcesz opóźnić ujawnienie naprawdę szkodliwych rzeczy tak długo, jak to możliwe – jeśli zaczekasz wystarczająco długo, ostatecznie przestaną być istotne. Ponadto, jeśli wyrzucisz wszystko na raz, współczynnik szoku będzie ogromny i będziesz miał wielki bałagan na rękach. Jednak jeśli ujawnisz informacje kropla po kropli, to w momencie, gdy skandaliczne fragmenty zostaną ujawnione, współczynnik szoku „wow” już dawno minie, a ludzie nie będą już zwracać tak dużej uwagi. Taktykę tę próbowała FDA, chociaż została ona w większości udaremniona przez nieuczciwego sędziego (podkreślając krytyczną potrzebę kontroli sądowej, aby zapobiec nieuczciwym sędziom wkraczającym na terytorium):

II-6. Ogranicz dopuszczalne źródła danych lub informacji

Jeśli istnieją źródła, które generują dane niezgodne z narracją reżimu (co zdarza się od czasu do czasu, pomimo wszelkich starań), po prostu zdyskredytuj je jako propagandę lub coś innego niewiarygodnego i niebezpiecznego, jak rosyjskie boty. (Ogólną zasadą jest, że zawsze możesz domyślnie obwiniać lub przypisywać wszelkie niewygodne informacje „rosyjskiej dezinformacji” w ostateczności).

Dowodem A dla tej taktyki byłaby baza danych VAERS prowadzona przez CDC. Kiedy VAERS wykazała zupełnie szalone liczby obrażeń poszczepiennych spowodowanych szczepionką przeciwko Covid –

– cały aparat naukowy po prostu uznał VAERS za teorię spiskową, której celem jest szerzenie niebezpiecznej dezinformacji:

Jeśli jednak dane te pochodzą z zestawów danych reżimowych, które są zbyt trudne do odrzucenia jako nienaukowe śmieci (tak, to się zdarza), to przestań je publikować i zamiast tego dyskredytują je jako źle skonstruowane i pełne fatalnych błędów.

Możemy użyć UKHSA, aby zilustrować tę zasadę. Po tym, jak surowa skuteczność szczepionki spadła znacznie do terytorium ujemnego dla prawie wszystkich grup wiekowych (jak w przypadku osób zaszczepionych, które były w WIĘKSZYM stopniu narażone na zarażenie się Covid w porównaniu z osobami niezaszczepionymi), UKHSA po prostu przestało publikować cotygodniowe dane dotyczące skuteczności szczepionki:

UKHSA ostrzega również przed konsekwencjami zbyt długiego czekania przed odłączeniem problematycznych zbiorów danych:

Nie można mieć takich nagłówków co tydzień!! Powinni byli odłączyć ten zestaw danych na długo zanim zaszczepieni zaczęli częściej zapadać na Covid niż niezaszczepieni. To niewymuszony błąd, rodzaj idiotycznej pomyłki, za którą dosłownie lecą głowy. Dlaczego na Ziemi czekali, aż skuteczność *szczepień przypominających* dla 80-latków miała być ujemna???? Ktoś w UKHSA nie czytał tej książki od jakiegoś czasu, a wyraźnie skorzystałby na odrobinie recenzji...

II-7. Stosuj podwójne standardy przy określaniu, jakie informacje są rzetelne i wiarygodne

Niektórzy propagandziści mogą wahać się przed jawną hipokryzją, ponieważ czują się zdemaskowani przez otwarte postulowanie dwóch nie dających się pogodzić standardów, które nawet niektórzy zwykli chłopi mogą zauważyć. Musisz jednak walczyć z tą potrzebą. Zrozum, że stosowanie podwójnych standardów wykładniczo zwiększa twoje możliwości, jeśli chodzi o tworzenie punktów do dyskusji i stanowisk do gaslightingu opinii publicznej.

Jest to szczególnie prawdziwe w przypadku anegdot. Anegdoty wspierające punkty dyskusyjne reżimu, zwłaszcza te pochodzące ze źródeł zatwierdzonych przez reżim, powinny być traktowane jako najwyższa forma dowodu; podczas gdy anegdoty pochodzące z heretyckich lub niezatwierdzonych źródeł, które przeczą propagandzie reżimu, muszą być potępione jako jedynie anegdotyczne i mające zerową wartość dowodową, które w ogóle się nie liczą.

Tak więc anegdoty posłusznych reżimowi lekarzy i lojalnych obywateli na temat Straszliwej Choroby zabijającej i okaleczającej ludzi są niepodważalnym dowodem, natomiast anegdoty o obrażeniach lub zgonach z powodu Wspaniałej Szczepionki to nic więcej niż przypadkowy zbieg okoliczności, jeśli nie całkowite zmyślenia, rozpowszechniane przez nikczemnych szarlatanów w celu oczernienia reżimu i narażenia na niebezpieczeństwo wszystkich dobrych ludzi na całym świecie, którzy po prostu chcą pozostać żywi i zdrowi:

Otwarte stosowanie podwójnych standardów ma również tę dodatkową, istotną zaletę, że utwierdza społeczeństwo w przekonaniu, że prawdziwym standardem oceny wiarygodności danych lub informacji jest po prostu to, co mówi reżim.

II-8. Zniszcz dane, aby chronić lub wzmocnić swoją narrację

Czasami najłatwiejszą taktyką uniknięcia problematycznych danych jest po prostu wymyślanie fałszywych danych. Możesz coś wymyślić od podstaw. Albo możesz przyjąć bardziej niuansowe podejście i zepsuć dane, wprowadzając subtelne wady lub uprzedzenia, które są trudniejsze do zauważenia dla przeciętnej osoby. Istnieje nieograniczona liczba sposobów na fabrykowanie lub fałszowanie danych, zbyt wiele, aby je tutaj wymienić. Po prostu zadbaj o to, aby fałszować dane w sposób, który nie jest łatwo odkryty lub poddany inżynierii wstecznej.

Na przykład, wracając do naszej poprzedniej hipotetycznej sytuacji, w której potrzebujesz, aby populacja uwierzyła, że ​​jest o wiele więcej przypadków Straszliwej Choroby niż jest w rzeczywistości, innym sposobem przedstawienia Straszliwej Choroby jako bardziej rozpowszechnionej jest połączenie liczby osób obecnie chorych z liczbą osób, które już wyzdrowiały. CDC faktycznie zrobiło dokładnie to, gdy połączyło testy przeciwciał (które mierzą liczbę osób, które już wyzdrowiały z Covid) z testami PCR (które mierzą liczbę osób obecnie chorych) w jedną miarę „pozytywnego wyniku testu na Covid”, podstępnie obejmując wszystkich, którzy już wyzdrowieli, jako OBECNIE chorych:

Zwróć uwagę na podkreślone zdania powyżej. Są one bardzo odkrywcze.

Podkreślone na zielono zdanie – „Metoda CDC sugeruje, że Stany Zjednoczone mają większe możliwości testowania, niż jest to w rzeczywistości” – zauważ, jak CDC genialnie udało się wycisnąć wiele ciasteczek propagandowych z tego jednego manewru. Nie tylko stworzyli iluzję znacznie wyższych wskaźników aktywnie zakażonych osób; stworzyli również iluzję, że rząd miał o wiele większe możliwości testowania ludzi na obecność wirusa, niż rząd faktycznie posiadał. (Dobrze jest obnosić się z przykładami kompetencji rządu, biorąc pod uwagę, że legendarna reputacja rządu za oszałamiającą niekompetencję jest jedną z najtrudniejszych do odparcia koncepcji, jakie ludzie mają na temat rządu). Bystry propagandysta zawsze stara się wykorzystać dodatkowe kąty dla korzyści, zamiast zadowolić się tym, że zastosowana taktyka propagandowa osiągnęła swój główny zamierzony cel.

Podkreślone na czerwono zdanie – „Liczby mogą sprawiać wrażenie, że stany mają wystarczające możliwości testowania i są gotowe znieść ograniczenia, gdy tak nie jest” (i tak naprawdę dwa ostatnie akapity) – oferują mądrą lekcję na temat usuwania potencjalnych cierni w zarodku. Zawsze – zawsze!! – musisz być czujny, aby zapobiec *jakimkolwiek* potencjalnym implikacjom lub szybkim ujęciom informacji, które chociaż ogólnie popierają reżim, zawierają również coś, co można przekręcić, aby podważyć jakiś inny aspekt oficjalnej narracji reżimu. Zasadniczo możesz mieć ciasto I je zjeść! Doceniam tutaj, jak cytowany naukowiec reżimu zręcznie radzi sobie jednocześnie (1) wyrażając aprobatę dla zwiększonych możliwości testowania jako miary niezwykłych kompetencji reżimu; (2) obarczając winą za [umyślny] „wypadek” dysydencką partię polityczną; i (3) ostrzega, że ​​chociaż stan wykonuje niesamowitą pracę, udostępniając testy szeroko, nie oznacza to, że ponowne otwarcie jest bezpieczne! Pamiętaj, że trzeba utrzymać pandemię, co ten naukowiec reżimu robi mistrzowsko. (Upewnij się, że hojnie wynagrodzisz naukowców reżimu za tak wybitną pracę. To zachęci pozostałych do podniesienia poziomu gry i dobrze wpłynie na morale.)

Zauważ również, że media są krytycznym sojusznikiem reżimu, bez którego poniesiesz porażkę. Więc rób to, co musisz, aby utrzymać przyjazne relacje – nie zaczynaj tutaj skąpić grosza.

II-9. Usuń problematyczne dane

Tak. Jak Bleach Bit-ing e-maili Hillary. Dobrze jest od czasu do czasu czyścić bazy danych z danych niezgodnych z narracją lub stanowiskiem reżimu; w przeciwnym razie może to się kumulować w zauważalnym trendzie, który mogliby zauważyć dysydenci reżimu lub szerzyciele dezinformacji.

Jeśli więc na przykład baza danych dotycząca bezpieczeństwa szczepionki Glorious Vaccine zawiera zbyt wiele raportów, należy je po prostu usunąć, tak jak robi to CDC, co ilustruje poniższy wykres przedstawiający liczbę problematycznych raportów VAERS usuwanych przez CDC w każdym tygodniu:

Zauważ, że w tym przypadku pracownicy VAERS z CDC przez większość czasu nie wywiązywali się ze swoich obowiązków – nie można pozwolić, aby kluczowy personel się obijał. Cały wykres powinien pokazywać słupki do góry – nie ma żadnego ważnego powodu, dla którego nie mogliby usunąć wielu raportów VAERS w sierpniu 2021 r., tak jak zrobili to w kwietniu i maju 2022 r. Jeśli musisz zatrudnić dodatkowy personel do usuwania raportów, zrób to.

Poza tym, dlaczego ci oszuści pozwolili na zgromadzenie się tak wielu raportów? W takiej bazie danych nie powinno być w ogóle wystarczająco dużo raportów, żeby zachodziła konieczność cotygodniowego masowego usuwania tych raportów.

