야심찬 선전가를 위한 데이터 조리에 대한 바보 가이드

코로나가 발생한 지 몇 달 후에 실시된 국제 여론조사의 위 슬라이드를 자세히 살펴보세요. 효과적인 선전은 이런 모습입니다. 그리고 진짜 효과는 훨씬 더 컸습니다. 사람들이 코로나 위험을 얼마나 심하게 과장했는지 계산하는 데 사용된 '실제 세계' 수치는 물론... 세계 최고의 선전 기관(공중 보건 기관으로 위장)에서 파생되었기 때문입니다. 그들은 이미 코로나 위험을 엄청나게 과장하고 있었습니다.

효과적인 선전 기술은 신중하고 철저한 연구가 필요한 포괄적인 학문입니다. 및 검토 — 때때로. 초보자에게는 마스터하기 매우 어려울 수 있습니다. 숙련된 선전가조차도 때때로 선전을 만들고 유포하는 것이 간단한 사업이라고 생각하는 함정에 빠질 수 있습니다. 이는 모든 비용이 지불되는 영구적인 시베리아 휴가를 얻는 좋은 방법입니다. 365년 XNUMX일, 무기한으로 매일 사회 전체를 혼란스럽게 하는 것은 보통 그렇게 간단한 일이 아닙니다.

다음의 간략한 안내서는 야심 찬 선전가, WEF 추종자, 공산당 당수, 깨어 있는 마르크스주의자, 노련한 정부 관료 등에게 유망한 재능을 키워 선전 예술을 완벽하게 익히는 데 필요한 도구와 지식을 제공합니다.

이 책은 좀 길어요!! 그러니 처음부터 끝까지 한 번에 다 읽어야 한다고 생각하지 마세요. 그러면 지치고 그 안에 담긴 중요한 정보를 기억하지 못하게 될 테니까요.

이 설명서는 다음 섹션으로 구분되어 있습니다.

제1절 정의 - 정권의 서사와 일치하도록 단어, 용어 및 지표를 재정의하는 방법

섹션 II. 데이터 큐레이션 - 데이터 기록, 보고 및 게시 프로세스를 하이재킹하는 방법

섹션 III. 공식 과학의 일부로 간주되는 데이터 검토 - 공식 과학 또는 정권 데이터 세트에 나타나지 않도록 정권 비준수 데이터를 조사하고 데이터를 처리하고 폐기하는 방법

섹션 IV. 연구를 조작하는 방법 - 정확히 그것이 들리는 것과 같습니다

섹션 V. 데이터 세트의 수정 - 때때로 정권의 주장과 모순되는 데이터베이스의 내용을 수정하기 위해 들어가서 약간의 데이터 '수술'을 해야 할 수도 있습니다. 이는 간단히 근절할 수 없습니다.

제6절. 증거의 표준을 통제한다 - 체제에 유리한 과학을 최상위에, 체제에 유리하지 않은 과학을 최하위(마리아나 해구)에 두는 증거 계층을 설정하는 방법

제7절. 과학의 교회 권위 - 과학 당국이 정권의 사실과 이야기를 믿을 수 있게 그대로 따라하도록 하는 방법

Afterword - 피터 호테즈의 나비넥타이처럼 모든 것을 멋지게 묶어줍니다. (그는 특히 짜증나는 정권 유명 과학자입니다.)

제1절 – 정의

"언어를 통제하는 사람이 대중을 통제한다."
— Saul Alinsky, 급진주의자를위한 규칙

우리가 개념이나 범주를 어떻게 정의하느냐에 따라 그 개념이나 범주가 전달하거나 표현하는 실제 세계의 작은 정보가 무엇인지, 아니면 전달하거나 표현하지 못하는 정보가 무엇인지가 결정됩니다.

유연한 정의와 정의를 할당하기 위한 임의적이고 변덕스러운 기준은 효과적인 선전가에게 절대적으로 필요한 것입니다. 아무리 최선을 다해도, 노련하고 전문적인 선전가라도 존재하는 큐레이팅된 데이터나 사람들의 실제 경험이 공식 정권 서사에 문제가 되는 상황에 직면하게 될 것입니다.

따라서 효과적인 선전에는 민첩하고 적응력이 뛰어난 유연성이 필요하며, 특히 대중이 익숙하게 듣고 있는 기존의 기존 지표는 사라지게 하는 것이 매우 어렵습니다(YouTube나 Facebook에서 반체제 과학자를 쉽게 사라지게 할 수 있는 것과는 달리). 예를 들어, 새로운 공포스러운 질병 팬데믹의 맥락에서 "사망"에 대해 이야기하지 않을 수 없을 것입니다. 사람들이 질병의 심각성을 측정하는 데 있어 가장 먼저 하는 질문은 항상 "이 질병으로 인해 몇 명이 죽었는가?"입니다. 하지만 사람들이 질병의 치명성에 대한 감각을 높이거나 낮추고 싶다면 소설 공포스러운 질병의 맥락에서 "사망"이 가리키는 것을 바꿀 수 있습니다.

실제로 이는 용어나 개념에 대한 일반적인 이해를 통해 현실이 정권이 원하는 서사에 부합하지 않는다는 것을 알 때, 몇 가지 정의만 바꾸면 문제가 해결된다는 것을 의미합니다.

역사 속 많은 저명한 공산주의 선전가도 말했듯이, "언어를 통제하는 사람이 세상을 지배한다."

문제가 있는 정의를 허용 가능한 정의로 바꾸거나 전환하는 데는 다양한 방법이 있습니다.

I-1. 정의를 제한하다

무언가의 기존 정의에 정권의 교리와 맞지 않는 개념, 데이터 또는 정보가 포함되어 있는 경우, 정의를 제한하여 원치 않는 정보를 더 이상 포함하지 않도록 합니다. 이를 수행하는 방법은 많습니다. 따라서 정의를 효과적으로 제한하는 데 사용할 수 있는 몇 가지 일반적인 유형의 특성을 나열해 보겠습니다. 시간 간격으로 정의를 제한합니다. 백신을 맞은 사람들이 백신 접종 후 처음 30일 동안 매우 높은 비율로 무서운 질병에 걸리고, Glorious Vaccine을 맞은 후 90일 이상 지난 후에 걸린다고 가정해 보겠습니다. 이는 큰 문제인데, 사람들이 Glorious Vaccine이 효과적이지 않다고 생각할 것이기 때문입니다.

간단히 말해서, 위 차트에서 볼 수 있는 것은 100만 명당 사례 수가 다음과 같다는 것입니다.

1. 백신 접종 전: 500만 명당 XNUMX건의 무서운 질병 발생
2. 백신 접종 10일 후: 3,000만 명당 XNUMX건의 무서운 질병 발생
3. 백신 접종 20일 후: 1,700만 명당 XNUMX건의 무서운 질병 발생
4. 백신 접종 30일 후: 100만 명당 XNUMX건 발생

그것은 영광스러운 백신에 대한 매우 불명예스러운 효능입니다. 그대로 둘 수 없는 것입니다. 한 가지 해결책은 단순히 '백신 접종'의 정의를 영광스러운 백신을 접종한 후 30일에서 90일 사이인 사람으로 바꾸는 것입니다. 다시 말해, 백신 접종 후 30일 이내 또는 백신 접종 후 90일이 지난 사람은 '백신 접종'으로 간주되지 않습니다.

이 특정 전략은 문명 세계의 거의 모든 공중 보건 기관에서 개척한 것으로, 코로나 백신에 대한 '완전 예방 접종'의 정의는 "14차 복용 ​​후 XNUMX일"로 제한되었습니다.

노출 횟수와 같은 양으로 정의를 제한합니다. 예를 들어, 기적의 치료제 미라파우시비르를 1회 또는 5회 투여받은 사람들이 사망한 경우(첫 번째 투여는 독성에 특히 취약한 사람들을 죽이고 5회 투여는 거의 모든 사람에게 너무 독성이 강함) '미라파우시비르로 치료받았다'는 정의를 2~4회 투여로 제한합니다.

정의에 충족하기 거의 불가능한 터무니없는 조건을 추가하여 정의를 제한합니다. 예를 들어, 새로 출시된 Glorious Vaccine을 사용한 대량 예방 접종 캠페인의 맥락에서 '백신 사망'의 정의를 제한하기 위해 다음 조건을 사용해 볼 수 있습니다.

이런 상황에서 영광스러운 백신으로 인해 누군가가 죽었다는 '확인' 사례를 얻는 것은 매우 어렵습니다.

(이 예시 정의를 완벽하게 효과적으로 적용하려면 부검을 최대한 방해해야 한다는 점을 기억하세요.)

I-2. 정의 확장

반대로, 때로는 실제보다 더 많은 것을 원할 수도 있습니다. 정의를 확장하는 것은 훌륭한 해결책입니다. 정의를 제한하는 위의 지침을 반대로 하면 됩니다.

그래서 무서운 질병으로 인해 실제로 죽은 사람보다 더 많은 사람이 필요하다면, '무서운 질병으로 인한 사망'의 정의를 '양성 검사 후 30일 이내에 사망한 사람'으로 확대할 수 있고, 마치 마법처럼 당신은 본격적인 팬데믹을 손에 넣게 될 겁니다.

이를 설명하기 위해, 12개월 동안 공포의 질병이 유행한 후 7만 건의 감염 중 100,000명만이 공포의 질병으로 사망했다고 가정해 보겠습니다. 그렇게 무섭지 않습니다. 약간의 전환을 해서 '공포의 질병 사망'의 정의를 CDC가 내린 것과 비슷한 것으로 확장합니다. 즉, "공포의 질병에 대해 양성 반응을 보인 후 30일 이내에 사망한 모든 사람"입니다. 매일 많은 사람이 죽기 때문에, 모든 사람을 대량 검사하면 암이나 교통사고와 같이 전혀 관련이 없는 것으로 사망한 사람이라도, 사망 당시 공포의 질병에 걸렸던 많은 사람을 '발견'하게 됩니다. 이것이 얼마나 큰 차이를 만드는지 살펴보세요.

뉴욕 주는 "두려운 질병 사망"의 정의를 확장하여 역사상 한 번 있었던 엄청나게 무서운 종말론적 팬데믹의 모습을 만들어내는 방법에 대한 고전적인 예를 제공합니다. '확률적' 코로나 사망에 대한 다음의 멋진 개방형 정의를 살펴보세요.

주의 사항: 당신은 절대로, 절대로, 절대로!!! 대중에게 당신이 그들을 가스라이팅하고 있다는 것을 그들이 이해할 수 있는 명확하고 간결한 언어로 표현해야 합니다. 일리노이 공중보건국장인 Ngozi Ezike 박사가 2020년에 저지른 다음과 같은 강제되지 않은 실수는 굴라그로 가는 편도 티켓을 빠르게 받는 것과 같은 종류입니다. 그녀는 실제로 공개 기자 회견에서 다음과 같이 말했습니다(아래에 포함된 영상 참조):

"그래서 사례 정의는 매우 단순합니다. 사망 당시 코로나 양성 진단이었다는 뜻입니다. 즉, 호스피스에 있었고 이미 몇 주 더 살 수 있다는 선고를 받았는데 코로나에 감염된 것으로 밝혀지면 코로나 사망으로 간주된다는 뜻입니다. 즉, 기술적으로 명확한 다른 원인으로 사망했지만 동시에 코로나에 감염되었더라도 여전히 코로나 사망으로 분류된다는 뜻입니다."

물론 그녀는 코로나 사망자에 대한 엄청나게 광범위한 정의를 사용함으로써 옳은 일을 했지만, 그녀는 어리석고 부주의하게 온 세상이 볼 수 있도록 비밀을 폭로했습니다. 그것은 하룻밤 사이에 전체 선전 캠페인을 파괴할 수 있는 종류의 부주의한 실수입니다. 또한 경력을 끝낼 수 있는 (또는 더 나쁜) 종류의 일입니다.

 I-3. 완전히 새로운 정의를 발명하다

때로는 단순히 여백에서 정의를 가지고 놀면서 무언가에 대한 공통된 이해를 숨기는 것이 불가능합니다. 그런 경우, 당신은 당신의 선전 요구에 맞게 단어, 개념 또는 범주를 완전히 재정의하는 용기 있는 조치를 취할 수 있습니다. 다만, 사람들에게 오래된 정의가 그들의 상상의 산물이라고 설득하는 것이 조금 더 어려울 수 있다는 점에 유의하십시오.

CDC를 예로 들어보겠습니다(그래요, 우리는 CDC를 자주 인용할 겁니다. CDC는 세계 최고의 건강 선전 기관이니까요). CDC는 6년에 걸쳐 '예방 접종'의 정의를 여러 번 변경했습니다.

사이드 바 : 위의 트윗은 당신의 선전 노력에 반대하거나 심지어 폭로하려 할지도 모르는 사기성 입법자들을 통제해야 할 필요성에 대한 교훈을 제공합니다. 의회나 의회에서 대중에게 방송된 당신의 언어적 배신에 대한 명확한 증거를 다루는 추가적인 골치 아픈 일은 필요 없습니다(또는 그런 일이 일어나도록 한 희생양으로 시베리아로 추방되는 더 큰 골치 아픈 일도 필요 없습니다).

가끔은 단어의 평범한 대화적 의미에 갇혀서 사람들이 주의를 기울일 여유가 없는 것을 강조하는 것을 발견할 수도 있습니다. 이런 일이 발생하면 언어의 본질에 근본적인 변화를 구현해야 합니다. 이것은 다른 방법으로는 무언가를 숨길 수 없고, 숨기지 않을 여유도 없을 때를 위한 일종의 핵 옵션입니다. (조심하세요!! 이렇게 대담한 시도는 많은 사람들이 이런 개방적이고 대담한 언어 전환에 저항하는 경향이 있기 때문에 상당한 어려움을 동반합니다. 이는 많은 미개한 러다이트들이 성전환에 동참하는 것을 거부하는 방식과 유사합니다.).

예를 들어, "평화적 시위"라는 용어를 살펴보겠습니다.

물론, '제한적'이라는 용어는 정확한 윤곽이 정의되지 않은 주관적인 용어이므로 적용 범위가 매우 넓어 적용이 얼마나 일관성이 없거나 적합하지 않은지와 관계없이 거의 모든 것에 적용할 수 있습니다. 이는 추가 설명이 필요 없는 이 실제 미디어 보고서에서 입증됩니다.

I-4. 카테고리 결합

때로는 정의를 변경하는 것만으로 데이터를 틀에 맞추는 것이 실용적이거나 실행 가능하지 않을 수 있습니다. 하지만 걱정하지 마세요. 정의를 변경할 수 없다면 대신 사람들이 언급하는 단어나 구문에 익숙한 데이터 포인트나 범주 자체를 변경할 수 있습니다. 사람들은 범주나 데이터 포인트의 미묘하거나 미묘한 차이에 민감하지 않으며, 미디어는 어쨌든 대부분의 것을 유용하게 혼동하여 쉽고 편리한 트릭을 제공합니다. 예를 들어 다음을 시도해 볼 수 있습니다.