Być może najważniejsza lekcja płynąca z całej tej książki jest taka: Nudne, zabawne i żmudne szczegóły logistyczne związane z rozpowszechnianiem i utrzymywaniem propagandy są tak samo istotne, jak wielkie, rozdmuchane kłamstwo lub zapierające dech w piersiach gimnastyki językowe.

Jeśli ludzie stwierdzą, że brakuje danych, może zaistnieć konieczność kreatywnego uzasadnienia lub wyjaśnienia tej sytuacji, dlatego pamiętaj, aby wcześniej przygotować sobie punkty do omówienia na wszelki wypadek.

Innym świetnym przykładem podstępnego usuwania danych w praktyce jest następujące genialne działanie podjęte przez rząd Australii w celu wyeliminowania niewygodnych danych klimatycznych pokazujących rekordy ciepła, które miały miejsce zbyt wiele lat temu, aby można je było przypisać emisji dwutlenku węgla pochodzącej od człowieka:

Niestety, zostali złapani, co jest czasami nieuniknione, gdy próbujesz usunąć coś naprawdę znaczącego i zauważalnego. Dlatego tak ważne jest, aby system Gułagu był gotowy i czekał całą dobę, aby poradzić sobie z nagłym napływem nowych więźniów w każdej chwili (jak w obozach kwarantanny w Australii).

II-10. Twórz fałszywe dane, które wydają się obalać Twoją własną narrację, aby oszukać i zdyskredytować opozycję

W obliczu uporczywego zagrożenia informacyjnego, które jest żrące dla twoich wysiłków propagandowych, jest to genialnie podstępna taktyka, aby pozbawić ich autorytetu, wiarygodności i wpływów. Po prostu podaj fałszywe dane, które powierzchownie wydają się obalać narrację reżimu, ale łatwo je obalić. Tchórzliwi wrogowie państwa niewątpliwie wykorzystają te fałszywe informacje lub dane i zostaną zdyskredytowani, gdy udowodnisz, że dali się nabrać na te teraz już ewidentnie absurdalne twierdzenia.

Tak jak wojsko zrobiło ze swoją własną wewnętrzną bazą danych wszystkich schorzeń medycznych dla całego wojska zwaną DMED. Celowo zasiali w niej fałszywe dane, które wyglądały jak totalny moment OMG!!!!!!!!, który pokazywał nieświęte masowe wzrosty wszelkiego rodzaju schorzeń medycznych, takich jak nowotwory, poronienia i inne związane ze świętymi szczepionkami przeciwko Covid. A potem, gdy kilku bohaterskich lekarzy wojskowych znalazło dane DMED, dali się nabrać na haczyk i ciężarek… co zabiło całą historię. (Aby uzyskać pełną szczegółową oś czasu i wyjaśnienie tego, Spójrz tutaj.)

II-11. Używaj zdjęć, memów i innych rodzajów mediów, aby kłamać odważnie i zuchwale

W dużej mierze postrzeganie nauki lub danych przez opinię publiczną zależy od wizualnej prezentacji nauki lub danych – dobry mem lub obraz może skutecznie przekazać całkowicie fałszywe dane w sposób, który pozostawi ludzi w przekonaniu, że fałszywe dane są absolutnie w 100% prawdziwe.

Na przykład, jeśli chcesz pokazać, że wskaźniki i ciężkość zapalenia mięśnia sercowego wywołanego przez Straszliwą Chorobę są znacznie gorsze niż wskaźniki i ciężkość zapalenia mięśnia sercowego wywołanego przez Chwalebną Szczepionkę chociaż prawdą jest coś dokładnie odwrotnegomożesz stworzyć taki mocny obraz:

Teraz ludzie instynktownie skojarzą „Straszne zapalenie mięśnia sercowego” z gigantyczną apokalipsą w kształcie grzyba, w przeciwieństwie do zapalenia mięśnia sercowego spowodowanego przez Chwalebną Szczepionkę, które jest niczym innym jak małym ukłuciem, które nawet nie pojawia się na wykresie.

II-12. Twórz wizualizacje danych, które błędnie przedstawiają dane

Czasami nie możesz powstrzymać się od publikowania danych, które są naprawdę, naprawdę złe (dla reżimu lub Science™️). Ale na szczęście dla ciebie, większość ludzi (i akademików) to płytcy idioci, którzy są zbyt leniwi, aby czytać słowa wydrukowane obok wykresu lub diagramu. Więc możesz podstępnie przedstawić dane w schemacie wizualizacji, który zniekształca lub ukrywa to, co mówią dane.

Zilustrujmy to przykładem z największego czasopisma naukowego – Lancet,  Lancetopublikował badanie szacujące liczbę zgonów spowodowanych ekstremalnym zimnem i ekstremalnym upałem na całym świecie każdego roku. Ponieważ rządy na całym świecie chcą utrzymać fikcję, że globalne ocieplenie jest śmiertelnym zagrożeniem dla ludzkości, musieli wykazać, że liczba zgonów spowodowanych upałem przewyższa liczbę zgonów spowodowanych zimnem. Co najmniej musiały być równe. Tak więc, gdy Lancet odkryto, że liczba zgonów spowodowanych zimnem przewyższa liczbę zgonów spowodowanych upałem z marginesem 10 do 1 (dosłownie), musieli wymyślić sposób na stworzenie wykresu, który ukryłby ten niewygodny mały fakt. Co zaowocowało poniższym wykresem po lewej stronie:

Niebieskie paski pokazują zgony z powodu zimna, czerwone paski pokazują zgony z powodu ciepła. Im większy pasek, tym więcej zgonów. Musieli więc zrobić czerwone paski tak duże jak niebieskie paski. Zastosowali więc podstępny trik – jeśli spojrzysz na fioletowo podkreślone liczby, które przekładają rozmiar paska na konkretną liczbę zgonów, zobaczysz, że dla niebieskich pasków (zgony z zimna) każdy cal paska reprezentuje 50 zgonów, ale dla czerwonych pasków (zgony z gorąca) każdy cal paska reprezentuje tylko 10 zgonów. Tak więc ten sam rozmiar paska reprezentuje 5 razy więcej zgonów z powodu zimna niż zgonów z gorąca, mimo że wyglądają tak samo. Ale ludzie nie zwracają uwagi i po prostu mówią „Och, wyglądają podobnie, więc musi być mniej więcej taki sam stosunek zgonów z powodu ciepła do zgonów z zimna”. (I próbowali nawet przemycić gigantyczną przerwę na końcu, gdzie ostatni cal czerwonych pasków reprezentuje 210 zgonów zamiast tylko 10 (pomarańczowa strzałka).)

Gdyby stworzyli uczciwy wykres, który używałby tej samej skali zarówno dla zgonów z powodu zimna, jak i ciepła, wyglądałby jak wykres po prawej. Rzecz w tym, że jedno spojrzenie na ten wykres daje wyraźne wrażenie, że ekstremalne zimno jest znacznie większym zagrożeniem niż ekstremalne ciepło, co może prowadzić do niewygodnych pytań, czy może odrobina globalnego ocieplenia byłaby faktycznie korzystna dla ludzkości.

Note:Stosując tę ​​taktykę, staraj się być bardziej subtelny i dyskretny niż w przypadku czasopisma Lancet, gdzie nawet laik z łatwością mógł wykryć tę sztuczkę.

Fałszowanie NAUKI

"W tym celu Łysenko zaczął „edukować” radzieckie uprawy, aby kiełkowały w różnych porach roku, mocząc je w zamarzniętej wodzie, między innymi. Następnie twierdził, że przyszłe pokolenia upraw zapamiętają te wskazówki środowiskowe i nawet bez leczenia same odziedziczą korzystne cechy."¹

Manipulowanie nauką nie jest niczym nowym. Na szczęście dla propagandysty, Nauką bardzo łatwo manipulować według własnej woli, jeśli jesteś reżimem. Wystarczy spojrzeć na osiągnięcia Trofima Łysenki, gdy miał poparcie towarzysza Stalina. Poniższe sekcje szczegółowo opisują, co należy zrobić, aby skutecznie manipulować Nauką, aby wspierała narrację i cele reżimu.

Doskonałym przykładem skoordynowanego i skutecznego przedsięwzięcia Science-rigging jest dobrze naoliwiona machina propagandowa Big Pharma. Grupa renegackich naukowców spiskowała, aby precyzyjnie określić, w jaki sposób Big Pharma kontroluje i manipuluje nauką i danymi według własnej woli:

Oczywiste jest, że fakt, że ten artykuł jest nadal publicznie dostępny jest zdumiewającą porażką cenzury reżimu. W kraju z funkcjonującym rządem wszyscy autorzy tak zuchwałego ataku na reżim (i cenzorzy, którzy nie powstrzymali go przed publikacją i/lub nie zdjęli) zostaliby deportowani na Biegun Północny, wczoraj.

Sidebar:Autorzy ci trafnie opisują, w jaki sposób zniekształcamy naukę, by pasowała do planów reżimu. Choć oczywiście nie można pozwolić na publiczne rozpowszechnianie takich artykułów, są one całkowicie dopuszczalne do rozpowszechniania wśród propagandystów reżimu, aby lepiej zrozumieć, jak skutecznie prowadzić propagandę..

Ważne jest również, aby zauważyć, że firmy farmaceutyczne – „Big Pharma” – zazwyczaj będą przestrzegać reżimu, ale jeśli firma farmaceutyczna stanie się „mniej” przestrzegająca, to oczywiście powinieneś ją ścigać za jej nikczemne oszustwo. Upewnij się również, że co kilka lat nałożysz na lojalne firmy farmaceutyczne grzywnę w wysokości dużych pieniędzy, aby populacja myślała, że ​​reżim ma wrogie stosunki z Big Pharma i dlatego będzie mniej prawdopodobne, że zorientuje się, że reżim i Pharma są w zmowie. Kilka miliardów nie jest wielką sprawą dla ich bilansów.

Rozdział III – Weryfikacja, które dane są uznawane za oficjalną naukę

Bądź wybiórczy w kwestii danych, które mają być zawarte w Oficjalnej Nauce. Informacje, które mają imprimatur bycia informacjami naukowymi, mają o wiele większą wagę i wiarygodność wśród społeczeństwa, nawet tych, którzy odmawiają podporządkowania się narracji reżimu (nikt nie chce być postrzegany jako „antynaukowy” – to prawie tak samo złe, jak bycie rasistą we współczesnym społeczeństwie).

III-1. Nie publikuj problematycznych badań, a jeśli zostaną opublikowane, wycofaj je

Najpewniejszym sposobem, aby zapobiec temu, aby oficjalne badania naukowe obaliły narrację reżimu, jest pozbawienie ich oficjalnego charakteru. (Następnie ukrywasz je w miejscu, w którym nikt nie ma do nich dostępu, i twierdzisz, że skoro zostały wycofane, to znaczy, że przez cały czas były fałszywą, oszukańczą nauką, promowaną przez skorumpowanych heretyków antynauki, którzy chcą się wzbogacić, sprzedając dziwne mikstury witaminowe.)

Musisz jednak uważać, aby działać szybko, ponieważ jeśli będziesz czekać zbyt długo, kopie niezatwierdzonych prac naukowych mogą krążyć w tajemnicy wśród niewierzących lub heretyków przeciwko reżimowi i nabrać niemal mitycznego statusu. A gdy badanie zakorzeni się w doświadczeniu ludzi jako „prawdziwe badanie”, wycofanie go sprawi, że pomyślą, że desperacko chcesz ukryć „prawdę”.

Przyjrzyj się wszystkim tym chwalebnym odwołaniom badań, które szkodziły narracji reżimu podczas pandemii COVID-36 (to dopiero pierwsza strona z XNUMX):

Wyobraźcie sobie, ile (więcej) szkód mogłyby wyrządzić te nieuczciwe badania, gdyby pozwolono im pozostać i nie wycofano ich!

Wyobraź sobie także, ile jeszcze badań w ogóle nie ujrzało światła dziennego, ponieważ stanowią one tylko niewielki ułamek heretyckich badań (lub Dobrej Nauki, która przypadkowo przyniosła heretyckie wyniki).

III-2. Wybierz te części zestawu danych, które reprezentują „oficjalną naukę”

Niesamowite jest to, jak radykalnie można zmienić naukę, po prostu wykorzystując wybrane fragmenty zbioru danych, które wspierają narrację reżimu, a jednocześnie odrzucając (lub jeszcze lepiej, ukrywając) te części zbioru danych, które nie są zgodne ze stanowiskami reżimu.

Załóżmy na przykład, że widzimy następujące dwa trendy w reżimie PROPAGANDA baza danych monitorująca bezpieczeństwo szczepionki Glorious.

(Niestety, musisz udawać, że monitorujesz bezpieczeństwo, aby uspokoić zdenerwowanych obywateli, którzy czują się nerwowo z powodu czegokolwiek nowego, a także po to, aby mieć gotową odpowiedź dla potencjalnych krytyków i szerzycieli dezinformacji, którzy będą próbowali oskarżyć reżim o ukrywanie problematycznych danych dotyczących bezpieczeństwa. I musisz udawać, że traktujesz to BARDZO poważnie.)

Załóżmy w każdym razie, że jest 26,878 2 raportów o Bezpiecznych i Skutecznych Transformacjach w Zombi Zjadające Ciało na milion dawek podanej Wspaniałej Szczepionki, ale tylko XNUMX raporty o zaszczepionych osobach zabitych przez zjadające ciało bakterie zaraz po zaszczepieniu, jak to:

Nie możesz pozwolić, aby to przedostało się do publicznej dyskusji, co zachęci do wahania się przed szczepieniami i sprawi, że ludzie ogólnie będą wątpić w narrację reżimu, nawet w innych kwestiach. Ale musisz również wykazać, że baza danych PROPAGANDA pokazuje, że wskaźniki potencjalnych obrażeń spowodowanych szczepionką Glorious są nieistotne. (Za każdym razem, gdy odwołujesz się do bazy danych bezpieczeństwa, pamiętaj, aby podkreślić, że te raporty nie potwierdzają, że szczepionka Glorious była przyczyną, tylko potencjalne powiązanie.)

Rozwiązanie jest tutaj dość proste – wykorzystaj tylko dane pokazujące, że istnieją tylko 2 raporty o zakażeniu kogoś bakterią Terrifying Flesh-Eating Bacteria z powodu Glorious Vaccine na 100,000 26,878 dawek. Jednak 100,000 XNUMX raportów na XNUMX XNUMX dawek Safe and Effective Carnivorous Zombie Transformations należy ignorować publicznie tak bardzo, jak to możliwe, a gdy nie możesz tego uniknąć, musisz potępić to jako niesprawdzone, nienaukowe i dlatego bezsensowne raporty, które są zatem nieistotne. I pamiętaj, aby zbesztać media za to, że ośmieliły się o to pytać. (Najlepiej byłoby porozumieć się z lojalnym dziennikarzem reżimu i powiedzieć, że to on powinien zadać to pytanie, aby można było poruszyć tę kwestię w sposób lekceważący, na przykład: „Jacyś ludzie z marginesu próbują twierdzić, że Wspaniała Szczepionka powoduje dziesiątki tysięcy sensacyjnych obrażeń. Czy możesz wyjaśnić, w jaki sposób zniekształcają doniesienia w bazie danych PROPAGANDA?”)

Ponadto nigdy nie używaj słowa „przerażający” w kontekście sytuacji, w której próbujesz uspokoić ludzi. Nigdy. Nawet jeśli to, co opisujesz, jest obiektywnie przerażające. Opisując coś, co jest z natury przerażające, zamiast tego używaj wielkich, akademickich słów brzmiących jak Sciency. Tak więc „bakterie zjadające ciało” można opisać jako „martwicze zapalenie powięzi”, coś, o czym nikt nie ma pojęcia, co to do cholery znaczy (a większość ludzi jest zbyt leniwa, żeby nawet wyszukać to w Google). Ma nawet dwa „i”, co sprawia, że ​​brzmi to dość imponująco w intelektualny sposób, jakby zabicie przez coś tak wyrafinowanego było praktycznie przywilejem:

To nie jest takie skomplikowane, szybko się z tym oswoisz. (A jeśli ci się nie uda, to i tak pewnie niedługo nie pożyjesz.)

Note:Kiedy masz do czynienia z sytuacją, w której produkt popierany lub nakazany przez reżim jest niebezpieczny – **co zdarza się często** – musisz upewnić się, że nie ulegniesz własnej propagandzie; w przeciwnym razie możesz skończyć jako kolejny Bezpieczny i Skuteczny Zombie, jak ci czterej senatorowie USA:

III-3. Opóźnienie w raportowaniu danych

Bardziej subtelnym sposobem sprawdzenia, jakie dane są zawarte w Official Science, jest nieuczciwe raportowanie danych lub informacji. Strategiczne ustalanie czasu raportowania różnych podzbiorów danych to prosty, ale niezwykle skuteczny sposób manipulowania danymi naukowymi. (Nie martw się o zrozumienie, jak to działa; po prostu wiedz, że tak jest, i zatrudnij kompetentnych statystyków, którzy potrafią najlepiej to wdrożyć). Wiele obliczeń opiera się na czasie raportowanych danych, dlatego możesz kontrolować, co pokazują dane, ostrożnie udostępniając różne części danych w optymalnym czasie.

Na przykład, tygodniowe opóźnienie w zgłaszaniu zgonów może radykalnie zmienić pozorną skuteczność lub bezpieczeństwo interwencji medycznej – dosłownie, opóźniając zgłaszanie zgonów o tydzień, możesz sprawić, że coś, co nie ma żadnego efektu, będzie wyglądało na skuteczne w 95%. (Możesz kliknąć link, aby uzyskać więcej szczegółów, ale ta konkretna taktyka jest trochę zbyt skomplikowana dla Idiot's Guide, a dołączenie tutaj szczegółowego opisu może spowodować, że w przeciwnym razie początkujący propagandyści z świetlaną przyszłością przed sobą popadną w depresję i zwątpią we własne umiejętności, jeśli nie będą w stanie zrozumieć wyjaśnienia, co może doprowadzić do ich rezygnacji, co byłoby tragedią. Naprawdę.)

Rozdział IV – Jak sfałszować badanie

Być może najważniejszą umiejętnością potrzebną do posługiwania się nauką jest zdolność projektowania i przeprowadzania badań w celu osiągnięcia pożądanych rezultatów.

[Uwaga: faktyczne manipulowanie badaniami zawsze będzie wykonywane przez ekspertów, którzy prowadzą badania zarobkowo (nazywanych PI, czyli Principal Investigators). Więc nie musisz być biegły w tych sprawach. Niemniej jednak pomocne jest posiadanie wystarczającej znajomości podstaw.]

Badania – zwłaszcza te duże, wymyślne, które są zazwyczaj uważane za „złoty standard” nauki™️ – to ogromnie złożone bestie, którymi można manipulować na niezliczone sposoby. Wyjaśnimy bardziej widoczne i bezpośrednie rodzaje oszustw, manipulacji i wad projektowych, które można wykorzystać, aby uczynić badanie marionetką w twoich rękach, którą możesz dowolnie potrząsać.

[Uwaga: – istnieje wiele stopni zaawansowania w implementacji którejkolwiek z poniższych manipulacji. Wyjaśnimy i zilustrujemy tylko podstawowe koncepcje, używając prostego, prostego zastosowania zasad, bez dodawania żadnych fantazyjnych ozdób i błyskotek. Celem jest, abyś zrozumiał różne typy i sposoby manipulowania danymi. Możesz później sam się edukować w bardziej zaawansowanych metodologiach (co jest oczywiście wysoce zalecane i zalecane).

IV-1. Taktyka manipulowania wynikami badań nr 1: manipulowanie projektem protokołów badań

Większość materiału odnoszącego się do tej sekcji jest również istotna w kontekście kolejnej sekcji, która dotyczy sabotowania wdrażania protokołów badań, dlatego w tym miejscu zajmiemy się tylko taktykami charakterystycznymi dla manipulowania projektem samych protokołów.

Protokoły badań są zasadniczo jak zbiór zasad, który dyktuje, jak badanie będzie przeprowadzone. Upewnij się więc, że piszesz zasady sprzyjające wynikowi, który chcesz uzyskać.

A) Układanie talii – strategiczne przydzielanie osób badanych do odpowiednich grup badawczych i kontrolnych

Prawie wszystkie duże, specjalistyczne badania mają dwie grupy – grupę badawczą i grupę kontrolną. W badaniu nowego leku grupa badawcza otrzymuje lek, a grupa kontrolna nie. Teoretycznie, jeśli lek działa, to w grupie kontrolnej powinno być więcej chorych niż w grupie badawczej.

Jeśli więc prowadzisz badanie mające na celu przetestowanie nowego schematu leczenia Wunder-drug, możesz to wykorzystać, umieszczając w grupie kontrolnej więcej osób chorych niż w grupie badanej. W ten sposób grupa badawcza uzyska lepsze wyniki, nawet jeśli lek nie zadziała. (Oczywiście nie powinieneś przyznawać się do tego ani do żadnych innych tego typu taktycznych sztuczek w dokumentacji badania).

B) Dokładnie sprawdź osoby, które mają zostać włączone do badania

Wielu problemów można by uniknąć, po prostu izolując się od osób, które mogą w jakiś sposób wpłynąć na wyniki.

Na przykład, jeśli testujesz nowy lek, który chcesz udowodnić jako bezpieczny i skuteczny, trzymaj z dala osoby, które są szczególnie podatne na złe reakcje lub nieskuteczność. Rozumiesz, o co chodzi. (Tak jak nie uwzględnili żadnych starych osób z chorobami współistniejącymi w badaniach nad szczepionką przeciwko Covid, co ujawniłoby bzdurę o „99% skuteczności”).

IV-2. Taktyka manipulowania badaniami nr 2: sabotowanie wykonania protokołów badań

Dość często nie będziesz w stanie całkowicie zmanipulować samych protokołów badań, aby uzyskać pożądane rezultaty. W takich przypadkach musisz sabotować wdrożenie lub przestrzeganie oficjalnych protokołów badań. Jest to dość łatwe do zrobienia i istnieją dosłownie nieskończone sposoby, aby to osiągnąć.