• 다양한 연령대를 결합:

영광스러운 백신이 많은 아이들을 좀비로 만든다고 가정해 보자. 정권에 꽤 나쁜 일이다. (즉, 과학자 몇 명을 남극의 기후 연구소에 배치해 나머지 경력 동안 일하게 해야 한다는 뜻이다. 양말 없이.)

첫째, 이 새로운 상태를 항상 "육식 좀비로의 안전하고 효과적인 변형"이라고 언급해야 합니다. 육식이라는 부분을 언급한 이유는 간단합니다. '살을 먹는 좀비'는 너무 무섭게 들리고, 그냥 '좀비'라고 하면 좀비가 기본적으로 죽은 것처럼 느껴집니다. 즉, 소중한 아이들이 죽은 것입니다. 둘 다 사람들에게 이런 인상을 남기고 싶지 않을 것입니다. (여기서 가정한 예가 실제로 실현될 가능성은 낮지만 이 원칙은 모든 상황에 적용 가능합니다. 즉, 사람들에게 어떤 인상을 주고 싶은지 전달하는 방식으로 항상 무언가를 명명해야 한다는 것입니다.)

두 번째, 12~17세 연령대에서 좀비화 비율이 너무 높아서 데이터(아래 차트)를 보는 사람이라면 누구나 알 수 있기 때문에, 아마 그 문제를 해결해야 할 것입니다. 따라서 어린이 좀비화의 급증을 사람들이 즉시 알아차릴 수 있는 연령별로 세분화된 데이터를 제시하는 대신, 신호를 숨기거나 씻어낼 수 있을 만큼 큰 통합 연령대 그룹으로 데이터를 제시하세요.

이제 아무도 그 데이터가 영광스러운 백신으로 인해 아이들이 육식 좀비로 변할 수 있는 명확한 위험을 보여준다는 것을 알아차리지 못할 것입니다.

또는 반대로, 어린이들이 엄마들을 놀라게 할 만큼 높은 비율로 무서운 질병으로 죽지 않는다고 가정하면 0~50세 연령대를 합친 무서운 질병 사망 데이터를 제시하면 그 그룹에서 너무 많은 사망자가 발생한 것처럼 보일 수 있습니다. 포함 꼬마들:

• 다양한 인구통계 집단 결합:

연령대와 동일한 아이디어입니다. 시민들이 무서운 질병이 실제로는 병적으로 비만인 사람들에게만 위험하다는 것을 알아내는 것을 피해야 한다고 가정해 보겠습니다. 이는 나쁩니다.

• 첫째, 그러면 그들은 무서운 질병을 두려워하지 않을 것입니다.
  • 둘째, 사람들이 지방이 건강에 좋은지 의문을 품기 시작할 수 있는데, 이는 허용할 수 없습니다. 사람들이 '지방 긍정'에 대한 정권의 서사에 의문을 품기 시작할 수 있고, 그 후에 무슨 일이 일어날지 누가 알겠습니까?

따라서 모든 유형의 체중 동일성을 포괄하는 결합된 범주를 사용하여 Dreaded Disease 사망 데이터를 제시해야 합니다.

• 다양한 시간대를 결합하다

공포의 질병으로 인한 사망자가 매달 감소하는 것을 알아차렸다고 가정해 보겠습니다. 이는 공포의 질병 팬데믹이 몇 달 더 지속될 것이라고 사람들이 믿어야 하는 정권 계획에 치명적일 수 있습니다. 사람들이 공포의 질병이 잦아들고 있다는 생각을 한다면, 공포의 질병 위기를 사회적 변혁을 일으키는 수단으로 사용하여 정권의 권력을 통합하고 굳건히 할 수 있는 많은 기회를 놓친 것입니다.

따라서 월별 사망자 데이터를 제시하는 대신 3개월을 모두 합쳐 "3개월 동안의 월 평균"이라는 새로운 범주로 만들면 1월에서 3월로의 감소를 가릴 수 있습니다. 아래 그림과 같습니다.

• 다양한 지리적 관할권 결합

국가 내에 정권 지침을 따르지 않는 정권에 문제를 일으키는 불량 국가가 있다고 가정해 보겠습니다. 이 국가는 죽음의 산티스탄이라고 부르는 무서운 질병을 다루기 위한 정권 지침을 따르지 않습니다. 그들이 좋은 시민으로서 정권 지침을 따르는 나머지 국가보다 더 좋거나 동등한 결과를 보인다면, 그것은 매우 나쁠 것입니다. 또한 이 나쁜 국가 내에 모든 정권 지침을 따르는 충성스러운 정권 카운티이지만 사망률이 죽음의 산티스탄의 나머지 지역보다 훨씬 높은 도시나 카운티가 있다고 가정해 보겠습니다. 매우 매우 나쁩니다. 해결책은? 정권 지침을 따르는 충성스러운 카운티의 사망률이 나머지 주의 10배라는 것을 사람들이 알 수 없도록 주 전체의 데이터를 제시할 수 있습니다. 보너스 이점도 있습니다. 죽음의 산티스탄 주 전체를 실패로 지적할 수 있습니다. 충성스러운 정권 카운티는 주 전체를 훨씬 더 나쁘게 보이게 만들 것이기 ​​때문입니다!!

충성스러운 정권 도시에서만 나타나는 문제점을 숨기기 위해 불충성스러운 국가의 모든 도시와 군을 합치는 것은 정권에 충성하는 도시의 범죄율이 사악한 반대 세력이 통제하는 도시보다 훨씬 높다는 등의 좋지 않은 정보를 숨기기 위해 사용되는 대표적인 선전 전술 중 하나입니다.

(사이드바: 물론 높은 범죄율은 좋은 일입니다. 이는 정권이 의도적으로 선택한 것이기 때문입니다. 높은 범죄율은 정권에 유용한데, 불안정성으로 인해 사람들이 폭군적 정부를 해결책으로 더 기꺼이 받아들이게 되기 때문입니다.)

예를 들어, 주요 정권 매체 대변인 중 한 명이 가스라이팅을 하는 훌륭한 예를 하나 들어보겠습니다.

진홍색 상자의 자막을 보세요. 그들이 얼마나 능숙하게 빨간색을 손가락으로 만지는지 보세요. 상태 붉은 주 내의 푸른 도시에서는 높은 범죄율이 나타나지만, 통치가 "붉은" 나머지 주에서는 그렇지 않은 이유는? 정확히 그렇습니다.

• 다양한 유형의 효과나 현상을 결합합니다. 예를 들어, 특정 하위 유형의 질병 상태가 증가하면(예: 영광스러운 백신 출시 후 희귀 암이 놀라울 정도로 증가) 사람들이 영광스러운 백신이 역사상 가장 안전한 백신이라는 공식 정권의 설명에 의문을 제기할 수 있음) 1,000배 더 큰 암이라는 일반 범주를 사용하여 신호를 숨길 수 있습니다.

범주를 결합하는 또 다른 방법은 다른 그룹이나 하위 집합에 대한 구체적인 데이터를 제공하지 않는 것입니다. 이는 코로나가 강타했을 때 완벽하게 실현된 것입니다. 각 연령대의 코로나 사망자 비율과 코로나로 인해 죽을까봐 걱정하는 각 연령대의 비율을 나란히 보여주는 다음 여론 조사 결과를 고려해 보세요. (파란색 막대는 각 연령대에서 코로나로 인해 죽을까봐 걱정하는 비율을 나타내고, 녹색 막대는 각 연령대의 코로나 사망자 총 수의 비율을 나타냅니다.)

사람들이 실제로 죽을 위험이 얼마인지 알았다면, 파란색 막대는 적어도 녹색 막대와 비슷한 수준이었을 것입니다. 파란색 막대가 극적으로 높을 때는 모든 연령대를 구별하지 않고 하나의 범주로 통합하여 잔인할 정도로 효과적인 선전의 결과입니다.

정말 대단한 성공이에요!!

I-5. 분할 카테고리

때로는 카테고리를 다른 카테고리와 결합하는 대신 분할해야 할 때가 있습니다. 카테고리 결합을 위해 위에 제시된 프레임워크를 반대로 하면 됩니다.

이 깔끔한 작은 방법은 통계적 유의성의 임계값 아래로 무언가를 가져와야 할 때 특히 유용합니다.

통계적 유의성은 데이터와 과학에서 매우 중요한 개념이므로, 이것이 어떻게 작동하는지 설명하는 것이 좋습니다.

기존 의학 학술/과학 용어로 사용되는 통계적 유의성은 기본적으로 우연이 아닌 다른 일이 일어날 가능성이 5% 미만이라는 것을 의미합니다.

If 당신은 동전을 10번 던집니다, 무작위적 기회로 인해 앞면이 7번 나올 확률은 11.72%입니다. 통계적으로 유의하지 않습니다. 동전을 100번 던지면 무작위적 기회로 인해 앞면이 70번 나올 확률은 0.0023%로 매우 미미합니다. 통계적으로 매우 유의합니다(5%보다 훨씬 적기 때문입니다). 즉, 무작위적 기회에 기인한 것이 아니라 특정한 것(부정행위 등)으로 인해 동전이 70% 앞면으로 나왔다는 뜻입니다.

왜 그럴까요? 7/10을 얻으려면 두 번 더 동전을 던지면 됩니다. 약간의 연속이 되는 거죠. 이런 작은 편차는 무작위로 쉽게 발생할 수 있습니다. 그러나 70/100을 얻으려면 20번 더 동전을 던져야 합니다. 무작위로 총 20번 중에서 *100*번 더 동전을 던질 확률은 무시할 수 있습니다. 따라서 70번 던진 동전 중 100번이 앞면이 나오면 어떤 종류의 부정행위가 있을 것이라고 추정할 수 있습니다. 무작위로 그런 일이 일어날 가능성은 매우 매우 낮기 때문입니다.

통계적으로 유의미한 신호를 나누어 정복하는 데 이 방법을 활용할 수 있습니다. 즉, 정권 교리에 반대하는 무언가에 대한 통계적으로 유의미한 신호가 있는 범주를 더 작은 범주로 나누어 '70/100'이라는 신호를 개별적으로는 통계적으로 유의미하지 않은 여러 '7/10'으로 나눌 수 있습니다.

예를 들어, 놀라운 영광스러운 백신 캠페인 이후 100만 명당 사망자가 증가했다는 신호가 있다면, 연령대별로 분류된 사망 데이터를 게시할 수 있는데, 어느 연령대에서도 통계적으로 유의미한 사망자 증가가 나타나지 않습니다(그리고 그것은 '오랫동안 두려웠던 질병'에 걸린 합병증으로 인한 과잉 사망일 가능성이 높다고 주장할 수 있습니다).

주의 사항 : 이 특정 전략은 이상적으로는 다른 것과 결합되어야 합니다. 그렇지 않으면 사람들은 간단한 산수 연산을 통해 모든 연령대를 더하여 분석을 역공학적으로 수행할 수 있습니다. 그러니 다른 혼란스러운 요령도 추가하세요.

I-6. 재배포 / 다시 그리기 카테고리

범주를 완전히 결합하는 것보다 더 정교하게 조정된 대안은 범주를 재분배하는 것입니다. 말하자면 선을 다시 그리는 것입니다. 이는 범주를 차별화하는 모든 특성을 사용하여 수행할 수 있습니다.

예를 들어, 우리의 사악한 불충실한 Death Santistan 주 사례로 돌아가서, 주 전체를 하나의 주 전체 통계로 합치는 대신, 이와 같이 Dreaded Disease 데이터의 목적을 위해 주 내부의 카운티의 지리적 경계를 은밀하게 다시 그릴 수 있습니다. 카운티 경계를 녹색 선으로 바꾸면 어떤 일이 일어나는지 살펴보세요.

참고 : 이는 정치적 또는 투표 구역과 같은 다른 목적을 위해 문자 그대로 카운티를 다시 그려야 한다는 것을 의미하지 않습니다. 당신이 하는 일은 단지 Dreaded Disease 통계의 유일한 목적을 위해 다른 경계를 사용하는 것입니다. (그러나 인구는 당신이 실제로 존재하는 카운티를 의미한다고 가정하고 따라서 당신이 그들에게 속았다는 것을 깨닫지 못할 것입니다. 이것을 선전이라고 부르는 데는 이유가 있습니다.)

I-7. 유체 정의

어떤 때는 어떤 것에 대해 특정 정의를 사용해야 하지만 다른 것에 대해서는 그 특정 정의를 피해야 하는 역설적인 필요성이 있습니다. 그런 경우에는 사전처럼 행동해야 합니다. 사전은 일반적으로 한 단어에 대해 여러 개의 고유한 정의를 가지고 있으며, 여러분도 똑같이 할 수 있습니다.

예를 들어, '여성'이라는 단어는 때때로 '여성의 해부학적, 유전적 특성을 가진 성인 인간'으로 정의됩니다. 이는 여성의 선택권에 대해 논의할 때와 같습니다. 또한, 조직적인 스포츠의 맥락에서 '여성으로 자신을 규정하는 사람'으로 정의되기도 합니다.

섹션 II – 데이터 큐레이션

유연한 정의를 적용하는 것보다 더 나은 것은 처음부터 정의를 바꿔야 하는 상황을 피하는 것입니다.

이런 문제를 미리 방지하는 가장 좋은 방법은 잠재적으로 골치 아픈 일이 발생하지 않도록 데이터를 정리하는 것입니다. 즉, 데이터의 정리, 구성 및 표현을 부패하게 하이재킹하기 위한 다음의 검증된 방법 중 하나 이상을 채택하는 것입니다.

II-1. 무언가를 진단하거나 식별하지 마십시오

환자가 Glorious Vaccine을 복용한 후 여러 신경학적 결손으로 고통받으며 집으로 돌아와 "불안"에 대한 Xanax 처방을 받았다면, 어떤 데이터베이스에서도 신경학적 결손에 대한 진단이 처음부터 생성되지 않습니다. Glorious Vaccine으로 인해 발생했을 수 있는 상태의 진단이나 일부 대형 정부 또는 보험 데이터베이스의 진단 코드는 Glorious Vaccine과 관련된 진단된 부상의 존재를 은폐하기 위해 정의적 손재주를 사용해야 한다는 것을 의미합니다. 따라서 완벽하게 안전하고 효과적인 Glorious Vaccine에 대한 문제가 있거나 모순되는 데이터/관찰을 진단하거나 식별하는 책임이 있는 사람들이 그렇게 하지 않도록 해야 합니다.

여기서 강조할 점은 환자들이 자신의 삶을 변화시킬 수 있는 심각한 의학적 부상으로 인해 장애를 입고 전혀 기능할 수 없다는 사실을 알고 있음에도 불구하고 자신의 의사로부터 '모든 것이 그들의 머릿속에 있는 생각일 뿐'이라는 가스라이팅을 쉽게 받는다는 것입니다. 그들이 매일 경험하는.

이를 다음의 가상 시나리오를 통해 설명해 보겠습니다.

정권 관리들은 정부 통제 하에 있는 선전 Glorious Vaccine 안전성을 모니터링하기 위해 안전 감시 데이터베이스가 설정되었습니다.