Uwaga: Rozsądnie jest zaplanować logistykę z wyprzedzeniem, aby uniknąć różnych problemów i stresujących sytuacji, które mogą pojawić się w dużym badaniu obejmującym tysiące osób i personelu. Na przykład, jeśli chcesz „pokazać”, że szczególnie irytujący narkotyk jest w rzeczywistości śmiertelny, powinieneś mieć pod ręką worki na zwłoki, aby szybko usuwać ciała z miejsc publicznych, a także całodobową krematorię, aby zniszczyć wszelkie niepożądane dowody kryminalistyczne lub patologiczne, które mogą zawierać zwłoki.)

Protokół sabotażu nr 1: Podanie badanego leczenia/interwencji [grupie badawczej]

Ludzie myślą, że podawanie badanym podmiotom leku jest proste i proste. Są w błędzie. Bardzo, bardzo w błędzie. Często możesz kontrolować całe badanie, subtelnie dostosowując sposób podawania leku podmiotom badanym, w tym:

• Dawkowanie/Ilość interwencji – Możesz podać zbyt małą lub zbyt dużą dawkę leku, w zależności od tego, do czego dążysz. Jeśli chcesz, aby lek wyglądał na nieskuteczny, zbyt mała dawka sprawi, że nie zadziała. Jeśli chcesz pokazać, że lek jest niebezpieczny, po prostu zwiększ dawkę do bardzo toksycznych poziomów.
• Czas podawania leku – Innym sposobem sabotowania leku jest podanie go pacjentom zbyt wcześnie lub zbyt późno, aby był skuteczny. Istnieje wiele różnych taktyk, które możesz wybrać, aby to osiągnąć. Na przykład możesz wysłać lek pacjentom pocztą, co nieuchronnie wydłuży harmonogram o kilka dni (specjał Davida Boulware'a na temat iwermektyny).
• Jakość produktu – tj. czystość/siła – Produkt zanieczyszczony lub źle wyprodukowany nie będzie działał tak samo jak produkt czysty, wytworzony z wysokiej jakości składników i przy zachowaniu pełnej wierności idealnym praktykom produkcyjnym.

(Uwaga: Zawsze powinieneś przeprowadzać nieoficjalne badania przedkliniczne na zwierzętach – i ludziach – aby zrozumieć, jak różne wersje leku lub interwencji będą działać PRZED wdrożeniem zanieczyszczonych wersji w badaniu (oprócz oficjalnych badań przedklinicznych nad normalną formułą leku); w przeciwnym razie ryzykujesz przypadkowym sabotowaniem własnych prób sabotażu. Pamiętaj, że celem przeprowadzania badania jest pokazanie z góry ustalonego wyniku, a nie odkrywanie nowych naukowych spostrzeżeń! Niepewność lub nieprzewidywalność co do tego, co badany lek lub interwencja zrobią w prawdziwym życiu, jest kryptonitem dla udanego manipulacji badaniem. Albo co najmniej sprawi, że będziesz miał naprawdę silne migreny, gdy będziesz się zmagał z poruszaniem się w labiryncie zagrożeń i niewygodnych danych z twojego teraz niezwykle chaotycznego badania.)

• Zamiast interwencji zastosuj roztwór soli fizjologicznej lub placebo – Innym sposobem na zminimalizowanie zagrożeń wynikających z wybranej interwencji reżimu jest podanie placebo zamiast leczenia, aby zmniejszyć narażenie na toksyczność interwencji. Oczywiście należy również upewnić się, że użycie soli fizjologicznej nie będzie miało niepożądanego efektu ubocznego w postaci pokazania, że ​​lek nie działa, więc ta taktyka jest zazwyczaj stosowana w połączeniu z innymi manipulacjami protokołem lub niewiernością.
• Mieszać i łączyć – Zawsze możesz mieszać i dopasowywać w ramach każdej z tych sugestii. Na przykład możesz dać kilka tematów leczenia inny produkt. Możesz również zastosować więcej niż jedną z tych sugestii w połączeniu, aby objąć różne części grupy badawczej różnymi sugestiami, co może utrudnić osobom z zewnątrz odkrycie naruszeń protokołu.

Protokół sabotażu nr 2: Podanie placebo [grupie badawczej]

To jest zasadniczo odwrotna strona poprzedniej sekcji. Istnieje kilka konkretnych taktyk, które są nieco wyjątkowe w zastosowaniu do placebo:

• Podaj grupie kontrolnej/placebo interwencję – Jednym ze sposobów zagwarantowania, że ​​badanie nie wykaże żadnej skuteczności leczenia, jest podanie leczenia również grupie kontrolnej. Jeśli obie grupy otrzymają leczenie, nie będzie między nimi różnicy, pokazującej, że grupa leczona poradziła sobie lepiej dzięki leczeniu.
  Łatwiejsza, ale bardziej ryzykowna metoda polega na tym, aby personel badawczy bezpośrednio podawał lek grupie kontrolnej, udając placebo. (Jest to wystarczająco łatwe, ponieważ placebo ma wyglądać, przypominać w dotyku, smakować i pachnieć identycznie jak leczenie, aby zapobiec temu, aby osoby z grupy kontrolnej zorientowały się, że nie otrzymały leku.)

Trudniejsza, ale mniej ryzykowna metoda polega na nakłonieniu osób z grupy kontrolnej do uzyskania leczenia poza badaniem. Na przykład możesz użyć placebo, które wyraźnie różni się od leku. Ponieważ osoby biorące udział w badaniu mogą łatwo odkryć za pomocą Google, że lek nie wygląda, nie pachnie ani nie smakuje tak, jak powinien, będą starać się zdobyć rzeczywisty lek na boku, ponieważ nie chcą umrzeć lub cierpieć na wyniszczające powikłania z powodu jakiejkolwiek choroby lub schorzenia, w leczeniu którego stosuje się lek.

Alternatywą jest przeprowadzenie badania w miejscu, w którym populacja ma już szeroki kontakt z badanym lekiem, wskutek czego grupa badanych będzie w dużej mierze zanieczyszczona osobami, które już przyjmują lek lub przynajmniej mają jego zapas.

(Należy pamiętać, że taka taktyka wiąże się z ryzykiem zauważenia przez irytujących heretyków-dysydentów i przeciwników nauki, ponieważ fakt, że w miejscu, w którym prowadzono badanie, świadomość istnienia leku i/lub jego stosowanie były powszechne, stanie się informacją publiczną).

• Dodaj placebo – Jeśli nie chcesz obojętnego placebo, możesz dodać do niego coś bardziej „żywego”, co może wywołać skutki uboczne i/lub mieć działanie terapeutyczne.

Jedną z konkretnych metod jest wykorzystanie składników leczenia w celu zwiększenia stężenia placebo. Może to być szczególnie przydatne do ukrywania problematycznych skutków ubocznych leczenia, które są spowodowane przez inne składniki lub komponenty oprócz aktywnego składnika leczenia – jeśli umieścisz je w placebo, obie grupy będą miały podobne skutki uboczne.

(Note:Należy pamiętać, że jeśli skutki uboczne okażą się zbyt wyraźne, samo umieszczenie toksycznych składników leczenia w placebo może budzić wątpliwości, jeśli ludzie zauważą, że częstość występowania konkretnych skutków ubocznych jest znacznie wyższa w grupie kontrolnej biorącej udział w badaniu niż w populacji ogólnej.)

Sabotaż protokołu nr 3: Zachęcaj osoby biorące udział w badaniu do zmiany swojego zachowania

Zachowanie badanych jest często krytycznym czynnikiem przy projektowaniu protokołów i prowadzeniu badania. Wykorzystaj to na swoją korzyść.

Istnieją 3 podstawowe rodzaje zachęt:

• Zachęty finansowe – Jednym z najpewniejszych sposobów na zachęcenie do określonego zachowania jest nagradzanie go finansowo:
  • Możesz prowadzić korupcyjny schemat przekupstwa w ramach badania. Na przykład, jeśli badanie uzyskuje wyniki, prosząc osoby badane o zgłaszanie informacji – takich jak skutki uboczne, których doświadczyły po otrzymaniu Glorious Intervention – możesz zapłacić osobom badanym, aby nie zgłaszały skutków ubocznych. Jednak będziesz musiał również egzekwować tajemnicę i upewnić się, że nikt się o tym nie dowie, co może być trudne.
  • Alternatywnie, możesz manipulować lub wykorzystać środowisko, w którym odbywa się badanie, aby działało jako Twój pośrednik lub pośrednik w rozdysponowywaniu finansowych dobrodziejstw. Na przykład, jeśli testujesz skuteczność potencjalnej interwencji w celu zablokowania transmisji Dreaded Disease, możesz przeprowadzić badanie w miejscu, w którym ludzie mogą chodzić do pracy tylko wtedy, gdy nie są zarażeni Dreaded Disease, wykorzystując tę ​​wbudowaną zachętę do niezgłaszania pozytywnych wyników testów, które mają ludzie (chcą otrzymać pełną wypłatę).
• Presja społeczeństwa – Drugim rodzajem bodźca jest presja społeczna. Może pochodzić od rówieśników, sił politycznych, grup społecznych, współpracowników zawodowych, instytucji, celebrytów lub jakiegokolwiek innego źródła wpływu w społeczeństwie. Chodzi o to, że możesz wykorzystać dowolne lub wszystkie z nich na swoją korzyść. 
  Na przykład, powiedzmy, że prowadzisz badanie, aby przetestować skuteczność Wondrous Cloth Shield, która zatrzymuje rozprzestrzenianie się Dreaded Disease. Więc dajesz kilku wioskom w kraju trzeciego świata Wondrous Cloth Shield i tworzysz grupę kontrolną wiosek, które nie otrzymują Wondrous Cloth Shield. Możesz zrobić pokaz, jak niesamowite są te urządzenia przed mieszkańcami wsi, którzy je otrzymują. Możesz również sprawić, aby starsi wsi ogłosili, że Wondrous Cloth Shield jest Darem z Nieba, co czyni noszenie jej punktem moralnej cnoty, a co ważniejsze, sprawia, że ​​noszenie jej, ale zarażenie się Dreaded Disease jest oznaką religijnej porażki. Co sprawia, że ​​znacznie rzadziej zgłaszają przypadki Dreaded Disease, szczególnie w porównaniu do wiosek, które nie otrzymały Wondrous Cloth Shields. Co sprawia, że ​​wygląda na to, że Wondrous Cloth Shield działa w celu zmniejszenia transmisji Dreaded Disease.
• Surowe kary – Możesz grozić wszelkiego rodzaju okropnymi konsekwencjami, jeśli badani nie zrobią dokładnie tego, czego chcesz. Jest to szczególnie łatwe do wdrożenia w krajach trzeciego świata, gdzie praworządność jest niewielka, jeśli w ogóle, a korupcja jest regułą. Może być przydatne podanie z góry przykładu kogoś, aby pokazać, że poważnie traktujesz interesy – na przykład możesz wybrać kogoś losowo, aby wysłać go do więzienia w Sudanie, z którego prawdopodobnie nigdy nie wróci żywy.

Sabotaż protokołu nr 4: Zatrudnij niekompetentne osoby do prowadzenia badania

Badania – zwłaszcza te, które przeprowadzają jakiś rodzaj eksperymentu (w przeciwieństwie do analizy istniejących już zestawów danych) – zazwyczaj wymagają dużej liczby pracowników. Zatrudnianie niekompetentnych pracowników to świetny sposób na zapewnienie sobie swobody „masowania” niewygodnych danych, które wyłaniają się z badania – „te dane są błędne, ponieważ pracownicy je zepsuli”. Więc oczywiście musisz „naprawić” „błędy”.

Co ważniejsze, niekompetentny personel rzadziej zauważy, że badanie jest ustawiane, ponieważ nie ma wiedzy ani doświadczenia na temat tego, jak powinno wyglądać rzetelne badanie.

Sabotaż protokołu nr 5: Usuń z badania wszystkie problematyczne obiekty lub zdarzenia

To jest oczywiste „Duh”. Jeśli kilka osób biorących udział w badaniu fazy 3 szczepionki Glorious Vaccine dozna poważnych obrażeń zaraz po wstrzyknięciu szczepionki Glorious Vaccine, cóż, nie można pozwolić, aby zniszczyli narrację „bezpiecznej i skutecznej”. Ale na szczęście rozwiązanie jest proste: usuń ich z badania.

Nawet dla zewnętrznego obserwatora nie będzie to podejrzane! Każde badanie ma w protokołach zapisane zasady, które pozwalają na wyrzucenie osób, które naruszają protokoły badania lub chcą odejść z „powodów osobistych”. (Pomyśl o każdym przypadku polityka, który mówi, że rezygnuje, aby „spędzać więcej czasu z rodziną” – ta sama idea). Ale większość naukowców daje się na to nabrać i za każdym razem daje się na to nabrać.

Jeśli naprawdę mądrze zaprojektujesz protokoły, dodasz warunek, który zabrania podmiotom szukania opieki medycznej u jakiegokolwiek lekarza spoza badania. Więc jeśli podmiot dozna paskudnego skutku ubocznego, takiego jak bezpieczne i skuteczne zapalenie mięśnia sercowego lub łagodne porażenie Bella, które pozostawi go lekko sparaliżowanym, trafi prosto do najbliższego oddziału ratunkowego… co jest wyraźnym naruszeniem protokołów badania!! Żegnaj problemie.

Jeśli chcesz zobaczyć prawdziwego mistrza, nie szukaj dalej niż facet odpowiedzialny za badanie kliniczne szczepionki Pfizera w fazie 3 Kiddie – kiedy jedna z osób biorących udział w badaniu o imieniu Maddie de Garay doznała wielu dość paskudnych urazów neurologicznych 24 godziny po otrzymaniu szczepionki (tego rodzaju, który wiąże się z trwałym korzystaniem z sondy do karmienia i wózków inwalidzkich, wśród innych „dostosowań” stylu życia), po prostu wyrzucili ją z badania. A następnie opisali jej uraz jako „nierozwiązany ból brzucha”. Wyrzucili również innego faceta z głównego badania, prawnika o nazwisku Augusto Rioux, po tym, jak dostał łagodnego, bezpiecznego i skutecznego zapalenia osierdzia po dawce nr 1.

To samo dotyczy AstraZeneca – Brianne Dressen została wyrzucona po dawce nr 1 – ale poinformowano, że wycofała się z przyczyn osobistych. Widzisz? Bułka z masłem.

Sabotaż protokołu nr 6: Rejestrowanie fałszywych danych

Gdy wszystko inne zawiedzie, możesz po prostu zapisać dane do badania, które są całkowicie błędne i wymyślone z powietrza. Wykonawca badania Pfizer Ventavia pokazuje nam sposób w tym przypadku – poniższe zrzuty ekranu to prawdziwy e-mail wysłany przez Brooke Jackson – jedną z kierowników placówek Ventavia – która postanowiła spróbować osłabić reżim, ujawniając trwające oszustwo:

W niezwykle szybkiej i skutecznej odpowiedzi, pani Jackson została zwolniona mniej niż sześć – 6 – godzin po wysłaniu FDA tego e-maila. SZEŚĆ GODZIN!! Tak właśnie powinno się załatwiać sprawy.

Co więcej, kiedy pozwała sąd federalny, próbując obalić cały test szczepionki Pfizera, reżim skutecznie go opóźnił na prawie dwa lata, stosując różne pomysłowe taktyki prawne. (Należy jednak zauważyć, że ktokolwiek był odpowiedzialny za rekrutację, zawalił sprawę; trzeba przeprowadzić dokładne kontrole przeszłości, aby upewnić się, że potencjalni kandydaci nie mają silnych przekonań moralnych.)

Niestety, FDA nie kontroluje zagranicznych czasopism medycznych, z których jedno postanowiło (ku zaskoczeniu) opublikować artykuł dokumentujący oszustwo w procesie Pfizera. Wielkie halo. Dlatego konieczne jest ustanowienie jednolitego organu zarządzającego dla całego świata.

IV-3. Opcja 3. olinowania badawczego: analiza badawcza

Po zakończeniu samego badania nadszedł czas na analizę liczb z badania. Wszelkie problematyczne dane, które w jakiś sposób przedostały się przez wszystkie Twoje projekty protokołów i sabotaż, zostaną tutaj oczyszczone. Pomyśl o tym jak o daniu używanemu, poobijanemu samochodowi zupełnie nowej warstwy farby, aby ukryć wszystkie uszkodzenia pod spodem – nie zmieniasz niczego istotnego, po prostu coś maskujesz (w większości). Nikt nie chce zarysować świeżej nowej farby, aby upewnić się, że czegoś nie ukrywa.

Istnieje tak wiele sposobów „analizowania” danych. Sztuką jest być mądrym w wyborze tych, które wybierzesz i w jaki sposób wykonasz analizę.

Taktyka analizy nr 1: Nie dostosowuj danych

Korekty danych są dość standardową rzeczą w nauce. Surowe dane prawie nigdy nie nadają się do bezpośredniego wyciągania wniosków lub ekstrapolacji, ponieważ zwykle występują w nich wszelkiego rodzaju zmienne zakłócające.

Oto bardzo prosty przykład korekty danych:

Poniżej przedstawiono populację stanów Darth Santistan (zły stan) i Gender Spectral Paradise of Commiefornia (dobry stan):

Oto wskaźniki śmiertelności z powodu Dreaded Disease dla tych stanów – ogólnie rzecz biorąc, zły stan ma więcej zgonów niż dobry stan. Ponieważ mają taką samą populację, oznacza to, że wskaźnik śmiertelności jest wyższy w ZŁYM, ZŁYM stanie Darth Santistan:

ALE... (tak, jest tu duże „ale”)

Jeśli przyjrzymy się wskaźnikom umieralności osobno dla populacji seniorów i osób starszych, szokujące jest to, że dobry stan ma wyższy wskaźnik umieralności W OBU (?!?!?!?!?):

Dwie ważne obserwacje:

1. Powodem, dla którego nielojalne państwo Death Santistan ma wyższy ogólny wskaźnik pomimo niższego wskaźnika umieralności w każdej grupie wiekowej jest w zasadzie bardzo proste – seniorzy umierają znacznie częściej niż osoby starsze, ale zły stan ma nieszczęście mieć 2.5 razy więcej seniorów niż dobry stan, co oznacza znacznie więcej zgonów ogółem z powodu ogromnej liczby seniorów w złym stanie Death Santistan:

Aby zły stan miał taką samą liczbę zgonów seniorów jak dobry stan, musiałby mieć dosłownie 40% wskaźnika zgonów seniorów co dobry stan, ponieważ dobry stan ma tylko 40% populacji seniorów w porównaniu ze złym stanem. Dlatego (kiedy chcemy być szczerzy, na przykład gdy prawda pomaga reżimowi) nauka dostosowuje dane – aby uniknąć takich rzeczy. (To szczególne zjawisko statystyczne ma oficjalną nazwę: „Paradoks Simpsona").

Dlatego NIE modyfikuj danych, jeśli mogłoby to zaszkodzić narracji reżimu.

Taktyka analizy nr 2: Dostosuj dane w sposób wprowadzający w błąd lub niewłaściwy

Odwrotnie, czasami surowe dane lub odpowiednio dostosowane dane nie będą dobre dla twojej narracji. W takich przypadkach musisz ciągle dostosowywać w kreatywny sposób, aż uda ci się skutecznie ukryć heretyckie wyniki, aby nikt nie mógł ich zobaczyć ani rozgryźć.

Na przykład, jeśli weźmiemy nasze powyższe hipotetyczne porównanie fikcyjnych stanów Gender Spectral Paradise of Commiefornia/Death Santistan, możesz dodać „korektę”, aby „naprawić” problem. Wszystko, co musisz zrobić, to znaleźć cechę, która jest zastępstwem gorszych wyników w Bad State of Death Santistan niż dobry stan Gender Spectral Paradise of Commiefornia. Ponieważ Death Santistan postanowił nie przestrzegać Lifesaving Lockdowns reżimu, seniorzy w Death Santistan mieli tendencję do opuszczania swoich domów częściej niż w innych stanach, nawet jeśli tylko po to, aby przejść się po bloku na świeże powietrze — co oznacza, że ​​seniorzy, którzy nie wychodzili ze swoich domów, prawdopodobnie częściej byli zbyt chorzy, aby wyjść z domu. Tacy chorzy seniorzy są również bardziej narażeni na śmierć z powodu Dreaded Disease.

Oto jak to mogłoby wyglądać:

Wykres nr 1 – populacja seniorów w każdym stanie (kolumny po lewej = seniorzy, którzy wychodzili na zewnątrz przynajmniej raz w tygodniu; środkowe = seniorzy, którzy nie wychodzili na zewnątrz; prawe = całkowita liczba seniorów w każdym stanie)

Wykres nr 2 – liczba zgonów w każdej z trzech kategorii na wykresie nr 1:

To całkowicie naprawia nasze problematyczne dane (a może nawet naprawia je zbyt dobrze!!) – zauważ, jak zmieniamy współczynnik umieralności wśród seniorów:

Teraz wystarczy, że współczynnik umieralności seniorów w pomieszczeniach zamkniętych nazwiemy „skorygowanym o populację współczynnikiem umieralności seniorów”.

Można też od czasu do czasu nawiązywać do zgonów osób starszych w pomieszczeniach zamkniętych, ponieważ o wiele łatwiej jest prowadzić propagandę za pomocą takiego argumentu jak „seniorzy są najbardziej narażeni na ryzyko, ponieważ są unieruchomieni byli prawie TRZY razy bardziej narażeni na śmierć w stanie ZŁYM niż w stanie DOBRYM”. Ludzie naturalnie kojarzą seniorów z zamknięciem w domu, więc mało prawdopodobne jest, aby zdali sobie sprawę, że „seniorzy przebywający w domu” stanowią w rzeczywistości tak niewielki odsetek naszej hipotetycznej populacji seniorów w Death Santistan.