– VAMP 증후군에 대한 신호가 있습니다.VAccine A연관된 M변태학적 P헤노메나) 조건:

환자는 급격하고 급성적인 증상으로 의사의 진료실에 찾아옵니다. 렌필드 증후군 (피에 대한 갈증), 극심한 광과민성, 뚜렷함 거대치아, 그리고 은에 대한 심각한 접촉성 피부염은 모두 Glorious 백신을 맞은 지 몇 시간 만에 시작되었습니다. 이것은 VAMP 증후군 부작용의 명백한 사례입니다. 환자의 증상은 완전한 뱀파이어증에 대한 진단 기준에 부합하며 이 상태는 Glorious 백신으로 인해 발생했습니다(의사가 다른 원인을 안전하게 배제할 수 있고 백신을 맞은 후 VAMP 증상이 즉시 나타났다는 것은 Glorious 백신이 증상을 유발했다는 매우 자명한 지표입니다).

환자는 자신이 분명히 옳지 않다는 것을 알 수 있지만 – 그들은 당신의 맥박치는 목정맥을 씹어먹고 싶은 엄청난 유혹을 느끼고, 블라인드를 완전히 내리지 않는 한 창문 앞에 서 있을 수 없고, 새로 생긴 매우 길고 날카로운 앞니로 실수로 혀를 몇 조각 깨물었고, 은으로 만든 가문의 유물을 만지면 피부가 벗겨지기 시작합니다 – 그게 뭐예요?? 여전히 환자에게 "이건 당신의 머릿속에 있는 거예요"라고 말하고 Xanax 처방전(그리고 환자가 더 이상 스스로를 통제할 수 없을 것 같고 목정맥이 점심을 공급하기를 원하지 않는다면 O-음성 혈액 한두 봉지)을 가지고 집으로 보낼 수 있습니다. 그리고 환자는 실제로 그냥 받아들이고 큰 싸움 없이 집으로 갈 것입니다.

이렇게 하면 VAMP 증후군에 대한 진단 기록이 전혀 생성되지 않으므로 어느 데이터베이스에도 아무것도 표시되지 않습니다.

영광스러운 백신을 맞은 지 한 시간 만에 꼬리가 자라난 털복숭이 여자가 나타나서 의사들이 얼마나 많은지 놀라실 겁니다. Glorious Vaccine과는 아무런 상관이 없습니다..

(주의 사항: 진지하게 말해서, 사람들이 사물을 어떻게 생각하기를 원하는지 전달하는 매력적인 약어나 이름을 생각해내는 것이 중요하므로 이 예를 실제로 사용하지 마세요.이것은 당신이 안전 감시를 심각하게 받아들이지 않는다는 느낌을 주고, 사람들이 당신이 영광스러운 백신의 실제 안전 문제를 숨기려 한다고 믿을 가능성이 더 높아지기 때문입니다.)

II-2. 무언가를 과도하게 진단하거나 과도하게 식별하다

반대로, 쉽게 구할 수 있는 것보다 더 많은 것을 만들어야 하는 경우, 간단히 #1을 반대로 하면 됩니다. 예를 들어, 사람들이 무서운 질병을 더 두려워해야 하는 경우, 무서운 질병의 '확인된' 사례 수를 늘리기 위해 대량 검사 체제를 구현할 수 있습니다. 또한, 그것이 사실이든 아니든 매우 높은 양성률을 반환하는 검사를 사용해야 합니다.

감시 또는 검사를 늘리면 검사 대상의 수가 증가하는 것처럼 보이게 만들거나 적어도 여전히 검사 대상이라는 외관을 유지할 수 있습니다. 오래된 미국의 다음 그림을 고려하세요. 위 차트에서 일일 코로나 검사 수가 증가함에 따라 양성 검사 비율이 75% 이상 급락한 것을 볼 수 있습니다(아래 차트). 이를 통해 사례 수가 비교적 높게 유지되었습니다(중간 차트). 따라서 양성 검사 비율이 75% 이상 감소하더라도 같은 기간 동안 신규 사례 수는 약 25%만 감소했습니다.

그럼에도 불구하고 더 많은 검사의 기능이었던 순수한 사례 수의 무의미한 증가는 11년 2020월 XNUMX일에 게시된 이 NBC 패닉 포르노 기사와 같은 헤드라인을 낳았습니다.

생각해 내다: 당신은 당신이 찾는 것을 발견하고, 당신이 찾는 것의 더 많은 것을 더 많이 발견하게 됩니다.

II-3. 진단 또는 식별된 내용을 보고하지 마십시오

때로는 발견되지 않는 것이 가장 좋은 것을 진단하거나 식별하는 것을 피할 수 없습니다. 그런 경우 적어도 관찰된 내용이 공식 보고서나 데이터에 포함되지 않도록 할 수 있습니다.

더 개별적인 수준에서, 현장의 의사, 의료진, 행정 직원에게 데이터 세트에 나타나길 원치 않는 것을 진단하지 말라고 지침을 내려야 합니다. 충성스러운 정권 준수 의사를 위해 재정적 인센티브를 사용하는 것을 주저하지 마세요. 여기서 인색하지 마세요. 예방은 거의 항상 문제가 발생한 후에 해결하는 것보다 저렴하고 스트레스가 적습니다.

Glorious Vaccine을 접종한 직후 발생한 심각한 상태의 환자로 진단하는 것을 피할 수 없는 드문 경우에도, 의사는 Glorious Vaccine 부상 데이터베이스에 부작용을 보고하지 않도록 해야 합니다.

반면, 영광스러운 백신으로 인한 부상을 기록하는 정권 데이터베이스가 여전히 안전성에 의심을 품게 하는 문제가 있는 보고서를 너무 많이 포함하고 있다면, 해야 할 일이 두 가지 있습니다.

첫 번째는 해적들이 어슬렁거리는 소말리아 해안선을 따라 데이터베이스 관리자 몇 명을 좌초시켜 나머지는 정신을 차리고 많은 보고서가 통과되지 않도록 하는 것입니다. 당신은 그들에게 일을 하도록 돈을 주고 있는데, 그 일은 Glorious Vaccine이 지금까지 발명된 가장 안전한 약물이라는 대중의 인식을 유지하는 것입니다. 실패는 용납할 수 없습니다.

두 번째는 데이터베이스의 문제가 있는 보고서를 공개적으로 공개하지 않는 것입니다. CDC는 최선을 다했지만 궁극적으로 사기꾼 판사에게 패배했습니다(이는 사법부를 통제해야 할 필요성을 강조합니다):

II-4. 발견된 결과가 문제를 일으킬 수 있는 경우 현상 조사를 허용하지 마십시오.

"당신이 찾는 것을 찾을 것이다"의 반대편은 "당신이 찾지 않는 것을 찾을 수 없다"는 것입니다. 따라서 정권의 서사에 문제가 될 수 있는 무언가의 잠재적 신호를 찾는 사람이 없도록 해야 합니다. 예를 들어 정권이 '실수로' 제3세계 도시에 전염병을 퍼뜨렸다면, 귀찮은 소셜 미디어 음모론자들이 무슨 일이 일어났는지 알아낼 수 없으므로 아무도 부검을 실시하거나 아픈 사람을 검사하지 않도록 하는 것이 가장 좋습니다.

CDC는 정권에 잠재적으로 해로운 데이터를 차단하기 위한 선제적 전략적 사고의 또 다른 예를 보여줍니다.

CDC는 매우 현명하게도 CDC의 VAERS 백신 안전 모니터링 데이터베이스에 보고된 수천 건의 사망자에 대해 아직 단 한 건의 부검도 의뢰하지 않았습니다.섹션 I에서 정의에 터무니없는 조건을 추가하는 부분을 기억하십니까? 기억하지 못한다면 자료를 검토하여 손끝에 두는 것이 가장 좋습니다.)

II-5. 처음에는 데이터의 일부만 게시

종종 데이터의 한 부분만 게시하고 나머지 부분은 나중에 게시하는 것만으로도 뿌리를 내리는 거짓 서사를 만들 수 있습니다. 그래서 결국 나머지 데이터를 게시할 때, 그것이 현재 받아들여진 교리의 근거와 모순된다는 것은 중요하지 않습니다.

예를 들어, 두려운 질병이 실제보다 더 널리 퍼져 있는 것처럼 묘사해야 한다면 버지니아의 최첨단 선전가들의 선례를 따라가서 일부 부정적인 검사 결과를 잠시 보류하여 양성인 검사 결과의 비율을 높일 수 있습니다. 이렇게 하면 더 많은 사람들이 두려운 질병에 걸린 것처럼 보이게 됩니다.

부분적 데이터 공개 기법을 효과적으로 활용할 수 있는 또 다른 시나리오는 정권이 정말 나빠 보이게 만드는 어떤 이유로든 데이터를 공개해야 하는 경우입니다(실제로 발생합니다). 따라서 정말 해로운 자료의 공개를 가능한 한 늦추고 싶을 것입니다. 충분히 기다리면 결국 관련성이 없어질 것입니다. 또한 한꺼번에 모든 것을 버리면 충격 요인이 엄청나고 손에 큰 엉망이 생길 것입니다. 그러나 정보를 뚝뚝뚝 떨어뜨리면 스캔들성 자료가 공개될 때쯤이면 "와우" 충격 요인은 이미 오래 전에 사라지고 사람들은 더 이상 주의를 기울이지 않을 것입니다. 이 전략은 FDA가 시도했지만 대부분 사기성 판사에 의해 좌절되었습니다(배신 판사가 정권에 반항하는 것을 막기 위해 사법 통제가 절실히 필요하다는 것을 강조):

II-6. 허용 가능한 데이터 또는 정보 소스 제한

정권의 서사와 일치하지 않는 데이터를 생성하는 출처가 있을 때(최선을 다해도 가끔씩은 발생합니다), 그냥 선전이나 러시아 봇처럼 믿을 수 없고 위험한 것으로 믿지 마세요.(일반적인 경험칙으로, 긴급한 상황에서는 불편한 정보를 "러시아의 허위 정보"로 돌리거나 귀속시키는 것으로 기본 설정할 수 있습니다.)

이 전략에 대한 증거 A는 CDC가 운영하는 VAERS 데이터베이스가 될 것입니다. VAERS가 Covid 백신으로 인한 백신 부상의 완전히 미친 숫자를 보여주었을 때 –

– 과학 기관 전체가 VAERS를 위험한 허위 정보를 퍼뜨리는 데 사용되는 음모론으로 간단히 분류했습니다.

그러나 이러한 데이터가 단순히 비과학적인 쓰레기로 기각하기에는 너무 어려운 정권 데이터 세트에서 나온 것이라면(그렇습니다, 그런 일이 발생합니다) 게시 중단해 대신 그 책들이 구성이 형편없고 치명적인 오류가 가득하다고 비난합니다.

우리는 이 원리를 설명하기 위해 UKHSA를 사용할 수 있습니다. 거의 모든 연령대에서 원시 백신 효능이 마이너스 영역으로 떨어진 후(백신 접종자는 백신 미접종자에 비해 코로나에 감염될 위험이 더 높음), UKHSA는 단순히 주간 백신 효능 데이터 게시를 중단했습니다.

UKHSA는 또한 문제가 있는 데이터세트의 플러그를 뽑기 위해 너무 오랫동안 기다릴 때 발생하는 일에 대한 경고 이야기를 제공합니다.

이런 헤드라인이 매주 나올 수는 없어!! 백신 접종자가 백신 미접종자보다 코로나에 더 많이 걸리기 훨씬 전에 이 데이터세트를 차단했어야 했어. 이건 강제되지 않은 오류이고, 머리가 굴러가는 바보 같은 실수야. 도대체 왜 80세 노인의 *부스터* 효능이 음성으로 나올 때까지 기다렸을까???? UKHSA의 어떤 사람은 이 책을 한동안 읽지 않았는데, 분명 이 책을 조금 읽어보면 도움이 되었을 거야...

II-7. 엄격하고 신뢰할 수 있는 정보를 결정할 때 이중 기준을 적용합니다.

일부 선전가들은 노골적으로 위선적이 되는 것을 주저할 수 있습니다. 심지어 일부 평범한 농민도 알아차릴 수 있는 두 가지 양립할 수 없는 기준을 공개적으로 가정함으로써 노출되었다고 느끼기 때문입니다. 그러나 이러한 충동과 싸워야 합니다. 이중 기준을 사용하면 대중을 가스라이팅하기 위한 화제와 입장을 만들 때 선택 사항이 기하급수적으로 증가한다는 것을 이해하십시오.

특히 일화의 경우 더욱 그렇습니다. 정권의 주장을 뒷받침하는 일화, 특히 정권이 승인한 출처의 일화는 가장 높은 형태의 증거로 취급해야 합니다. 반면 이단적이거나 승인되지 않은 출처의 일화는 정권 선전과 모순되며, 일화에 불과하며 증거적 가치가 전혀 없으며, 아무 의미가 없다고 비난해야 합니다.

따라서 정권을 따르는 의사와 무서운 질병에 대한 충성스러운 시민들이 사람들을 죽이고 다치게 한 일화는 반박할 수 없는 증거이지만, 영광스러운 백신으로 인한 부상이나 사망에 대한 일화는 정권을 모독하고 그저 살아남고 건강하게 지내고 싶어하는 모든 선량한 사람들을 위험에 빠뜨리기 위해 사악한 사기꾼들이 퍼뜨리는 완전한 날조가 아니라면 무작위적인 우연의 일치에 불과합니다.

이중 기준을 공개적으로 적용하는 것에는 대중에게 데이터나 정보의 신뢰성을 판단하는 실제 기준은 정권이 말하는 내용뿐이라는 생각을 심어주는 중요한 이점이 있습니다.

II-8. 내러티브를 보호하거나 강화하기 위해 데이터를 손상시키세요

때때로, 문제가 있는 데이터를 피하는 가장 쉬운 전략은 단순히 가짜 데이터를 만들어내는 것입니다. 당신은 온전한 천으로 무언가를 만들어낼 수 있습니다. 또는 당신은 더 미묘한 접근 방식을 취하고, 평균적인 사람이 알아차리기 어려운 미묘한 결함이나 편견을 도입하여 데이터를 손상시킬 수 있습니다. 데이터를 조작하거나 위조하는 방법은 무한하며, 여기서 열거하기에는 너무 많습니다. 쉽게 발견되거나 역공학되지 않는 방식으로 데이터를 위조하는 데 주의하세요.

예를 들어, 인구가 실제보다 훨씬 더 많은 무서운 질병 사례가 있다고 믿어야 하는 이전의 가상 상황으로 돌아가서, 무서운 질병이 더 널리 퍼진 것처럼 묘사할 수 있는 또 다른 방법은 현재 아픈 사람의 수와 이미 회복된 사람의 수를 합치는 것입니다. CDC는 항체 검사(이미 코로나에서 회복된 사람의 수를 측정)와 PCR 검사(현재 아픈 사람의 수를 측정)를 하나의 "양성 코로나 검사 결과"라는 척도로 결합하여 이미 회복된 모든 사람을 현재 아픈 사람으로 교묘하게 포함시켰을 때 실제로 정확히 이렇게 했습니다.

위에 밑줄 친 문장을 주목해 보세요. 매우 의미심장한 내용이 담겨 있습니다.