Taktyka analizy nr 3: Wybierz optymalne punkty końcowe

Punkty końcowe są bardzo ważne. Oficjalnie, głównym punktem końcowym/punktami końcowymi badania jest/są centralne ustalenie, które decyduje, czy badanie zostanie uznane za sukces czy porażkę. Punkt końcowy to zasadniczo rzecz lub metryka, której używasz do oceny sukcesu/porażki lub wpływu tego, co badasz. Na przykład, jeśli testujesz nowy lek, aby sprawdzić, czy powstrzyma on Cię przed zabiciem Cię przez Straszną Chorobę, punktem końcowym będą zgony z powodu Strasznej Choroby. Jeśli grupa leczona miała mniej zgonów z powodu Strasznej Choroby niż grupa kontrolna, leczenie działa, ale jeśli nie, cóż, oznacza to, że nie sfałszowałeś badania wystarczająco dobrze. (To trochę uproszczenie, ale rozumiesz podstawową ideę.)

Musisz więc dokonać mądrego wyboru przy wyborze punktu końcowego.

Dlatego też należy wybierać punkty końcowe, które spełniają możliwie najwięcej z poniższych cech:

• Opiera się na subiektywnej ocenie, a nie obiektywnej obserwacji
• Naturalnie nastawiony na preferowane przez Ciebie wyniki
• Łatwo manipulować wynikiem
• Łatwo skłamać o wyniku
• Ludziom trudno stwierdzić, czy sfałszowałeś lub zmanipulowałeś wynik
• Trudne do zrozumienia – zwłaszcza dla laików

Na przykład załóżmy, że prowadzisz badanie w celu sabotowania alternatywnego leczenia, które faktycznie działa na Straszliwą Chorobę (co byłoby bardzo złe, gdyby reżim chciał, aby kryzys pandemiczny trwał jeszcze przez jakiś czas). Musisz pokazać, że to nie działa. Jeśli wybierzesz „śmierć” jako punkt końcowy, możesz mieć duże kłopoty, gdy lek uratuje wiele osób w grupie leczonej.

Zamiast śmierci możesz wybrać coś takiego jak „czas wypisania ze szpitala”. Ten punkt końcowy spełnia wszystkie sześć warunków (w pewnym stopniu):

• Wypisanie pacjenta ze szpitala jest subiektywną decyzją lekarzy (którzy powinni być opłacani przez organizatorów badania), więc nie jesteś zmuszony wypisywać pacjentów, którzy spełniają obiektywne kryteria.
• Wypis ze szpitala jest stronniczy w stosunku do preferowanych przez Ciebie wyników – ponieważ większy odsetek osób z grupy kontrolnej umrze, oznacza to, że większy odsetek osób ciężkie przypadki nigdy nie zostaną wypisani, więc nie wydłużą średniego czasu wypisu dla pozostałych członków grupy kontrolnej; w porównaniu do grupy leczonej, w której ciężej chorzy pacjenci zamiast umierać, potrzebują kilku dodatkowych dni na rekonwalescencję, co wydłuża średni czas do wypisania ze szpitala w grupie leczonej.
• Wypisywaniem ze szpitala bardzo łatwo manipulować – można zatrudnić personel szpitalny biorący udział w badaniu, aby niepotrzebnie opóźnić wypisanie pacjentów poddanych leczeniu (trzeba się upewnić, że odpowiedni personel wie, kto otrzymał leczenie i musi poczekać dłużej na wypisanie ze szpitala).
• Czas do wypisu jest również dość łatwy do sfałszowania; wystarczy edytować dokumenty dotyczące daty przyjęcia do szpitala i/lub daty wypisania (oraz nagrania z kamer, jeśli to konieczne). Znacznie trudniej jest sfałszować śmierć, ponieważ czas zgonu jest zazwyczaj czymś, co jest rejestrowane bardzo dokładnie i pojawia się na akcie zgonu.
• „Czas do wypisu ze szpitala” nie jest dla laika najbardziej intuicyjnym wskaźnikiem.

Oczywiste jest, że w przypadku większości tych schorzeń można sobie lepiej poradzić, ale tak właśnie przedstawia się podstawowy pomysł.

Taktyka analizy nr 4: Ukryj alternatywne metryki punktów końcowych

To jest praktycznie oczywiste: jeśli użyjesz „czasu do wypisania ze szpitala” jako punktu końcowego, ale zgłosisz, że w grupie leczonej śmiertelność spadła o 50%, cóż, powiedzmy po prostu, że to wzbudzi wiele zdziwienia.

Zamiast więc odpowiadać na trudne pytania, dlaczego wybrałeś tak absurdalny punkt końcowy i dlaczego twierdzisz, że leczenie nie działa, skoro okazało się, że znacząco zmniejszyło śmiertelność, najlepiej byłoby w ogóle nie podawać informacji o zgonach w żadnym miejscu badania.

Jeśli nie możesz uniknąć raportowania statystyk śmiertelności, przynajmniej powinieneś je zakopać w środku losowej tabeli dodatku w formacie, który jest bardzo trudny do zrozumienia. Albo jeszcze lepiej, rozrzucić je po wielu tabelach danych, zamiast wszystkich w jednym miejscu, gdzie jakiś irytujący przypadkowy nerd w piwnicy może je łatwo zidentyfikować.

Taktyka analizy nr 5: Zastosuj optymalne typy analizy, aby uzyskać pożądane rezultaty

Istnieje tyle sposobów analizy danych, ile jest tożsamości płciowych lub kombinacji zaimków. Niestety, dogłębne wyjaśnienie różnych metod nie może zostać sprowadzone do formatu odpowiedniego dla Idiot's Guide, takiego jak ten. Wystarczy spojrzeć na niektóre z tych nazw:

• Zrównoważona analiza wariancji projektu
• Dopasowanie rozkładu beta
• Transformacja Boxa-Coxa dla dwóch lub więcej grup (test T i jednokierunkowa ANOVA)
• Mapy cieplne klastrowane (podwójne dendrogramy)
• Dopasowanie rozkładu (Weibulla)
• Klastrowanie rozmyte
• Dopasowanie rozkładu gamma
• Ogólne modele liniowe (GLM)
• Test Grubbsa na wartości odstające
• Klastrowanie hierarchiczne/Dendrogramy
• Klastrowanie K-średnich
• Partycjonowanie Medoid
• Wielowymiarowa analiza wariancji (MANOVA)
• Porównanie grup danych Nondetects
• Jednokierunkowa analiza kowariancji (ANCOVA)
• Klastrowanie regresyjne

Chodzi o to, że różne metody analizy statystycznej dadzą różne wyniki. Gdyby nie dawały różnych wyników, nie byłoby tylu metod. Wszystko zależy od perspektywy. Więc musisz zatrudnić sobie kompetentnych guru statystyki, którzy znają się na tym (i są lojalni wobec reżimu) z dwóch powodów:

1. Korzystasz z ich wiedzy eksperckiej (której potrzebujesz; pamiętaj, że twoja wiedza ekspercka to propaganda, a nie wymyślna analiza statystyczna. Odrobina praktycznej pokory, rozpoznanie własnych ograniczeń, jest kluczowe dla bycia skutecznym propagandystą; nadmierna pewność siebie była zgubą wielu lojalnych popleczników reżimu [i często również przyspieszyła długie wakacje w rozczarowującym gułagu]).
2. Heretycy reżimu nie mogą powoływać się na brak wiarygodnej wiedzy waszych analityków statystycznych, aby oczernić i podważyć wiarygodność badań nad reżimem. Przypadek Neila Fergusona jest przestrogą – chociaż początkowo udało mu się przekonać rządy na całym świecie swoim wspaniałym modelem przewidującym apokaliptyczną rzeź spowodowaną przez Covid, jego całkowity brak jakiejkolwiek wiedzy specjalistycznej plus jego długa historia całkowicie urojonych prognoz dotyczących pandemii dały opozycji solidną podstawę do odrzucenia jego modeli i wszystkich kolejnych modeli promowanych przez różne rządy. Byli również w stanie nawracać z wielkim skutkiem na tle tej katastrofy.

Taktyka analizy nr 6: Usuń problematyczne dane, których nie można przeanalizować, dostosować ani w inny sposób ukryć

To ta sama koncepcja, co wyrzucanie osób badanych z badania, jeśli są one niezgodne z wynikami wymaganymi przez reżim; po prostu tutaj usuwasz już wygenerowane dane zamiast samych osób badanych. Cel jest jednak taki sam: zapobiec, aby dane, które nie pasują do tego, co chcesz, aby wyniki badania pokazały, dostały się do oficjalnego zapisu badania.

IV-4. Opcja nr 4 dotycząca manipulowania wynikami: rekrutacja mediów w celu manipulowania wynikami

Niezależnie od wyników, powinieneś mieć gotowe punkty do dyskusji, aby media, którym ufasz, stanęły za tobą w obronie. Nie ma znaczenia, jak bardzo są fałszywe, wprowadzające w błąd itp. – cały sens propagandy polega na gaslightingu i wprowadzaniu w błąd – media po prostu zalewając ekosferę twoimi informacjami są potężną siłą, która co najmniej bardzo utrudni większości ludzi odkrycie kłamstw i oszustw, które szybko rozprzestrzeniasz w społeczeństwie.

Powinieneś być szczególnie przygotowany, aby zaciekle atakować każdego naukowca lub pracownika naukowego o heretyckich skłonnościach, który mógłby kwestionować wszystko, co mówisz, lub co gorsza, zwracać uwagę na braki w twoich badaniach. Z maksymalnym uprzedzeniem.

Rozdział V – Fałszowanie zbiorów danych

Innym ważnym źródłem nauki oprócz badań są zbiory danych i inne źródła informacji wykorzystywane do wydawania oświadczeń naukowych. Dane – zwłaszcza oficjalne dane państwowe – są użyteczne bez formalnego badania, które by je błogosławiło, więc musisz upewnić się, że dostępne dane, a zwłaszcza zbiory danych, które są podstawą konwencjonalnych metryk powszechnie cytowanych w społeczeństwie przez naukowców i laików, są pod twoją ścisłą kontrolą, abyś mógł je fałszować, zmieniać i modyfikować według własnego uznania.