녹색 밑줄이 그어진 문장 – “CDC의 방법을 사용하면 미국이 실제보다 더 많은 검사 능력을 보유하고 있는 것처럼 보입니다.” – CDC가 이 한 가지 작전에서 여러 선전 쿠키를 어떻게 훌륭하게 짜냈는지 살펴보세요. 그들은 활발히 감염된 사람의 비율이 엄청나게 높다는 환상을 만들어냈을 뿐만 아니라, 정부가 실제로 보유한 것보다 사람들에게 바이러스를 검사할 능력이 훨씬 더 크다는 환상도 만들어냈습니다. (정부의 엄청난 무능함에 대한 전설적인 평판이 사람들이 정부에 대해 가지고 있는 가장 악명 높게 반박하기 어려운 개념 중 하나라는 점을 감안할 때, 정부의 유능함을 과시하는 것은 좋은 일입니다.) 날카로운 선전가는 배치된 선전 전술이 주된 의도된 목적을 달성했다는 사실에 만족하는 대신 항상 추가적인 각도에서 이점을 얻으려고 합니다.

빨간색 밑줄이 그어진 문장 - "숫자를 보면 주정부가 충분한 검사 용량을 갖추고 제한을 해제할 준비가 된 것처럼 보일 수 있지만, 그렇지 않을 수도 있습니다"(그리고 실제로 마지막 두 문단) - 는 잠재적인 가시를 싹에서 꺾는 것에 대한 현명한 교훈을 제공합니다. 당신은 항상 - 항상!! - 정권을 전반적으로 지지하지만 공식 정권 서사의 다른 측면을 훼손하기 위해 왜곡될 수 있는 무언가를 포함하는 정보에 대한 *모든* 잠재적 의미나 성급한 해석을 막기 위해 경계해야 합니다. 기본적으로, 당신은 케이크를 가지고 먹을 수도 있습니다! 여기서 인용된 정권 과학자가 어떻게 교묘하게 동시에 (1) 정권의 놀라운 역량의 척도로서 검사 용량 증가에 대한 찬성을 표명하고, (2) [의도적인] "사고"에 대한 책임을 반체제 정당에 돌리고, (3) 국가가 검사를 광범위하게 제공하기 위해 대단한 일을 하고 있지만, 그것이 재개하는 것이 안전하다는 것을 의미하지는 않는다고 경고하는지 감상하세요! 기억하세요, 유지해야 할 팬데믹이 있는데, 이 정권 과학자는 그것을 전문적으로 합니다. (이런 뛰어난 업적을 이룬 정권 과학자에게 후하게 보상하세요. 그러면 나머지 과학자들도 게임을 더 발전시킬 인센티브가 되고 사기를 북돋우는 데도 좋습니다.)

또한 미디어는 당신이 실패할 수 없는 중요한 정권 동맹이라는 것을 알아두세요. 그러니 편안한 관계를 유지하기 위해 해야 할 일을 하세요. 여기서 인색하게 행동하지 마세요.

II-9. 문제가 있는 데이터 삭제

그래. 힐러리의 이메일을 Bleach Bit-ing하는 것과 같다. 정권의 서사나 입장과 일치하지 않는 데이터를 때때로 데이터베이스에서 제거하는 것은 좋다. 그렇지 않으면 정권 반체제 인사나 허위 정보 유포자가 알아차릴 수 있는 분명한 추세로 축적될 수 있다.

예를 들어 Glorious Vaccine의 안전 데이터베이스에 너무 많은 보고서가 포함되어 있는 경우 CDC가 하는 것처럼 간단히 보고서를 삭제하면 됩니다. 아래 차트는 CDC가 매주 삭제하는 문제가 있는 VAERS 보고서 수를 보여줍니다.

이 경우 CDC의 VAERS 직원들이 대부분의 시간 동안 성과가 저조했음을 주목하세요. 중요한 인력이 게으르게 지낼 수는 없습니다. 이 전체 차트는 막대를 위쪽까지 표시해야 합니다. 2021년 2022월에 XNUMX년 XNUMX월과 XNUMX월에 한 것처럼 많은 VAERS 보고서를 삭제할 수 없는 타당한 이유는 없습니다. 보고서 삭제를 처리하기 위해 추가 인력을 고용해야 한다면 그렇게 하세요.

또한, 이 게으른 놈들은 왜 처음부터 그렇게 많은 보고서가 쌓이도록 내버려 두었을까요?? 그런 데이터베이스에는 처음부터 보고서가 충분하지 않아야 하는데, 그러면 해당 보고서를 매주 대량으로 정리해야 할 필요가 생기겠죠.

아마도 이 책 전체에서 가장 중요한 교훈은 이것일 것입니다. 선전을 유포하고 유지하는 데 있어서 지루하고 우스꽝스럽고 지루한 세부적인 사항은 거대한 거짓말이나 숨 막힐 듯한 언어 체조만큼이나 중요합니다.

사람들이 누락된 데이터가 있다는 것을 알아낸다면 이에 대한 정당한 이유나 설명을 내놓기 위해 창의력을 발휘해야 할 수도 있으니, 만약의 경우에 대비해 사전에 논의할 주제를 준비하세요.

실제로 교활한 데이터 삭제가 행해진 또 다른 훌륭한 사례는 호주 정부가 수년 전 인간의 탄소 배출로 인한 것이라고 비난할 수 없을 만큼 열 기록을 보여주는 불편한 기후 데이터를 제거하기 위해 수행한 다음과 같은 뛰어난 삭제입니다.

불행히도, 그들은 발각되었고, 정말 중요하고 눈에 띄는 것을 삭제하려고 할 때 종종 불가피한 일입니다. 그래서 굴라그 시스템을 준비하고 24시간 내내 대기하여 갑자기 새로운 수감자가 급증하는 것을 처리하는 것이 필수적입니다(호주의 격리 수용소처럼).

II-10. 자신의 이야기를 반박하는 것처럼 보이는 거짓 데이터를 만들어서 반대자를 속이고 불신하게 만듭니다.

선전 활동을 부식시키는 지속적인 정보 위협에 직면했을 때, 이것은 그들의 권위, 신뢰성, 영향력을 약화시키는 매우 교활한 전술입니다. 단순히 표면적으로는 정권의 서사를 반박하는 것처럼 보이지만 쉽게 반증되는 거짓 데이터를 내놓기만 하면 됩니다. 국가의 비겁한 적들은 의심할 여지 없이 이 거짓 정보나 데이터를 이용할 것이고, 따라서 그들이 지금은 명백히 우스꽝스러운 주장에 속았다는 것을 당신이 증명하면 신뢰를 잃게 될 것입니다.

군대가 DMED라고 불리는 모든 군의 모든 의학적 상태에 대한 자체 데이터베이스에서 한 일과 같습니다. 그들은 의도적으로 암, 유산, 그리고 신성한 코로나 백신과 관련된 다른 모든 종류의 의학적 상태에서 엄청나게 증가한 것을 보여주는 완전한 OMG!!!!!!! 순간처럼 보이는 가짜 데이터를 그 안에 넣었습니다. 그런 다음 몇몇 영웅적인 군의관들이 DMED 데이터를 발견했을 때, 그들은 그것에 속아넘어갔습니다... 이로 인해 전체 스토리가 망가졌습니다. (이에 대한 자세한 타임라인과 설명은, 여기를 참조.)

II-11. 사진, 밈 또는 기타 유형의 미디어를 사용하여 대담하고 뻔뻔스럽게 거짓말을 합니다.

과학이나 데이터에 대한 대중의 인식은 대부분 과학이나 데이터의 시각적 표현으로 귀결됩니다. 좋은 밈이나 이미지는 사람들에게 거짓 데이터가 100% 사실이라는 확신을 심어주는 방식으로 완전히 거짓된 데이터를 효과적으로 전달할 수 있습니다.

예를 들어, 무서운 질병으로 인한 심근염의 비율과 심각도가 영광스러운 백신으로 인한 심근염의 비율과 심각도보다 훨씬 더 나쁘다고 표현하고 싶다면 정확히 그 반대가 사실임에도 불구하고, 다음과 같이 강력한 이미지를 만들 수 있습니다.

이제 사람들은 본능적으로 "무시무시한 질병인 심근염"을 거대한 버섯 구름 종말과 연관시킬 것이고, 반면에 영광스러운 백신에서 나오는 심근염은 차트에도 나오지 않는 작고 별 것 아닌 것에 불과할 것입니다.

II-12. 데이터를 잘못 표현하는 데이터 시각화 만들기

때로는 정말, 정말 나쁜 데이터를 게시하지 않을 수 없습니다(정권이나 과학™️). 하지만 다행히도 대부분 사람들(과 학자들)은 차트나 그래프 옆에 인쇄된 단어를 읽기에는 너무 게으른 얕은 바보들입니다. 그래서 당신은 데이터가 말하는 것을 왜곡하거나 숨기는 시각화 방식으로 데이터를 교묘하게 표현할 수 있습니다.

최고의 과학 저널 중 하나인 Science™️ 저널의 예를 들어 설명해 보겠습니다. 랜싯. 그만큼 랜싯매년 전 세계적으로 극심한 추위와 극심한 더위로 인한 사망자 수를 추산한 연구를 발표했습니다. 전 세계 정부는 지구 온난화가 인류에게 치명적인 위험이라는 허구를 유지하기를 원하기 때문에 더위로 인한 사망자 수가 추위로 인한 사망자 수보다 많다는 것을 보여야 했습니다. 최소한 두 숫자는 같아야 했습니다. 따라서 랜싯 추위로 인한 사망자가 더위로 인한 사망자보다 많다는 사실을 발견했습니다. 10 대 1의 차이로 (문자 그대로) 그들은 그 불편한 사실을 위장하는 차트를 만드는 방법을 알아내야 했습니다. 그 결과 왼쪽에 아래 차트가 생겼습니다.

파란색 막대는 추위로 인한 사망자 수를 나타내고, 빨간색 막대는 더위로 인한 사망자 수를 나타냅니다. 막대가 클수록 사망자 수가 더 많습니다. 그래서 그들은 빨간색 막대를 파란색 막대만큼 크게 만들어야 했습니다. 그래서 그들은 교활한 작은 속임수를 썼습니다. 막대의 크기를 특정 사망자 수로 변환하는 보라색 밑줄이 그어진 숫자를 보면 파란색 막대(추위로 인한 사망자 수)의 경우 막대 50인치가 사망자 10명을 나타내는 반면 빨간색 막대(더위로 인한 사망자 수)의 경우 막대 5인치가 사망자 210명에 불과하다는 것을 알 수 있습니다. 따라서 같은 크기의 막대는 겉모습이 비슷하더라도 추위로 인한 사망자 수가 더위로 인한 사망자 수의 10배임을 나타냅니다. 하지만 사람들은 주의를 기울이지 않고 "아, 비슷해 보이니까 추위로 인한 사망자 수와 더위로 인한 사망자 수가 거의 같을 거야."라고만 말합니다. (그리고 그들은 마지막 XNUMX인치의 빨간색 막대가 XNUMX명이 아니라 XNUMX명의 사망자를 나타내는 거대한 간격을 몰래 넣으려고 했습니다(주황색 화살표).)

만약 그들이 추위로 인한 사망과 더위로 인한 사망에 같은 척도를 사용한 정직한 차트를 만들었다면, 오른쪽 차트와 비슷했을 것입니다. 문제는, 그 차트를 한 번 보면 극심한 추위가 극심한 더위보다 훨씬 더 큰 위협이라는 뚜렷한 인상을 받게 되는데, 이는 지구 온난화가 실제로 인류에게 유익할지에 대한 불편한 의문으로 이어질 수 있습니다.

주의 사항: 이 전략을 사용할 때는 랜싯보다 더 미묘하고 신중해야 합니다. 랜싯에서는 일반인이라도 손재주를 쉽게 알아낼 수 있었기 때문입니다.

과학 조작

"이를 위해 리센코는 다른 관행들 중에서도 얼린 물에 담가두는 방법을 통해 소련 작물이 일년 중 다른 시기에 싹을 틔우도록 "교육"하기 시작했습니다. 그런 다음 그는 미래 세대의 작물이 이러한 환경적 신호를 기억하고, 스스로를 치료하지 않더라도 유익한 특성을 물려받을 것이라고 주장했습니다."¹

과학을 조작하는 것은 새로운 일이 아닙니다. 다행히도 선전가에게는 과학은 정권이라면 마음대로 조종하기 매우 쉽습니다. 스탈린 동지의 지원을 받았을 때 Trofim Lysenko의 업적을 살펴보세요. 다음 섹션에서는 정권의 서사와 목표를 뒷받침하기 위해 과학을 성공적으로 조작하는 데 필요한 작업을 자세히 설명합니다.

과학 조작의 협력적이고 효과적인 기업에 대한 완벽한 예는 Big Pharma의 잘 기름칠된 선전 기계입니다. 반항적인 과학자 그룹은 Big Pharma가 과학과 데이터를 마음대로 통제하고 조작하는 방법을 정확하게 표현하기 위해 함께 공모했습니다.

분명히, 그 사실은 이 기사는 아직 공개적으로 접근 가능합니다. 정권 검열관의 놀라운 실패입니다. 기능적인 정부가 있는 나라에서, 정권에 대한 그런 대담한 공격의 모든 저자(그리고 그것이 출판되는 것을 막지 못했거나 그것을 삭제하지 않은 검열관)는 어제 북극으로 추방될 것입니다.

사이드바: 이 저자들은 우리가 정권의 의도에 맞게 과학을 어떻게 타락시키는지 정확하게 설명합니다. 이러한 기사는 공개적으로 유포되는 것은 당연히 허용되지 않지만 정권 선전가들에게 유포하여 효과적으로 선전하는 방법을 더 잘 이해시키는 것은 완벽하게 허용됩니다..

또한 주의해야 할 점은 제약 회사, 즉 "빅 파마"는 일반적으로 정권을 준수하지만, 제약 회사가 '덜' 준수하게 되면 당연히 그들의 사악한 사기에 대해 기소해야 한다는 것입니다. 또한 몇 년마다 충성스러운 제약 회사에 많은 돈을 벌금으로 부과하여 국민이 정권이 빅 파마와 적대적인 관계에 있다고 생각하게 하고, 따라서 정권과 제약 회사가 공모하고 있다는 사실을 깨닫지 못하게 해야 합니다. 수십억 달러는 그들의 대차대조표에 큰 문제가 되지 않습니다.

섹션 III – 어떤 데이터가 공식 과학으로 간주되는지 검토

공식 과학에 어떤 데이터를 포함할지 신중하게 선택하세요. 과학적 정보라는 칭호를 가진 정보는 대중에게 훨씬 더 큰 무게와 신뢰성을 지니며, 정권의 서사를 따르기를 거부하는 사람들조차도 마찬가지입니다(아무도 "반과학"으로 여겨지기를 원하지 않습니다. 현대 사회에서 이는 인종차별주의자가 되는 것만큼이나 나쁩니다).

III-1. 문제가 있는 연구는 게재하지 말고 게재되면 철회하라

공식적인 과학 연구가 정권의 서사를 무너뜨리는 것을 막는 가장 확실한 방법은 공식성을 벗겨내는 것입니다. (그러면 아무도 접근할 수 없는 곳에 숨겨두고 철회되었으니 부패한 반과학 이단자들이 이상한 비타민 조제를 팔아 부자가 되고자 하는 허황된 사기성 쓰레기 과학이었다고 주장합니다.)

그러나 신속하게 행동하도록 주의해야 합니다. 너무 오래 기다리면 승인되지 않은 과학의 사본이 정권에 반대하는 불신자나 이단자들 사이에서 비밀리에 유통되어 거의 신화적인 지위를 차지할 수 있기 때문입니다. 그리고 일단 연구가 사람들의 경험에 "진짜 연구"로 자리 잡으면 철회하면 그들은 당신이 "진실"을 숨기려고 필사적이라고 생각할 뿐입니다.

코로나 기간 동안 정권의 서사에 해로운 연구의 영광스러운 철회를 살펴보세요(이것은 36페이지 중 첫 페이지에 불과합니다):

이런 불법적인 연구가 그대로 방치되어 철회되지 않았다면 얼마나 더 많은 피해가 발생했을지 상상해 보세요!

또한 이단적 연구(또는 우연히 이단적 결과를 발견한 좋은 과학)의 일부에 불과한 연구들이 세상에 알려지지도 않았을 수 있다는 것을 상상해 보세요.

III-2. 데이터 세트의 어떤 부분이 "공식 과학"을 나타내는지 엄선하여 선택

정권의 주장을 뒷받침하는 데이터 세트의 선택된 부분만 활용하고, 정권의 입장과 맞지 않는 데이터 세트의 부분은 삭제(또는 더 좋게는 숨기기)하는 것만으로도 과학을 얼마나 급격하게 바꿀 수 있는지 놀랍습니다.

예를 들어, 우리가 정권에서 다음 두 가지 추세를 본다고 가정해 보자. 선전 Glorious Vaccine에 대한 안전 모니터링 데이터베이스.

(불행히도, 당신은 새로운 것에 대해 불안해하는 불안한 시민들을 달래기 위해 안전을 감시하는 척해야 하고, 또한 정권이 문제가 있는 안전 데이터를 숨겼다고 비난하려는 잠재적인 비판자와 허위 정보 확산자에 대한 기성 대응책을 마련하기 위해서도 안전을 감시하는 척해야 합니다. 그리고 당신은 이것을 매우 심각하게 받아들이는 척해야 합니다..)

어쨌든, Glorious Vaccine을 백만 회 접종할 때마다 살점을 먹는 좀비로 안전하고 효과적으로 변형된다는 보고가 26,878건 있지만, 백신을 접종한 직후 살점을 먹는 박테리아에 의해 사망했다는 보고는 2건뿐이라고 가정해 보자.

이것이 대중 담론에 나오게 할 수는 없습니다. 그렇게 되면 백신에 대한 주저가 커지고 사람들이 정권의 서사를 전반적으로 의심하게 될 것입니다. 심지어 다른 것에 대해서도 말입니다. 하지만 PROPAGANDA 데이터베이스에서 Glorious Vaccine으로 인한 잠재적 부상률이 무시할 만하다는 것을 보여줘야 합니다. (안전 데이터베이스를 언급할 때마다 이러한 보고서가 Glorious Vaccine이 원인이라는 것이 확인된 것이 아니라 잠재적 연관성일 뿐이라는 점을 강조해야 합니다.)

여기서 해결책은 매우 간단합니다. 영광스러운 백신으로 인해 2회 복용량당 끔찍한 살점을 먹는 박테리아에 감염된 사람의 보고가 100,000건에 불과하다는 것을 보여주는 데이터만 사용하면 됩니다. 그러나 안전하고 효과적인 육식 좀비 변신의 26,878회 복용량당 100,000건의 보고는 가능한 한 대중적으로 무시해야 하며, 무시할 수밖에 없다면 검증되지 않은 비과학적이고 따라서 무의미한 보고로 비난해야 하며, 따라서 중요하지 않습니다. 그리고 감히 당신에게 그것에 대해 묻는 미디어를 꾸짖어야 합니다. (이상적으로는 충성스러운 정권 기자와 공모하여 그가 이 문제에 대해 질문하도록 해야 합니다. 그러면 "일부 극단적인 사람들이 영광스러운 백신이 수만 건의 선정적인 부상을 입혔다고 주장하고 있는데, 그들이 선전 데이터베이스의 보고서를 어떻게 왜곡하는지 설명해 줄 수 있습니까?"와 같이 무시하는 방식으로 문제를 제기할 수 있습니다.)

또한, 사람들을 진정시키려는 상황에서는 "무서운"이라는 단어를 절대 사용하지 마세요. 절대요. 설명하는 내용이 객관적으로 무서운 것이라 하더라도요. 본질적으로 무서운 것을 설명할 때는 대신 크고 학문적인 과학적인 단어를 사용하세요. 따라서 "살을 먹는 박테리아"는 '괴사성 근막염'으로 설명될 수 있는데, 아무도 그것이 무슨 뜻인지 전혀 알지 못합니다(그리고 대부분의 사람들은 구글링해서 알아내는 것조차 게을러요). 심지어 'i'가 두 개나 있어서 지적인 면에서는 꽤 인상적으로 들리는데, 마치 그렇게 정교한 것에 죽는 것이 사실상 특권인 것처럼 들립니다.

그렇게 복잡하지 않아요. 금방 요령을 터득할 거예요. (그리고 만약 그렇지 않다면 어차피 오래 살지 못할 거예요.)

주의 사항: 정권이 지지하거나 의무화한 제품이 위험한 상황이 있을 때(**자주 그럴 것입니다**) 자신의 선전에 속지 않도록 주의해야 합니다. 그렇지 않으면 다음 네 명의 미국 상원의원처럼 안전하고 효과적인 좀비가 될 수 있습니다.

III-3. 지연 보고 데이터

공식 과학에 어떤 데이터가 포함되는지 조사하는 더 교묘한 방법은 데이터나 정보를 부정직하게 보고하는 것입니다. 다양한 데이터 하위 집합의 보고 시기를 전략적으로 조정하는 것은 과학적 데이터를 조작하는 간단하면서도 강력하게 효과적인 방법입니다. (이것이 어떻게 작동하는지 이해하는 것에 대해 걱정하지 마십시오. 그저 작동한다는 것을 알고, 이를 가장 잘 구현하는 방법을 알아낼 수 있는 유능한 통계학자를 고용하십시오.) 많은 계산은 보고된 데이터의 타이밍에 의존하므로 최적의 시기에 데이터의 다양한 부분을 신중하게 공개하여 데이터가 무엇을 보여주는지 제어할 수 있습니다.

예를 들어 사망자 보고 1주일 지연 의료 개입의 겉보기 효능이나 안전성을 근본적으로 바꿀 수 있습니다. 문자 그대로 사망자 보고를 일주일 늦추면 효과가 전혀 없는 것을 95% 효과적인 것처럼 보이게 만들 수 있습니다. (자세한 내용은 링크를 따라가면 알 수 있지만, 이 특정 전략은 바보 가이드에 너무 복잡하고, 여기에 심층적인 설명을 포함하면 앞으로 밝은 미래가 있는 싹트는 선전가가 설명을 따르지 못하면 우울해지고 자신의 능력을 의심하게 되어 그만두게 될 수 있으며, 이는 비극이 될 것입니다. 정말입니다.)

섹션 IV – 연구 조작 방법

아마도 과학을 조작하는 데 필요한 가장 중요한 기술은 필요한 결과를 얻기 위해 연구를 설계하고 조작하는 능력일 것입니다.

[참고 : 연구의 실제 조작은 항상 연구를 생업으로 하는 전문가(PI, 또는 주요 연구자라고 함)가 수행합니다. 따라서 이런 것에 능통할 필요는 없습니다. 하지만 기본 사항을 충분히 파악하는 것이 도움이 됩니다.]

연구(특히 일반적으로 Science™️의 "골드 스탠다드"로 여겨지는 거대하고 화려한 연구)는 무수히 많은 방법으로 조작할 수 있는 엄청나게 복잡한 짐승입니다. 연구를 마음대로 움직일 수 있는 손에 든 꼭두각시로 만들기 위해 악용될 수 있는 더 두드러지고 간단한 유형의 속임수, 조작 및 설계 결함을 설명하겠습니다.

[참고 : – 다음 조작을 구현하는 데는 정교함의 단계가 많습니다. 우리는 어떠한 화려한 장식이나 장신구도 추가하지 않고 원칙을 간단하고 단순하게 적용하여 기본 개념만 설명하고 설명할 것입니다. 여기서의 목표는 다양한 유형과 데이터 조작 방법을 이해하는 것입니다. 나중에 보다 진보된 방법론에 대해 스스로 교육할 수 있습니다(물론 매우 권장되고 권장되는 일입니다).

IV-1. 연구 조작 전략 #1: 연구 프로토콜 설계 조작

이 섹션과 관련된 대부분의 자료는 연구 프로토콜의 실행을 방해하는 것을 다루는 다음 섹션과도 관련이 있으므로, 여기서는 프로토콜 자체의 설계를 조작하는 데 사용되는 독특한 전술에 대해서만 다루겠습니다.

연구 프로토콜은 기본적으로 연구가 어떻게 진행될지 지시하는 규칙책과 같습니다. 따라서 필요한 결과에 유리한 규칙을 작성해야 합니다.

A) 카드 쌓기 - 연구 대상을 해당 연구 및 통제 그룹에 전략적으로 할당합니다.

거의 모든 대규모 특수 연구에는 두 그룹이 있습니다. 연구 그룹과 대조군입니다. 새로운 약에 대한 연구에서 연구 그룹은 약을 받고 대조군은 받지 못합니다. 이론적으로 약이 효과가 있다면 연구 그룹보다 대조군에 아픈 사람이 더 많아야 합니다.

따라서 새로운 요법 Wunder-drug을 시험하기 위한 연구를 진행 중이라면, 연구 그룹보다 더 많은 건강하지 못한 사람들을 대조군에 넣어 요법 약물이 효과가 없더라도 연구 그룹이 더 나은 성과를 낼 수 있도록 할 수 있습니다. (물론 연구 문서에서 이런 일이나 다른 전술적 술책을 저질렀다는 사실을 인정해서는 안 됩니다.)

B) 연구에 포함될 피험자를 신중하게 조사합니다.

결과에 문제를 일으킬 가능성이 있는 사람들을 차단하는 것만으로도 많은 골치 아픈 일을 피할 수 있습니다.

예를 들어, 안전하고 효과적이라는 것을 증명하고자 하는 신약을 테스트하는 경우, 특히 나쁜 반응이나 효과가 없는 경향이 있는 사람들을 배제하세요. 아이디어를 얻으셨죠. (마치 그들이 코로나 백신 시험에 오래된 합병증 환자를 포함하지 않은 것처럼, '99% 효과적'이라는 허튼소리가 드러났을 것입니다.)

IV-2. 연구 조작 전술 #2: 연구 프로토콜 실행 방해

종종, 당신은 원하는 결과를 내기 위해 연구 프로토콜 자체를 완전히 조작할 수 없을 것입니다. 그런 경우, 대신 공식 연구 프로토콜의 구현이나 준수를 방해해야 합니다. 이것은 매우 쉽게 할 수 있으며, 이를 달성하는 방법은 말 그대로 무한합니다.

참고 : 수천 명의 피험자와 인력이 참여하는 대규모 연구에서 발생할 수 있는 다양한 문제와 스트레스 상황을 피하기 위해 사전에 물류를 계획하는 것이 현명합니다. 예를 들어, 특히 성가신 약물이 실제로 치명적이라는 것을 '보여주고' 싶다면 공공 장소에서 시체를 신속히 제거할 수 있는 시체봉투를 준비하고, 시체에 포함될 수 있는 바람직하지 않은 법의학적 또는 병리학적 증거를 파괴할 수 있는 24시간 연중무휴 화장 시설을 준비해야 합니다.)

프로토콜 방해 행위 #1: 연구 치료/중재 시행[연구 그룹에]

사람들은 연구 대상자에게 약을 주는 것이 복잡하지 않고 간단하다고 생각합니다. 그들은 틀렸습니다. 매우 매우 틀렸습니다. 다음을 포함하여 연구 대상자에게 치료를 투여하는 방법을 미묘하게 조정하여 전체 연구를 자주 제어할 수 있습니다.

• 투여량/개입량 – 목표에 따라 약물을 과다복용하거나 과소복용할 수 있습니다. 약물이 효과가 없어 보이도록 하려면 과소복용하면 효과가 없게 됩니다. 약물이 위험하다는 것을 보여주고 싶다면 복용량을 매우 독성이 강한 수준으로 높이면 됩니다.
• 치료 시행 시기 – 약물을 방해하는 또 다른 방법은 효과가 없을 정도로 환자에게 너무 일찍 또는 너무 늦게 주는 것입니다. 이를 달성하기 위해 선택할 수 있는 다양한 방법이 있습니다. 예를 들어, 환자에게 우편으로 약물을 보낼 수 있는데, 이는 불가피하게 일정에 며칠을 더 추가하게 됩니다(데이비드 볼웨어 이버멕틴 특집).
• 제품의 품질 - 즉 순도/효능 – 오염되거나 제조 품질이 좋지 않은 제품은 고품질 성분과 이상적인 제조 관행을 완벽하게 준수하여 제조된 순수한 제품과 같은 기능을 하지 않습니다.

(참고 : 약물이나 개입의 다양한 버전이 어떻게 기능하는지 이해하기 위해 항상 동물과 인간에 대한 비공식 임상 전 연구를 수행해야 합니다. 오염된 버전을 연구에 적용하기 전에(정상적인 약물 제형에 대한 공식적인 임상 전 연구 외에도) 수행해야 합니다. 그렇지 않으면 실수로 자신의 방해 시도를 방해할 위험이 있습니다. 연구를 수행하는 요점은 미리 정해진 결과를 보여주는 것이지 새로운 과학적 통찰력을 발견하는 것이 아니라는 점을 기억하세요! 연구하는 약물이나 개입이 실제로 어떤 역할을 할지에 대한 불확실성이나 예측 불가능성은 성공적인 연구 조작에 대한 크립토나이트입니다. 아니면 최소한 지금은 극도로 지저분한 연구의 위험과 불편한 데이터의 미로를 헤쳐 나가는 동안 정말 심한 두통을 겪을 것입니다.)

• 개입 대신 식염수나 위약을 사용하세요 – 정권이 선택한 개입의 위험을 최소화할 수 있는 또 다른 방법은 치료 대신 위약을 투여하여 개입의 독성에 노출되는 것을 줄이는 것입니다. 물론, 식염수를 사용하면 약물이 효과가 없다는 것을 보여주는 원치 않는 부작용이 발생하지 않도록 해야 하므로 이 전략은 일반적으로 다른 프로토콜 조작이나 불륜과 함께 사용됩니다.
• 믹스 앤 매치 – 이러한 제안 중 어떤 것도 항상 혼합하여 사용할 수 있습니다. 예를 들어, 다음을 제공할 수 있습니다. 일부 치료 대상자의 다른 제품. 또한 이러한 제안 중 두 개 이상을 조합하여 사용하여 연구 그룹의 다른 부분을 다른 제안으로 다룰 수 있으며, 이렇게 하면 외부인이 프로토콜 위반을 발견하기 더 어려워질 수 있습니다.