Poniżej przedstawiono rodzaje taktyk, które należy stosować, aby zmaksymalizować kontrolę i użyteczność dostępnych zestawów danych:

V-1. Statystyczne „Wędkarstwo”

Statystyczne łowienie ryb łatwiej zilustrować niż wyjaśnić w skrócie:

Załóżmy, że firma Big Pharma wypuszcza nowy lek, który (jak twierdzą) czyni dzieci mądrzejszymi i poprawia ich wyniki w nauce. Niestety, mimo że został zatwierdzony przez FDA, wiedzą, że nie działa, a ludzie zaczynają podejrzewać, że dzieje się coś podejrzanego (a oni mają miliardy dolarów na szali). Więc przychodzą do ciebie i oferują ci pokaźną siedmiocyfrową wypłatę, aby „udowodnić”, że ich nowy lek działa. Więc ty, jako zuchwały naukowiec do wynajęcia bez żadnych skrupułów (oprócz lojalności wobec reżimu, oczywiście), akceptujesz ich ofertę. Jak „udowodnisz”, że ich lek działa? Proste. Otrzymujesz dane ze wszystkich okręgów szkolnych w kraju, które pokazują wyniki w nauce i odsetek dzieci, które zażyły ​​nowy lek Pharma. Tutaj pojawia się „wędkowanie”: musisz przeszukać każdy okręg, aż znajdziesz jeden lub dwa, w których wyniki w nauce są powyżej średniej i więcej dzieci w tym okręgu brało nowy narkotyk niż przeciętnie (jak wędkowanie, gdzie nie ustajesz, aż złowisz rybę). Następnie publikujesz swoje „badanie”: „Znaleźliśmy korelację w okręgu „X”, gdzie wyższy odsetek dzieci biorących nowy narkotyk doprowadził do wyższych wyników w nauce”. To bzdura, ponieważ każdy inny okręg pokazuje, że lek w ogóle nie miał wpływu na wyniki w nauce, ale zgrabnie tego unikasz, podkreślając jeden okręg, w którym korelacja występuje przypadkowo. (Przy wystarczająco dużej próbie masz niemal gwarancję, że znajdziesz jeden okręg losowo, w którym przez przypadek wiele dzieci brało narkotyk, a wyniki w nauce wzrosły).

Główna lekcja jest taka, że ​​czasami wystarczy odrobina wytrwałości. Jeśli na przykład masz duży zbiór danych obejmujący wiele krajów, po prostu przejrzyj je po kolei, aż odkryjesz korelację, której szukasz. Alternatywnie możesz spróbować bardziej zaawansowanej wersji tej taktyki, znanej jako „P-Hakowanie".

Świetnym przykładem tej taktyki jest poniższe „badanie” CDC, w którym przeszli przez wszystkie 50 stanów, szukając takiego, w którym mogliby dopracować dane, aby pokazać, że szczepionki przeciwko Covid zmniejszyły ryzyko ponownego zakażenia u osób, które już miały Covid przed przyjęciem szczepionki. I co za niespodzianka, znaleźli jedno (spośród 50 plus kilku jurysdykcji niebędących stanami, takich jak Waszyngton, DC), w którym mogliby sprawić, aby dane mówiły to, co chcieli, aby mówiły:

Zobacz, gdyby CDC było w stanie wykorzystać więcej niż jeden stan, aby wykazać, że szczepionki przeciwko Covid zmniejszają ryzyko ponownego zakażenia, to by to zrobili (oczywiście). Ale próbowali i próbowali, aż znaleźli stan, w którym mogliby torturować dane, aby to pokazać.

A tak przy okazji, jest jeszcze jedna ważna lekcja dla propagandystów: wartość wytrwałości. Nie poddawaj się, jeśli nie możesz znaleźć zbioru danych, który łatwo przerobić lub zmanipulować, aby wzmocnić argumenty reżimu. Czasami musisz być kreatywny i wytrwać, aż trafisz na żyłę złota.

V-2. Dostosuj problematyczne dane

Tak, wspominaliśmy o tym wcześniej w części poświęconej badaniom nad fałszowaniem.

Jeśli surowe dane nie są zgodne z preferowaną przez Ciebie narracją, po prostu „dopasuj” je, aż będą pasować, tak samo jak zrobiłbyś to w przypadku wewnętrznych danych badania. Dostosowywanie danych jest rutynową częścią nauki, a ponieważ bardzo niewiele osób rozumie, jak to działa, możesz wykorzystać tę praktykę i nadużywać jej.

Pewien człowiek opublikował nawet artykuł naukowy na ten temat (to ciekawa lektura dla geeków):

Genialne zastosowanie tej koncepcji odnosi się do konsensusu naukowego Global Warming Scientific Establishment, który kiedyś był konsensusem naukowym Global Cooling Scientific Establishment. Jak myślisz, w jaki sposób te same dane, które w 1974 r. pokazały, że świat zmierza w kierunku nieodwracalnej epoki lodowcowej, która zagroziła przetrwaniu ludzkości, teraz pokazują, że naprawdę istniała *ogrzewanie* trendy z dokładnie tych samych danych co zagraża przetrwaniu ludzkości??

Po prostu „dostosowali” dane, aby wcześniejsze dekady były zimniejsze, a późniejsze cieplejsze, i voila, problem rozwiązany! To diabelnie przebiegłe i wysoce skuteczne – spójrz na poniższy wykres (od znanego heretyka dysydenta reżimu) na dwie linie, które śledzą średnią roczną temperaturę, niebieska linia = surowe dane, pomarańczowa linia = dane po „dostosowaniu” ich przez naukowców reżimu:

Jeśli spojrzymy na niebieską linię, nie widać ogólnego ocieplenia w ciągu ostatnich 100 lat – co jest bardzo złe dla oficjalnej narracji KATASTROFICZNEGO GLOBALNEGO OCIEPLENIA!!! Jednak pomarańczowa linia pokazuje wyraźną tendencję ocieplenia w ciągu ostatnich 100 lat – co jest dokładnie tą narracją.

Oczywiście, jeśli w przyszłości z jakiegokolwiek powodu powrót do teorii globalnego ochłodzenia stanie się pragmatyczny, wówczas naukowcy z NOAA po prostu „dostosują” dane tak, aby ostatnie 100 lat wyglądało na stały trend ochłodzenia.

Chodzi o to, że wszystko zależy od dostosowań.

(Note:Przydatne jest pozwolenie kilku przypadkowym, mało znanym heretykom od nauki reżimu na kręcenie się w pobliżu, ponieważ produkują oni dane i analizy, które są w rzeczywistości bardzo pomocne dla wewnętrznego użytku reżimu, pod warunkiem, że upewnisz się, że nie zaczną zyskiwać na znaczeniu – wtedy bezzwłocznie wywieziesz ich do Guantanamo Bay.)

V-3. Wyklucz z oficjalnych analiz oficjalnych danych wszystko, co nie pasuje do oczekiwanych przez Ciebie wyników

Dokładne sprawdzenie tego, co zostanie uwzględnione w analizie, to dosłownie 101 rzeczy. Jeśli informacje lub rzeczywiste wyniki zagrażają podważeniem preferowanych przez Ciebie wyników, po prostu wyklucz je z oficjalnych analiz oficjalnych danych. Więc jeśli istnieje rządowa baza danych, która pokazuje, że po Glorious Vaccine częstość występowania wielu schorzeń medycznych znacznie wzrosła, po prostu ją zignoruj.

Weźmy na przykład bazę danych VAERS (Vaccine Adverse Event Reporting System), którą wspólnie zarządzają CDC i FDA:

CDC (udając), że zachęca do zgłaszania do VAERS stanów chorobowych, które ujawniły się po zaszczepieniu, „nawet jeśli nie masz pewności, czy szczepionka spowodowała chorobę”:

Po wprowadzeniu szczepionek przeciwko Covid w połowie grudnia 2020 r. wpisy w bazie VAERS dotyczące zgonów wyglądają następująco (wykres przedstawia łączną liczbę zgłoszonych zgonów dla wszystkich szczepionek każdego roku):

Na poniższej grafice przedstawiono statystyki raportów VAERS dotyczących obrażeń/zgonów spowodowanych szczepionkami przeciwko COVID-19:

Kiedy jednak ostatni raz słyszałeś o VAERS w jakimkolwiek oświadczeniu lub analizie CDC dotyczącej cennych szczepionek przeciwko COVID?

Dokładnie!! CDC (i wszyscy inni) po prostu ignorują VAERS (oprócz sytuacji, gdy od czasu do czasu publikują artykuły „weryfikujące fakty”, mające na celu obalenie VAERS).

Upewnij się również, że bezlitośnie ścigasz do zapomnienia każdego, kto ośmieli się spróbować użyć takich danych, aby podważyć wiarygodność analiz i proklamacji twojego reżimu. Często stanowi to problem, ponieważ nieuchronnie będzie wiele osób, które będą miały dostęp do surowych danych, gdy już się pojawią.

V-4. Korzystanie z wcześniej ustalonych relacji i różnic

Łatwym sposobem na prowizoryczne sfałszowanie badania jest porównanie 2 podmiotów, o których wiesz, że mają określoną różnicę lub korelację. Następnie możesz udawać, że „odkrywasz” tę różnicę lub korelację, ale przypisać ją nowemu czynnikowi.

Tak więc, na przykład, ponieważ biedne stany w porównaniu do bogatych mają tendencję do gorszych wyników zdrowotnych, jeśli biedne stany są mniej zgodne z wytycznymi reżimu, możesz wskazać na ich gorsze wyniki zdrowotne i zrzucić winę na to, że nie przyjęły Glorious Vaccine. Media naprawdę świetnie radzą sobie ze wzmacnianiem tego przekazu, ponieważ nie kochają niczego bardziej niż przypisywania złych wyników przynależności politycznej do „złej” partii politycznej/partii.

V-5. Kontrola krytycznych zestawów danych używanych do badań naukowych

Kto kontroluje dane, kontroluje naukę. Zadbaj o to, aby mieć żelazną kontrolę nad najbardziej znanymi i szeroko używanymi zbiorami danych, a zaoszczędzisz sobie wiele stresu i bólu głowy. Na przykład wojsko kontroluje swoje wewnętrzne zbiory danych i może nimi manipulować według własnego uznania. Podobnie jak DMED – przerobili ten zbiór danych do tego stopnia, że ​​stał się bezużyteczny. Spójrz poniżej na dwa poniższe wykresy pokazujące *TO SAMO* Dane DMED dotyczące „wskaźników wizyt u lekarzy ambulatoryjnych” za lata 2015–2018 – wykres po lewej stronie przedstawia wersję opublikowaną w 2019 r., wykres po prawej stronie przedstawia wersję z 2021 r. – i jakoś nie są takie same (obszary zakreślone na czerwono).

Zauważ zmianę w liczbach z lat 2016-2018 (którą widać po kształcie linii trendu)? Jak wzrosła liczba wizyt u lekarza w 2016 r. 2019 i 2021 ????

Ponieważ reżim po prostu przepisał dane. To jest to, co możesz zrobić, gdy masz pełną kontrolę nad zestawem danych.

Nie trzeba dodawać, że pod żadnym pozorem nie powinieneś pozwalać żadnym pogańskim naukowcom na dostęp do świętych tekstów lub danych Nauki, które są pod twoją kontrolą – pamiętaj, musisz być zawsze czujny, aby jakiś nieuczciwy heretycki badacz nie przeprowadził analizy, która mogłaby unieważnić lub zaprzeczyć Nauce. CDC daje tutaj przykład:

Jeśli nie udostępnisz danych irytującym, uciążliwym niezależnym naukowcom, nie musisz się martwić, że odkryją w danych rzeczy, które poważnie podważą narrację reżimu.

Rozdział VI – Kontrola standardów dowodowych

Wyobraź sobie siebie jako sędziego przewodniczącego procesowi karnemu, który orzeka, jakie dowody są dopuszczalne w sądzie, i w ten sposób może zapewnić, że dowody obciążające lub uniewinniające nigdy nie dotrą do ławy przysięgłych. Ta sama idea – kontrolując standardy dowodów, możesz pośrednio wyeliminować wiele trudnych badań naukowych, które są dostępne, bez konieczności bezpośredniego kwestionowania konkretnych twierdzeń lub dowodów.