프로토콜 방해 행위 #2: 연구 그룹에 위약 투여

이것은 본질적으로 이전 섹션의 반대편입니다. 위약에 적용되는 약간 독특한 몇 가지 특정 전략이 있습니다.

• 대조군/위약군에 개입을 제공하십시오 – 연구에서 치료에 대한 효능이 나타나지 않을 것이라는 것을 보장하는 한 가지 방법은 대조군에도 치료를 제공하는 것입니다. 두 그룹 모두 치료를 받으면 치료 그룹이 치료 덕분에 더 나은 성과를 보였다는 것을 보여주는 차이가 없을 것입니다.
  이를 수행하는 더 쉽지만 위험한 방법은 연구 인력이 위약으로 위장하여 대조군에 약물을 직접 제공하는 것입니다. (이것은 충분히 쉬운데, 위약은 대조군 피험자가 약물을 투여받지 않았다는 것을 알아차리지 못하도록 치료와 동일하게 보이고, 느껴지고, 맛이 나고, 냄새가 나야 하기 때문입니다.)

더 어렵지만 덜 위험한 방법은 대조군 피험자에게 연구 밖에서 치료를 받도록 밀어붙이는 것입니다. 예를 들어, 약물과 현저히 다른 위약을 사용할 수 있습니다. 연구 피험자는 구글을 통해 이것이 약물의 모양, 냄새, 맛이 아니라는 것을 쉽게 알아낼 수 있기 때문에, 약물을 사용하여 치료하는 질병이나 상태로 인해 죽거나 쇠약해지는 합병증을 겪고 싶지 않기 때문에 실제 약물을 따로 구하려고 노력할 것입니다.

혹은, 연구 대상인 치료법에 대해 이미 폭넓은 노출을 경험한 지역에서 연구를 진행하기로 선택할 수도 있습니다. 그러면 연구 대상자 집단은 이미 해당 약물을 사용하거나 적어도 약물을 공급받고 있는 사람들로 완전히 오염될 것입니다.

(이 전략은 성가신 반과학 이단자들의 눈에 띄게 될 위험이 있다는 점을 명심하세요. 연구가 수행된 곳에서 해당 약물에 대한 인지도 및/또는 사용이 널리 알려져 있기 때문입니다.)

• 위약제를 첨가하다 – 불활성 위약이 마음에 들지 않으면, 부작용 및/또는 치료 효과를 유발할 수 있는 조금 더 '활기찬' 위약을 첨가할 수 있습니다.

한 가지 구체적인 방법은 치료 성분을 사용하여 위약을 증가시키는 것입니다. 이는 활성 치료 성분 외의 다른 성분이나 성분으로 인해 발생하는 치료의 문제가 있는 부작용을 숨기는 데 특히 유용할 수 있습니다. 위약에 이러한 성분을 넣으면 두 그룹 모두 유사한 부작용을 갖게 됩니다.

(주의 사항: 부작용이 너무 두드러지는 경우, 연구 대상 대조군에서 특정 부작용 비율이 일반 인구보다 훨씬 높다는 것을 사람들이 알아차리면, 단순히 치료의 독성 성분을 위약에 넣는 것 자체가 문제가 될 수 있다는 점을 명심하세요.)

프로토콜 방해 #3: 연구 대상자에게 행동을 수정하도록 인센티브를 제공하세요

연구 대상자의 행동은 프로토콜을 설계하고 연구를 수행할 때 종종 중요한 고려 사항입니다. 이를 유리하게 활용하세요.

인센티브에는 3가지 기본 유형이 있습니다.

• 금전적 유인 – 행동에 대한 인센티브를 제공하는 가장 확실한 방법 중 하나는 재정적으로 보상하는 것입니다.
  • 연구 내에서 부패한 뇌물 수수 계획을 실행할 수 있습니다. 예를 들어, 연구에서 피험자에게 정보를 보고하도록 요청하여 결과를 얻는 경우(예: Glorious Intervention을 받은 후 경험한 부작용) 피험자에게 부작용을 보고하지 않도록 돈을 지불할 수 있습니다. 그러나 비밀을 유지해야 하며 아무도 그것에 대해 알지 못하도록 해야 하며 이는 까다로울 수 있습니다.
  • 또는 연구가 진행되는 환경을 조작하거나 이용하여 재정적 이익을 분배하기 위한 중개자 또는 중개자 역할을 할 수 있습니다. 예를 들어, 무서운 질병의 전염을 차단하기 위한 잠재적 개입의 효과를 테스트하는 경우, 무서운 질병에 감염되지 않은 경우에만 사람들이 출근할 수 있는 장소에서 연구를 수행하여 사람들이 양성 반응을 보고하지 않도록 하는 이러한 내장된 인센티브를 활용할 수 있습니다(그들은 전체 급여를 원합니다).
• 사회적 압박 – 두 번째 유형의 인센티브는 사회적 압력입니다. 이는 동료, 정치 세력, 사회 집단, 전문가 동료, 기관, 유명인 또는 사회의 다른 영향력 있는 출처에서 나올 수 있습니다. 요점은 이러한 것 중 하나 또는 전부를 유리하게 사용할 수 있다는 것입니다. 
  예를 들어, 무서운 질병의 확산을 막는 Wondrous Cloth Shield의 효과를 테스트하기 위한 연구를 진행 중이라고 가정해 보겠습니다. 따라서 제3세계 국가의 일부 마을에 Wondrous Cloth Shield를 주고, Wondrous Cloth Shield를 받지 못한 마을로 대조군을 만듭니다. 이 장치가 얼마나 놀라운지 마을 사람들 앞에서 보여줄 수 있습니다. 또한 마을의 원로들에게 Wondrous Cloth Shield가 하늘의 선물이라고 선포하게 하여, 이를 착용하는 것을 도덕적 미덕으로 삼고, 더 중요한 것은 이를 착용하더라도 무서운 질병에 감염되는 것을 종교적 실패의 표시로 삼을 수 있습니다. 이로 인해 이들은 무서운 질병 사례를 보고할 가능성이 훨씬 낮아지며, 특히 Wondrous Cloth Shield를 받지 못한 마을과 비교했을 때 그렇습니다. 이는 Wondrous Cloth Shield가 무서운 질병 전염을 줄이는 데 효과가 있는 것처럼 보이게 합니다.
• 가혹한 처벌 – 연구 대상자가 당신이 원하는 것을 정확히 하지 않으면 온갖 끔찍한 결과를 위협할 수 있습니다. 이는 법치가 거의 없거나 전혀 없고 부패가 규칙인 제3세계 국가에서 특히 쉽게 구현할 수 있습니다. 당신이 진지하다는 것을 보여주기 위해 누군가의 예를 미리 만드는 것이 유용할 수 있습니다. 예를 들어, 수단의 감옥으로 무작위로 누군가를 보낼 수 있는데, 그곳에서 그들은 살아서 돌아올 가능성이 거의 없습니다.

프로토콜 방해 #4: 무능한 사람을 고용하여 연구를 진행하다

연구, 특히 어떤 종류의 실험을 수행하는 연구(기존 데이터 세트를 분석하는 것과는 대조적으로)는 일반적으로 수행하는 데 많은 직원이 필요합니다. 무능한 직원을 고용하는 것은 연구에서 나오는 불편한 데이터를 "마사지"할 수 있는 여유를 갖는 좋은 방법입니다. "이 데이터는 직원이 망쳤기 때문에 오류가 있습니다." 그러니 당연히 "오류"를 "수정"해야 합니다.

더욱 중요한 점은, 무능한 직원은 합법적인 연구가 어떻게 운영되어야 하는지에 대한 지식이나 경험이 없기 때문에, 연구를 조작하고 있다는 것을 알아차릴 가능성이 낮다는 것입니다.

프로토콜 방해 #5: 연구에서 문제가 되는 연구 대상이나 이벤트를 제거하세요.

이건 당연한 "Duh"입니다. 만약 Glorious Vaccine의 3상 시험에 참여한 몇몇 피험자가 Glorious Vaccine을 주사한 직후 심각한 부상을 입었다면, 글쎄요, 그들이 "안전하고 효과적"이라는 이야기를 망치게 할 수는 없습니다. 하지만 다행히도 해결책은 간단합니다. 그들을 연구에서 제외하는 것입니다.

외부 관찰자에게는 의심스럽지도 않을 겁니다! 모든 연구에는 연구 프로토콜을 위반하거나 "개인적인 이유"로 떠나고 싶어하는 피험자를 퇴장시킬 수 있는 규칙이 프로토콜에 기록되어 있습니다. (정치인이 "가족과 더 많은 시간을 보내기 위해" 사임한다고 말할 때마다 생각해 보세요. 같은 생각입니다.) 하지만 대부분 학자들은 이런 것에 속아 넘어갑니다.

처음부터 프로토콜을 설계하는 방법에 대해 정말 똑똑하다면 피험자가 연구 외부의 의사로부터 치료를 받는 것을 금지하는 조건을 추가할 것입니다. 따라서 피험자가 안전하고 효과적인 심근염이나 경미한 벨 마비와 같이 다소 마비되는 것과 같은 불쾌한 부작용을 겪으면 가장 가까운 ER로 곧장 갈 것입니다... 이는 연구 프로토콜을 명백히 위반하는 것입니다!! 안녕 문제.

실제 세계의 거장을 보고 싶다면, 백신에 대한 파이저의 3상 키디 임상 시험을 담당하는 사람만 보면 됩니다. 매디 드 가라이라는 임상 시험 대상자가 백신을 맞은 지 24시간 만에 여러 가지 심각한 신경 손상을 입었을 때(영구적으로 영양 튜브와 휠체어를 사용하는 것과 같은 생활 방식 '조정'이 포함됨), 그들은 그녀를 연구에서 그냥 제외했습니다. 그리고 그녀의 부상을 '해결되지 않은 복통'으로 기록했습니다. 그들은 또한 주요 임상 시험에서 또 다른 사람인 아우구스토 리우라는 변호사를 제외했는데, 그는 1회 투여 후 경미하고 안전하고 효과적인 심낭염을 앓았기 때문입니다.

AstraZeneca도 마찬가지다. Brianne Dressen은 1회 복용 후 쫓겨났지만, 개인적인 이유로 철회했다고 한다. 알겠지? 아주 간단하다.

프로토콜 방해 #6: 거짓 데이터 기록

다른 모든 방법이 실패하면 완전히 틀리고 허공에서 조작된 연구에 대한 데이터를 간단히 기록하면 됩니다. Pfizer 연구 계약업체인 Ventavia가 이 방법을 보여줍니다. 다음 스크린샷은 Ventavia의 사이트 관리자 중 한 명인 Brooke Jackson이 보낸 실제 이메일로, 진행 중인 사기를 폭로하여 정권을 약화시키려고 했습니다.

비정상적으로 신속하고 효과적인 대응으로, 잭슨 여사는 FDA에 이 이메일을 보낸 후 6~XNUMX시간도 채 지나지 않아 해고되었습니다. XNUMX시간!! 이렇게 해야 합니다.

게다가 그녀가 화이자 백신 시험을 완전히 중단시키려고 연방 법원에 소송을 제기했을 때, 정권은 다양한 독창적인 법적 전략을 사용하여 거의 2년 동안 성공적으로 지연시켰습니다. (그러나 채용을 담당한 사람이 큰 실수를 했다는 점에 유의해야 합니다. 잠재적 지원자가 강한 도덕적 신념을 가지고 있지 않은지 확인하기 위해 철저한 배경 조사를 해야 합니다.)

불행히도 FDA는 외국 의학 저널을 통제하지 못하는데, 그중 하나가 (충격적으로) 파이저 시험 사기를 기록한 기사를 게재하기로 했습니다. 큰 실수였습니다. 이것이 전 세계를 위한 단일 거버넌스 기구를 설립하는 것이 필수적인 이유입니다.

IV-3. 연구 리깅 옵션 #3: 연구 분석

연구 자체를 마치면 이제 연구의 숫자를 계산할 차례입니다. 모든 프로토콜 설계와 방해 행위를 어떻게든 통과한 문제가 있는 데이터는 여기에서 정리됩니다. 이것은 낡은 낡은 차에 새 페인트를 칠해 아래의 모든 손상을 숨기는 것과 같다고 생각하세요. 실질적으로 아무것도 바꾸지 않고, 단지 (대부분의 경우) 무언가를 위장하는 것입니다. 아무도 새로운 페인트를 긁어서 무언가가 숨겨지지 않았는지 확인하고 싶어하지 않습니다.

데이터를 '분석'하는 방법은 너무나 많습니다. 요령은 어떤 방법을 선택하고 어떻게 분석할지에 대해 현명하게 생각하는 것입니다.

분석 전략 #1: 데이터를 조정하지 마세요

데이터 조정은 과학에서 꽤 표준적인 일입니다. 원시 데이터는 일반적으로 모든 종류의 혼란스러운 변수가 존재하기 때문에 직접 추론하거나 외삽하기에 적합하지 않습니다.

데이터 조정의 매우 간단한 예는 다음과 같습니다.

다음은 다스 산티스탄(나쁜 주)과 코미포니아의 젠더 스펙트럼 파라다이스(좋은 주)의 인구입니다.

다음은 이러한 주의 무서운 질병으로 인한 사망률입니다. 전반적으로 나쁜 주는 좋은 주보다 사망자가 더 많습니다. 인구가 같으므로 BAD, BAD인 Darth Santistan 주의 사망률이 더 높다는 것을 의미합니다.

하지만... (그렇습니다. 여기에는 큰 '하지만'이 있습니다.)

노인 인구와 비노인 인구의 사망률을 따로 살펴보면, 놀랍게도 좋은 주가 두 지역 모두에서 사망률이 더 높습니다(?!?!?!?!?):

여기서 두 가지 중요한 관찰 사항이 있습니다.

1. 불충성스러운 Death Santistan 국가가 전체적으로 더 높은 비율을 갖는 이유 각 연령대에서 사망률이 낮았음에도 불구하고 실제로 매우 간단합니다. 노인은 비노인보다 훨씬 더 자주 죽지만 나쁜 주는 좋은 주보다 2.5배나 많은 노인을 갖고 있다는 불행이 있습니다. 즉, 나쁜 주인 Death Santistan의 노인 인구가 너무 많아서 전체적으로 훨씬 더 많은 사망자가 발생합니다.

나쁜 주에서 좋은 주와 같은 수의 노인 사망자가 발생하려면, 좋은 주의 노인 사망률이 문자 그대로 40%여야 합니다. 좋은 주의 노인 인구는 나쁜 주의 40%에 불과하기 때문입니다. 이것이 (솔직하게 말하고 싶을 때, 진실이 정권에 도움이 될 때처럼) 과학이 데이터를 조정하는 이유입니다. 이런 일을 피하기 위해서입니다. (이 특정 통계적 현상은 실제로 공식 이름이 있습니다. "심슨의 역설. ")

따라서 정권의 주장에 해를 끼칠 경우 데이터를 조정하지 마세요.

분석 전략 #2: 데이터를 기만적이거나 부적절하게 조정합니다.

반대로, 때로는 원시 데이터나 적절하게 조정된 데이터가 내러티브에 좋지 않을 수 있습니다. 그런 경우, 이단적 결과를 성공적으로 가려서 아무도 볼 수 없고 알아낼 수 없을 때까지 창의적인 방식으로 계속 조정해야 합니다.

예를 들어, 우리가 위에서 언급한 가상 상태인 Commiefornia/Death Santistan의 Gender Spectral Paradise에 대한 가상 비교를 한다면, 문제를 "해결"하기 위해 '조정'을 추가할 수 있습니다. 해야 할 일은 Commiefornia의 Gender Spectral Paradise의 좋은 상태보다 Death Santistan의 나쁜 상태에서 더 나쁜 결과를 나타내는 특성을 찾는 것입니다. Death Santistan이 정권의 Lifesaving Lockdowns를 따르지 않기로 결정한 이후, Death Santistan의 노인들은 신선한 공기를 마시기 위해 블록 주변을 걷기만 하더라도 다른 주보다 집을 더 많이 나가는 경향이 있었습니다. 즉, 집을 나가지 않은 노인들은 아마도 집을 나갈 수 없을 정도로 아플 가능성이 더 높았을 것입니다. 그런 아픈 노인들은 또한 무서운 질병으로 죽을 가능성이 더 높습니다.

이런 일이 일어나는 과정은 다음과 같습니다.

차트 #1 – 각 주의 노인 인구 (왼쪽 열 = 일주일에 한 번 이상 외출한 노인, 가운데 열 = 외출하지 않은 노인, 오른쪽 열 = 각 주의 노인 총 수)

차트 #2 – 차트 #1의 세 가지 범주 각각의 사망자 수:

이것은 우리의 문제가 있는 데이터를 완전히 수정합니다(실제로 너무 잘 수정할 수도 있습니다!!) – 노인의 사망률이 어떻게 변화하는지 관찰하세요:

이제 여러분이 해야 할 일은 실내 노인 사망률을 '인구 조정 노인 사망률'이라고 부르는 것입니다.

또한 때때로 실내 노인 사망 사건을 언급할 수도 있습니다. "와 같은 화제로 선전하는 것이 훨씬 쉽기 때문입니다.노인은 이동이 불가능하기 때문에 위험에 가장 많이 노출돼 있다 나쁜 상태에서 죽을 가능성이 좋은 상태에서 죽을 가능성보다 거의 3배나 더 높았습니다." 사람들은 자연스럽게 노인을 실내에 갇혀 있는 사람들과 연관시키기 때문에 "실내 노인"이 실제로 가상의 Death Santistan 노인 인구의 아주 작은 비율이라는 사실을 인식하지 못할 가능성이 큽니다.

분석 전략 #3: 최적의 종료점 선택

종료점은 중요한 문제입니다. 공식적으로 연구의 주요 종료점은 연구가 성공인지 실패인지를 결정하는 중심적인 발견입니다. 종료점은 기본적으로 연구하는 것의 성공/실패 또는 영향을 평가하는 데 사용하는 것 또는 지표입니다. 예를 들어, 새로운 약물을 테스트하여 무서운 질병으로 인한 사망을 막는지 확인하는 경우 종료점은 무서운 질병 사망입니다. 치료 그룹의 무서운 질병 사망이 대조군보다 적으면 치료가 효과가 있지만 그렇지 않으면 연구를 충분히 조작하지 못했다는 의미입니다. (약간 단순화했지만 기본적인 아이디어는 이해하셨을 겁니다.)

그러니 종착지를 선택할 때는 현명하게 선택하는 것이 좋습니다.

따라서 일반적으로 다음 특징을 최대한 많이 갖춘 엔드포인트를 선택해야 합니다.

• 객관적인 관찰보다는 주관적인 판단에 의존한다
• 자연스럽게 귀하가 선호하는 결과에 편향됨
• 결과를 조작하기 쉽습니다
• 결과에 대해 거짓말하기 쉽다
• 사람들이 당신이 결과를 조작했는지 또는 조작했는지 알아내기 어렵습니다.
• 이해하기 어려움 - 특히 일반인에게는

예를 들어, 실제로 무서운 질병에 효과가 있는 대체 치료법을 방해하기 위한 목적으로 시험을 진행한다고 가정해 보겠습니다(정권이 팬데믹 위기를 더 오래 지속시키고 싶어한다면 매우 나쁠 것입니다). 효과가 없다는 것을 보여줘야 합니다. "죽음"을 종점으로 선택하면 약물이 치료 그룹의 많은 사람들을 구할 때 큰 문제에 빠질 수 있습니다.

사망 대신 "병원에서 퇴원할 시간"과 같은 것을 선택할 수 있습니다. 이 종착점은 6가지 조건을 모두 충족합니다(어느 정도):

• 환자 퇴원은 의사(연구에 참여해야 함)의 주관적인 결정이므로, 객관적인 퇴원 기준을 충족하는 환자를 퇴원시키는 데 얽매이지 않아도 됩니다.
• 퇴원은 귀하가 선호하는 결과에 편향되어 있습니다. 대조군의 더 높은 비율이 사망할 것이므로 이는 더 높은 비율을 의미합니다. 심한 경우 퇴원되지 않으므로 나머지 대조군의 퇴원 평균 시간이 늘어나지 않습니다.; 치료군의 경우 중증 환자는 사망하는 대신 회복하는 데 며칠이 더 걸렸고, 이로 인해 치료군의 퇴원까지 걸리는 평균 시간이 늘어났습니다.
• 퇴원은 조작하기 매우 쉽습니다. 연구에 참여한 병원 직원을 모집하여 치료 환자의 퇴원을 불필요하게 잠시 지연시킬 수 있습니다(관련 직원이 치료를 받은 사람이 누구인지 알고 있어야 하며, 따라서 병원에서 퇴원하기까지 더 기다려야 합니다).
• 퇴원 시간도 위조하기 꽤 쉽습니다. 병원에 입원한 날짜와/또는 퇴원한 날짜(필요한 경우 보안 영상 포함)에 대한 서류를 편집하기만 하면 됩니다. 사망 시간은 일반적으로 매우 정확하게 기록되기 때문에 사망은 위조하기 훨씬 어렵습니다. 그리고 나타난다 사망증명서에.
• '퇴원까지 걸리는 시간'은 일반인에게는 가장 직관적인 측정 기준이 아니다.

물론, 이러한 조건의 대부분에서는 더 나은 결과를 얻을 수 있지만, 여기서는 기본적인 아이디어를 전달합니다.

분석 전략 #4: 대체 엔드포인트 메트릭을 묻어버리세요

이건 사실상 자명한 사실입니다. '퇴원 시간'을 종료 시점으로 사용했지만 치료 그룹에서 사망률이 50% 감소했다고 보고한다면, 글쎄요, 많은 사람이 눈살을 찌푸릴 수밖에 없을 겁니다.

따라서 왜 그렇게 터무니없는 종료 지점을 선택했는지, 그리고 치료로 사망률이 현저히 감소한 것을 보았는데도 왜 치료가 효과가 없다고 주장하는지에 대한 어려운 질문에 직면하는 대신, 이상적으로는 연구의 어느 부분에서도 사망 사례를 보고하지 않는 것이 좋습니다.

사망률 통계를 보고하지 않을 수 없다면 적어도 부록의 무작위 표 가운데에 묻어두는 것이 좋습니다. 이해하기 매우 어려운 형식으로요. 아니면 더 나은 방법은 지하실에 있는 짜증나는 무작위 괴짜가 쉽게 알아볼 수 있는 한곳에 모두 넣는 대신 여러 데이터 표에 뿌리는 것입니다.

분석 전략 #5: 원하는 결과를 얻기 위해 최적의 분석 유형을 활용하세요

데이터를 분석하는 방법은 성 정체성이나 대명사 조합만큼이나 많습니다. 안타깝게도 다양한 방법에 대한 심층적인 설명은 이런 바보 가이드에 적합한 형식으로 요약할 수 없습니다. 다음 이름 중 일부를 살펴보세요.

• 균형 설계 분산 분석
• 베타 분포 피팅
• 두 개 이상의 그룹에 대한 Box-Cox 변환(T-테스트 및 일원 분산 분석)
• 클러스터형 히트 맵(이중 덴드로그램)
• 분포(와이블) 피팅
• 퍼지 클러스터링
• 감마 분포 피팅
• 일반선형모델(GLM)
• 그럽스의 이상치 테스트
• 계층적 클러스터링/덴드로그램
• K- 평균 군집화
• 메도이드 파티셔닝
• 다변량 분산 분석(MANOVA)
• 비검출-데이터 그룹 비교
• 일원 공분산 분석(ANCOVA)
• 회귀 클러스터링

요점은, 통계 분석의 다른 방법은 다른 결과를 낳는다는 것입니다. 다른 결과를 내지 않았다면, 그렇게 많은 방법이 없었을 것입니다. 그것은 모두 관점의 문제입니다. 따라서 이런 것을 아는 유능한 통계 전문가를 고용해야 합니다(그리고 정권에 충성하는). ​​그 이유는 두 가지입니다.

1. 당신은 그들의 전문성의 혜택을 누릴 수 있습니다(당신에게 필요한 것입니다. 당신의 전문성은 선전이지 화려한 통계 분석이 아니라는 것을 기억하세요. 성공적인 선전가가 되려면 자신의 한계를 인정하는 약간의 실용적 겸손이 중요합니다. 과신은 많은 충성스러운 정권 추종자들을 파멸로 이끌었습니다[그리고 종종 실망스러운 굴라그에서 긴 휴가를 보내게 했습니다]).
2. 정권 이단자들은 통계 분석가들의 신뢰할 수 있는 전문성 부족을 지적하여 정권 연구의 신뢰성을 훼손하고 훼손할 수 없습니다. 닐 퍼거슨의 사례는 경고의 이야기로 남아 있습니다. 그는 처음에는 코로나로 인한 종말론적 학살을 예측하는 멋진 모델로 전 세계 정부를 설득하는 데 성공했지만, 주제 전문성이 전혀 없고 완전히 망상적인 팬데믹 예측의 오랜 역사는 반대 세력이 그의 모델과 다양한 정부가 추진한 모든 후속 모델을 폐기할 수 있는 확고한 근거를 제공했습니다. 그들은 또한 이 참사 이후 큰 효과를 거두며 선교할 수 있었습니다.

분석 전략 #6: 분석, 조정 또는 다른 방법으로 숨길 수 없는 문제가 있는 데이터 제거

이는 체제의 의무적 결과와 일치하지 않는 피험자를 연구에서 제외하는 것과 같은 개념입니다. 다만 여기서는 연구 피험자 자체가 아니라 이미 생성된 데이터를 제거하는 것입니다. 그러나 목표는 동일합니다. 연구 결과에서 보여주기를 원하는 것과 맞지 않는 데이터가 처음부터 연구의 공식 기록에 들어가는 것을 방지하는 것입니다.

IV-4. 연구 조작 옵션 #4: 결과를 조작하기 위한 미디어 모집

결과가 어떻든, 당신은 동정적인 미디어 매체가 당신을 위해 싸울 준비가 된 대화 주제를 가지고 있어야 합니다. 얼마나 거짓이고, 오도하고, 등등인지는 중요하지 않습니다. 선전의 요점은 가스라이팅하고 오도하는 것입니다. 미디어는 단순히 당신의 정보로 생태계를 범람시키는 것만으로도 강력한 힘이 되어 대부분의 사람들이 사회 전반에 빠르게 퍼뜨리고 있는 거짓말과 속임수를 풀기 어렵게 만들 것입니다.

당신은 이단적 성향을 가진 과학자나 학자가 당신이 하는 말에 의문을 제기하거나, 더 나쁜 경우, 당신의 연구의 결함에 주의를 환기할 경우, 최대한의 편견을 가지고 그들을 악랄하게 공격할 각오를 해야 합니다.

섹션 V – 데이터 세트의 수정

연구 외의 과학의 다른 주요 출처는 과학적 선언을 하는 데 사용되는 데이터 세트와 기타 정보 소스입니다. 데이터(특히 공식적인 국가 데이터)는 공식적인 연구가 축복을 남기지 않고도 사용할 수 있으므로 사용 가능한 데이터, 특히 학계와 일반인 모두가 사회에서 일반적으로 인용하는 기존 지표의 기초가 되는 데이터 세트는 회사가 마음대로 조작, 변경 및 수정할 수 있도록 해야 합니다.

사용 가능한 데이터 세트의 제어와 유용성을 극대화하기 위해 채택해야 할 전술 유형은 다음과 같습니다.

V-1. 통계적 '낚시'

통계적 낚시는 추상적으로 설명하는 것보다 단지 예를 들어 설명하는 것이 더 쉽습니다.

대형 제약 회사가 아이들을 더 똑똑하게 만들고 학업 성취도를 높여준다고 주장하는 새로운 약을 출시했다고 가정해 보겠습니다. 안타깝게도 FDA의 승인을 받았지만 효과가 없다는 것을 알고 있으며 사람들은 뭔가 의심하기 시작했습니다(그리고 수십억 달러가 걸려 있습니다). 그래서 그들은 당신에게 와서 새로운 약이 효과가 있다는 것을 '증명'하기 위해 7자리 수의 막대한 급여를 제안합니다. 그래서 당신은 아무런 양심의 가책도 없는(물론 정권에 대한 충성심은 제외하고) 용역 과학자로서 그들의 제안을 수락합니다. 어떻게 그들의 약이 효과가 있다는 것을 '증명'할 수 있을까요? 간단합니다. 전국의 모든 학군에서 학업 성적과 새로운 제약 약을 복용한 아이들의 비율을 보여주는 데이터를 얻으면 됩니다. 여기서 '낚시' 부분이 등장합니다. 학업 성적이 평균 이상이고 해당 학군에서 평균보다 많은 아이들이 새로운 약물을 복용하는 한두 곳을 찾을 때까지 모든 학군을 살펴봐야 합니다(물고기를 낚을 때까지 계속하는 낚시와 같습니다). 그런 다음 '연구'를 게시합니다. "우리는 'X' 학군에서 새로운 약물을 복용한 아이들의 비율이 높을수록 학업 성적이 더 높은 상관 관계를 발견했습니다." 다른 모든 학군은 약물이 학업 성적에 전혀 영향을 미치지 않는다는 것을 보여주기 때문에 이것은 헛소리이지만, 무작위로 상관 관계가 있는 한 학군을 강조함으로써 깔끔하게 이를 피하고 있습니다. (충분히 큰 표본 크기를 사용하면 우연히 많은 아이들이 약물을 복용했고 학업 성적이 상승한 한 학군을 무작위로 찾을 수 있을 것입니다.)

가장 중요한 교훈은 때로는 약간의 끈기만 있으면 된다는 것입니다. 예를 들어 여러 국가의 큰 데이터 세트가 있는 경우, 찾고 있는 상관 관계를 발견할 때까지 한 번에 하나씩 살펴보세요. 또는 ''라고 알려진 이 전략의 더 고급 버전을 시도할 수 있습니다.P-해킹. '

이 전략의 좋은 예는 CDC가 50개 주를 모두 조사하여 백신을 맞기 전에 이미 코로나에 걸린 사람들의 재감염 위험을 코로나 백신이 줄였다는 것을 보여주는 데이터를 다듬을 수 있는 주를 찾은 다음의 "연구"입니다. 그리고 아시다시피, 그들은 (워싱턴 DC와 같은 몇몇 비주 관할 구역을 포함하여) 50개 주 중 하나에서 원하는 대로 데이터를 표현할 수 있는 곳을 찾았습니다.