VI-1. Uczynić najwyższej jakości dowód niemożliwym do osiągnięcia przez kogokolwiek poza podmiotami zatwierdzonymi przez reżim

To prosta zasada: Utrudnij w jak największym stopniu niezależnym naukowcom i badaczom prowadzenie badań uznawanych za „wysokiej jakości”.

Można by sprawić, że prowadzenie Niezatwierdzonej lub Heretyckiej Nauki stałoby się zbyt kosztowne dla sprzecznych z nauką dysydentów. Jednym z największych przewrotów w historii propagandy było wyniesienie na piedestał losowych kontrolowanych prób jako „złotego standardu” dowodów. Ich przeprowadzenie zazwyczaj kosztuje wiele milionów, co wyklucza możliwość prowadzenia takich naukowych przedsięwzięć przez kogokolwiek poza gigantycznymi korporacjami farmaceutycznymi (które są lojalnymi aktorami reżimu).

Można również uchwalać prawa lub wykorzystywać agencje rządowe do zakazania przeprowadzania niezatwierdzonych, wysokiej jakości badań, jeśli jakiejś grupie badawczej uda się w jakiś sposób zabezpieczyć wystarczające fundusze na przeprowadzenie takiego badania.

VI-2. Określ rodzaj badań, które mogą przeprowadzać niezatwierdzeni naukowcy, jako „niskiej jakości”

Odwrotnie, upewnij się, że wszelkie niezgodne z normami badania naukowe lub naukowe, które nadal mogą być prowadzone, są określane jako dowody niskiej jakości. Zazwyczaj jest to lepsza alternatywa niż całkowite zakazanie wszelkich niezatwierdzonych badań, co naturalnie sprawi, że społeczeństwo będzie podejrzliwe wobec reżimu i skłonne do akceptowania wszelkiego rodzaju dzikich, bezsensownych teorii spiskowych. Zamiast tego pozwól im prowadzić badania, ale wyjaśnij, że są bezsensowne, ponieważ nie są zgodne z właściwymi zasadami nauki opartej na dowodach.

VI-3. Nie formułuj jasnego standardu dowodowego, który przeciętni ludzie mogą stosować samodzielnie

Nieuchronnie będziesz musiał stawić czoła sytuacjom, w których będziesz potrzebował swobody, aby zastosować podwójny standard dowodów. Jeśli formułujesz jasny i łatwy do zrozumienia standard, to neutralizujesz swoją własną zdolność do manipulowania nauką, ponieważ ludzie mogą wtedy wymagać od ciebie przestrzegania twojego własnego, deklarowanego standardu. Ponadto, jak wskazano wcześniej, chcesz uwarunkować ludzi, że prawdziwym standardem jest po prostu to, co reżim deklaruje jako wysokiej jakości dowody, a nie jakiekolwiek obiektywne kryteria.

VI-4. Prześladuj bezczelnych i nielojalnych naukowców

Od czasu do czasu może się zdarzyć sytuacja, w której nie będziesz w stanie podważyć wiarygodności badań na podstawie tego, że są to dowody niskiej jakości. W takich przypadkach powinieneś zamiast tego ścigać łamiącego prawo naukowca/naukowców odpowiedzialnych za rozpowszechnianie heretyckiej nauki, tym samym zaprzestając rozpowszechniania i dalszego prowadzenia problematycznych badań. Może to być tak nieszkodliwe, jak usunięcie ich z mediów społecznościowych lub tak kompleksowe, jak wysłanie ich do gułagu, aby nigdy więcej ich nie widziano ani nie słyszano. Niezależnie od tego, jak ty lub reżim ostatecznie zdecydujecie się usunąć ich ze sfery publicznej, musicie upewnić się, że będziecie również bezlitośnie atakować ich reputację i wiedzę specjalistyczną (nawet po wyeliminowaniu buntowniczego zdrajcy). Jest to również dobra taktyka do zastosowania przeciwko charyzmatycznemu naukowcowi/naukowcom, którzy zagrażają reżimowi, ponieważ zdobywają serca mas. To prawda, nawet jeśli wydają się lojalni, chyba że wiesz na pewno, że nigdy nie przejdą na drugą stronę (jak gdybyś miał informacje o szantażu lub byli sercem i duszą narracji reżimu i byli fanatycznie oddani, jak święty dr Fauci). Dlatego powinieneś utrzymywać solidny aparat szpiegowski, aby śledzić wszystkich lojalnych naukowców reżimu.

Rozdział VII – Kościelne władze nauki

Pierwszą rzeczą, którą musisz zrozumieć, jest to, że koncepcja autorytetu w dziedzinie nauki ma charakter kościelny. Większość dyskursu naukowego w dzisiejszym społeczeństwie składa się z argumentów odwołujących się do autorytetu. Więc zamiast się temu opierać, przyjmij to i używaj, ponieważ jest to najpotężniejsza ze wszystkich broni w walce o kontrolę nad samą nauką. Jesteś Kościołem nauki. Reżimem jest jego Watykan. Napnij muskuły i narzuć swoją wolę!!

Musisz ustanowić konwencje, które naturalnie wybiorą tylko lojalistów reżimu, aby awansowali na stanowiska autorytetu naukowego w społeczeństwie. Jest to osiągane przede wszystkim za pomocą następujących metod:

VII-1. Eksperci muszą posiadać uprawnienia

Poświadczenia są pierwszym filtrem, który odsiewa większość potencjalnych łobuzów. Wymagając poświadczeń – które oczywiście można uzyskać tylko za pośrednictwem samego reżimu lub instytucji akredytowanej przez reżim i lojalnej wobec niego. Musisz wzmocnić przekonania, że ​​eksperci bez poświadczeń są wyjątkowo niebezpieczni i ignoranccy, ponieważ ludność jest obciążona ciągłą potrzebą szukania drugiej opinii na temat stanowisk i oświadczeń reżimu.

VII-2. Eksperci muszą być powiązani z instytucją lub organizacją cieszącą się dobrą opinią

Kolejna oczywista zasada. To dobry sposób na dalsze odsianie potencjalnych naukowców z Mandżurii, którzy przeszli przez proces akredytacji.

VII-3. Eksperci muszą być brani pod uwagę w „głównym nurcie”

Rygorystycznie egzekwuj tę konwencję społeczną, ponieważ jest ona potężną siatką bezpieczeństwa w przypadku, gdy ekspert złamie szeregi i postanowi sprzeciwić się reżimowi. Takich osób nie można łatwo pozbawić uprawnień, a czasami może być trudno lub niepraktycznie zakończyć wszystkie powiązania, jakie mogą mieć z organizacjami o dobrej reputacji. Stąd potrzeba dyskwalifikacji, która nie jest zależna od żadnego z nich. Ogłoszenia go poza głównym nurtem jest dość skutecznym sposobem pozbawienia takiego eksperta jego autorytetu.

VII-4. Wymuszanie konsensusu naukowego

Innym skutecznym sposobem kontrolowania, kto sprawuje autorytet naukowy, jest wymuszanie przestrzegania wymyślonego „konsensusu”, piętnowanie każdego, kto odstępuje od wspomnianego konsensusu, jako bezwzględnego, niepoprawnego heretyka najbardziej zboczonego rodzaju. To zewnętrzne narzędzie, które może być niezwykle przydatne do detronizacji niepokornych naukowców z akredytacjami. „Konsensus” brzmi potężnie w uszach i sercach laików i zapewnia im łatwe uzasadnienie, aby nie zadawać pytań, jeśli reżim zdecyduje się nagle pozbawić urzędu wcześniej wysoko cenionego naukowca.

Posłowie

Sztuka propagandy to szeroki temat obejmujący wiele dyscyplin. Nie spodziewaj się, że opanujesz ją z dnia na dzień. Spodziewaj się, że będziesz popełniać błędy – w ten sposób uczysz się, co działa (i dlatego upewnij się, że zawsze masz kogoś, na kogo możesz zrzucić winę za swoje błędy).

Na szczęście dla ciebie, zdecydowana większość obywateli to intelektualne owce. Ta zasada została znakomicie zademonstrowana przez głównego architekta Obamacare, profesora Jonathana Grubera.

Jednak profesor Gruber miał skłonność do wyjaśniania zbyt wiele i zbyt jasno w nagranych przemówieniach. Oczywiście nie ma nic złego w wyjaśnianiu młodym studentom reżimu kontrowersyjnych kwestii jasnym językiem, które są kluczowe dla zrozumienia, jak działa polityka reżimu, ponieważ będą musieli mieć solidne pojęcie o tych rzeczach, jeśli mają być produktywnymi pracownikami reżimu. Staje się to jednak problemem, gdy te przemówienia są nagrywane na wideo, które jest dostępne dla ogółu społeczeństwa, kogo rzekomo oszukujesz:

Można by pomyśleć, że po tym, jak facet, który napisał głęboko niepopularne prawo (w tamtym czasie), został przyłapany na licznych filmach, chwaląc się, że było to „sprytne wykorzystanie braku zrozumienia ekonomii przez amerykańskich wyborców” i jak „głupota amerykańskich wyborców” miała kluczowe znaczenie dla możliwości udawania podwyżki podatków, że nie są podwyżkami podatków (co jest w 100% prawdą, jak powiedziano wcześniej), politycy będą zmuszeni wycofać prawo i spróbować ponownie za kilka lat, gdy cały ten szum ucichnie.

Z tym wyjątkiem, że jak się okazuje, zazwyczaj można liczyć nie tylko na bezgraniczną głupotę przeciętnego wyborcy, ale także na jego brak jakiejkolwiek pamięci krótkotrwałej, brak poczucia samozachowania i ponad wszystko jego oddanie ideologii politycznej. Czy Obamacare został zniesiony, czy nawet opóźniony? Nie. Więc nawet jeśli zostaniesz przyłapany na gorącym uczynku, prawdopodobnie nic ci nie będzie. (Zwłaszcza jeśli wyhodowałeś posłuszne media głównego nurtu, które lojalnie służą reżimowi.)

Możesz też pocieszyć się, że propaganda jest naturalnie samokorygującym się przedsięwzięciem – gdy popełniane są błędy, po prostu uwalniasz więcej propagandy i gaslightingu, aby ukryć lub w inny sposób złagodzić te błędy. Zauważ, jak urzędnicy reżimu przeszli od wychwalania profesora Grubera do twierdzenia, że ​​jest on całkowicie nieistotny, bez mrugnięcia okiem i bez najmniejszego śladu zażenowania z powodu jawnej hipokryzji ich nie do pogodzenia stanowisk:

(Uważaj jednak, żeby nie popełniać błędów zbyt lekkomyślnie, bo możesz zostać zesłany do radzieckiego gułagu lub ośrodka tajnych operacji CIA w Maroku.)

Razem możemy uczynić świat lepszym miejscem dla tych, którzy mają stać się częścią nowej, odmienionej ludzkości.