CDC가 여러 주를 사용하여 코로나 백신이 재감염 위험을 줄였다는 것을 보여줄 수 있었다면 (당연하죠) 했을 겁니다. 하지만 그들은 데이터를 고문하여 이를 보여줄 수 있는 주를 찾을 때까지 계속 노력했습니다.

그런데, 선전가들에게 또 다른 중요한 교훈이 있습니다. 끈기의 가치입니다. 정권의 주장을 뒷받침하기 위해 쉽게 조작되거나 조작될 수 있는 데이터 세트를 찾을 수 없다고 해서 포기하지 마세요. 때로는 창의력을 발휘하고 돈을 벌 때까지 계속해야 합니다.

V-2. 문제가 있는 데이터 조정

네, 앞서 리깅 연구 섹션에서 이에 대해 언급했었습니다.

원시 데이터가 선호하는 내러티브에 맞지 않으면 연구의 내부 데이터와 같은 방식으로 적합할 때까지 간단히 '조정'하면 됩니다. 데이터 조정은 과학의 일상적인 부분이며, 실제로 작동 방식을 이해하는 사람이 거의 없기 때문에 이 관행을 이용하고 남용할 수 있습니다.

어떤 사람은 이 주제에 관해 과학 기사를 발표하기도 했습니다(당신이 괴짜라면 흥미로운 읽을거리가 될 겁니다):

이 개념의 훌륭한 적용은 과거 지구 온난화 과학 기관의 합의였던 지구 냉각 과학 기관의 합의와 관련이 있습니다. 1974년에 세계가 인류의 생존을 위협하는 돌이킬 수 없는 빙하 시대로 향하고 있다는 것을 보여준 동일한 데이터가 지금은 실제로 *따뜻하게 함* 경향 정확히 동일한 데이터에서 인류의 생존을 위협하는 것?

그들은 단순히 데이터를 '조정'하여 초기 수십 년을 더 추워지게 하고, 후기 수십 년을 더 따뜻하게 만들었고, 짜잔, 문제가 해결되었습니다! 악마적으로 교활하고 매우 효과적입니다. 아래 차트(유명한 정권 반체제 이단자의 차트)에서 연평균 기온을 추적하는 두 개의 선, 파란색 선 = 원시 데이터, 주황색 선 = 정권 과학자들이 '조정'한 후의 데이터입니다.

파란색 선을 보면 지난 100년 동안 전반적인 온난화가 없습니다. 이는 재앙적 지구 온난화에 대한 공식적 설명에 매우 나쁩니다!!! 그러나 주황색 선은 지난 100년 동안 명확한 온난화 추세를 보여줍니다. 이는 정확히 설명입니다.

물론, 미래에 어떤 이유로든 지구 냉각화로 되돌아가는 것이 실용적이라면, NOAA의 과학자들은 단순히 데이터를 '재조정'하여 지난 100년간의 추세가 꾸준한 냉각 추세였던 것처럼 보이게 만들 것입니다.

요점은, 모든 것이 조정에 달려 있다는 것입니다.

(주의 사항: 정권의 내부적으로 매우 유용한 데이터와 분석을 생산하기 때문에 몇몇 무작위적인 눈에 띄지 않는 정권 과학 이단자들을 주변에 두는 것은 유용합니다. 물론 그들이 명성을 얻지 않도록 조심해야 합니다. 그러면 지체 없이 그들을 관타나모만으로 끌고 갈 것입니다.)

V-3. 원하는 결과와 맞지 않는 공식 데이터의 공식 분석에서 제외

분석에 포함되는 내용을 신중하게 검토하는 것은 말 그대로 101가지 사항입니다. 정보나 실제 결과가 선호하는 결과를 훼손할 위험이 있다면 공식 데이터의 공식 분석에서 제외하면 됩니다. 따라서 Glorious Vaccine 이후 많은 의학적 상태의 발생률이 크게 증가했다는 것을 보여주는 정부 데이터베이스가 있다면 그냥 무시하세요.

CDC와 FDA가 공동으로 관리하는 VAERS(백신 부작용 보고 시스템) 데이터베이스를 살펴보자.

CDC는 백신 접종 후 나타나는 질병을 VAERS에 보고하도록 권장하고 있습니다. "백신이 질병을 유발했는지 확신하지 못하더라도"

2020년 XNUMX월 중순에 코로나 백신이 출시된 후 사망자에 대한 VAERS 항목은 다음과 같습니다(차트는 매년 모든 백신에 대해 보고된 사망자 수의 총 수를 보여줍니다).

이 그래픽은 Covid 백신으로 인한 부상/사망에 대한 VAERS 보고에 대한 통계를 보여줍니다.

그런데 CDC가 귀중한 코로나 백신에 관한 성명이나 분석을 통해 VAERS에 대해 언급한 것을 마지막으로 본 게 언제였나요?

정확히 그렇습니다!! CDC(및 다른 모든 기관)는 VAERS를 단순히 무시합니다(때때로 VAERS를 반박하기 위해 '사실 확인' 기사를 발행할 때는 제외).

또한, 정권 분석과 선언의 신뢰성을 훼손하기 위해 그러한 데이터를 사용하려고 감히 시도하는 사람은 누구든 끈기 있게 쫓아내십시오. 이는 종종 문제가 되는데, 필연적으로 원시 데이터가 존재하면 접근할 수 있는 사람들이 많을 것이기 때문입니다.

V-4. 이전에 확립된 관계와 차이점을 활용

연구를 임시방편으로 조작하는 쉬운 방법은 이미 특정한 차이 또는 상관관계가 있는 것으로 알고 있는 두 개체를 비교하는 것입니다. 그런 다음 이 차이 또는 상관관계를 '발견'한 척하지만 새로운 요인에 기인시킬 수 있습니다.

예를 들어, 부유한 주에 비해 가난한 주에서 건강 결과가 더 나쁜 경향이 있고, 가난한 주에서 정권 지침을 덜 준수하는 경우, 그들의 건강 결과가 더 나쁘다는 점을 지적하고 그들이 영광스러운 백신을 맞지 않은 탓으로 돌릴 수 있습니다. 미디어는 특히 이 메시지를 확대하는 데 매우 능숙합니다. 그들은 "나쁜" 정당/정당과의 정치적 관계로 인해 나쁜 결과가 발생한다고 말하는 것을 무엇보다 좋아하기 때문입니다.

V-5. 과학 연구에 사용되는 중요한 데이터 세트 제어

데이터를 제어하는 ​​사람은 과학을 제어합니다.. 가장 눈에 띄고 널리 사용되는 데이터세트에 대한 철저한 통제를 유지하면 많은 스트레스와 골치 아픈 일을 피할 수 있습니다. 예를 들어, 군대는 내부 데이터세트를 통제하고 마음대로 조작할 수 있습니다. DMED와 마찬가지로, 그들은 이 데이터세트를 완전히 조작하여 모든 것을 쓸모없게 만들었습니다. 다음 두 차트를 살펴보세요. *같은* 2015-2018년 "외래 의사 방문율"에 대한 DMED 데이터 - 왼쪽 차트는 2019년에 발표된 버전이고, 오른쪽 차트는 2021년 버전을 보여줍니다. 어떻게 된 일인지, 둘은 같지 않습니다(빨간색 동그라미로 표시된 부분).

2016-2018년 수치의 변화를 주목하세요(추세선의 모양에서 볼 수 있습니다)? 2016년에 발생한 진료 횟수는 어떻게 증가했습니까? 2019 and 2021 ??

정권이 단순히 데이터를 다시 썼기 때문입니다. 데이터 세트를 완전히 제어할 수 있을 때 할 수 있는 일입니다.

말할 것도 없이 어떠한 상황에서도 이교도 과학자가 당신이 통제하는 과학의 신성한 텍스트나 데이터에 접근하도록 허용해서는 안 됩니다. 기억하세요, 사기성 이단 연구자가 과학을 무효화하거나 모순시킬 수 있는 분석을 수행하지 않도록 항상 경계해야 합니다. CDC는 여기에서 모범을 보입니다.

귀찮고 성가신 독립 과학자들에게 데이터에 대한 접근 권한을 주지 않으면, 그들이 데이터에서 정권의 주장을 크게 약화시킬 만한 내용을 발견할까봐 걱정할 필요가 없습니다.

제6절 – 증거 표준 통제

자신을 형사 재판을 주재하는 판사로 생각해보세요. 그는 법정에서 어떤 증거가 허용되는지 결정하고, 따라서 유죄 또는 무죄 증거가 배심원에게 도달하지 않도록 보장할 수 있습니다. 여기서도 같은 아이디어가 있습니다. 증거 기준을 통제함으로써 구체적인 주장이나 증거에 직접 이의를 제기하지 않고도 거기에 있는 많은 도전적인 과학을 간접적으로 제거할 수 있습니다.

VI-1. 정권이 승인한 행위자 외에는 누구에게도 최고 품질의 증거 유형을 이행할 수 없게 만듭니다.

간단한 규칙은 다음과 같습니다. 독립적인 과학자나 연구자가 '고품질'로 간주되는 유형의 연구를 수행하는 것을 인간적으로 가능한 한 어렵게 만듭니다.

반대 의견을 가진 반체제 인사들이 승인되지 않은 또는 이단적인 과학을 수행하는 데 너무 많은 비용이 들 수 있습니다. 선전 역사상 가장 큰 쿠데타 중 하나는 증거에 대한 "골드 스탠다드"로서 무작위 통제 시험의 부상이었습니다. 이러한 시험을 수행하는 데는 일반적으로 수백만 달러가 들며, 거대한 제약 회사(충성스러운 정권 행위자)를 제외한 모든 사람이 그러한 과학적 기업을 운영할 가능성을 차단합니다.

만약 어떤 단체가 그러한 연구를 수행하기에 충분한 자금을 확보한다면, 법률을 통과시키거나 정부 기관을 이용해 승인되지 않은 고품질 연구가 수행되는 것을 금지할 수도 있습니다.

VI-2. 승인되지 않은 과학자가 수행할 수 있는 연구 유형을 "저품질"로 지정

반대로, 여전히 수행할 수 있는 비준수 과학이나 연구는 저품질 증거로 지정해야 합니다. 이는 일반적으로 승인되지 않은 모든 연구를 전면적으로 금지하는 것보다 더 나은 대안이며, 그렇게 하면 대중이 자연스럽게 정권을 의심하게 되고 온갖 터무니없는 음모론을 받아들이게 됩니다. 오히려 그들이 연구를 하게 하되, 증거 기반 과학의 적절한 규칙에 부합하지 않기 때문에 의미가 없다고 설명하세요.

VI-3. 일반인이 스스로 적용할 수 있는 명확한 증거 기준을 제시하지 마십시오.

당신은 필연적으로 이중 증거 기준을 적용하기 위해 여유가 필요한 상황에 직면하게 될 것입니다. 명확하고 쉽게 이해할 수 있는 기준을 표현한다면, 당신은 과학을 조작할 수 있는 당신 자신의 능력을 무력화시키는 셈입니다. 왜냐하면 그러면 사람들이 당신을 당신이 공언한 기준에 따라 평가할 수 있기 때문입니다. 또한, 앞서 지적했듯이, 당신은 사람들에게 실제 기준은 단순히 정권이 고품질 증거라고 선언한 것이지 원격으로 객관적인 기준이 아니라는 것을 조건화하고 싶어할 것입니다.

VI-4. 무례하거나 불충실한 과학자들을 박해하라

가끔씩, 연구의 신뢰성을 저질 증거라는 이유로 반박할 수 없는 상황이 생길 수 있습니다. 그런 경우에는 이단 과학을 유포한 책임이 있는 과학자를 대신 처벌하여 문제가 있는 연구의 유포와 추가 수행을 중단해야 합니다. 이는 소셜 미디어에서 그들을 플랫폼에서 제거하는 것만큼 무해할 수도 있고, 다시는 보거나 들을 수 없는 굴라그로 보내는 것만큼 포괄적일 수도 있습니다. 당신이나 정권이 궁극적으로 그들을 대중의 영역에서 제거하기로 결정한 방식이 무엇이든, 그들의 명예와 전문성을 끊임없이 공격해야 합니다(반역자가 제거된 후에도). 이는 대중의 마음을 사로잡아 정권을 위협하는 카리스마 있는 과학자를 상대로 전개하기에 좋은 전술이기도 합니다. 그들이 충성스러워 보여도 이는 사실입니다. 단, 그들이 절대 반대편으로 이탈하지 않을 것이라는 사실을 확실히 알고 있는 경우는 예외입니다(협박 정보가 있거나, 그들이 정권의 서사의 핵심이며 성자 파우치 박사처럼 광신적으로 헌신하는 경우). 따라서 모든 충성스러운 정권 과학자를 추적하기 위해 강력한 감시 장치를 유지해야 합니다.

제7절 – 과학의 교회 권위

가장 먼저 깨달아야 할 것은 과학 영역 내의 권위 개념이 본질적으로 교회적이라는 것입니다. 오늘날 사회에서 과학적 담론의 대부분은 권위에 대한 주장으로 구성되어 있습니다. 따라서 이에 저항하는 대신, 이를 받아들이고 휘두르십시오. 이는 과학 자체를 통제하려는 싸움에서 가장 강력한 무기이기 때문입니다. 여러분은 과학 교회입니다. 정권은 과학의 바티칸입니다. 근육을 굴리고 의지를 강요하십시오!!

당신은 사회에서 과학적 권위의 지위에 오르기 위해 정권 충성주의자들만 자연스럽게 선택될 관습을 신성시해야 합니다. 이것은 주로 다음 방법을 통해 달성됩니다.

VII-1. 전문가는 자격증을 취득해야 함

자격 증명은 대부분의 잠재적인 악당을 걸러내는 첫 번째 스크린입니다. 자격 증명을 요구함으로써 - 물론 자격 증명은 정권 자체의 중개자나 정권에 의해 공인되고 충성스러운 기관을 통해서만 얻을 수 있습니다. 자격이 없는 전문가는 독특하게 위험하고 무지하다는 확신을 강화해야 합니다. 대중은 정권의 입장과 선언에 대한 두 번째 의견을 구하려는 끊임없는 충동에 시달리고 있기 때문입니다.

VII-2. 전문가는 양호한 평판을 가진 기관 또는 조직에 소속되어야 함

또 다른 명백한 규칙입니다. 이것은 자격 심사 과정을 통과한 잠재적인 만주 과학자를 더욱 걸러내는 좋은 방법입니다.

VII-3. 전문가는 "주류"로 간주되어야 합니다.

이 사회적 관습을 엄격하게 시행해야 합니다. 전문가가 계급을 벗어나 정권에 저항하기로 결정할 경우 강력한 안전망이 되기 때문입니다. 그런 사람들은 쉽게 자격을 박탈당할 수 없으며, 때로는 그들이 좋은 평판을 가진 조직과 맺고 있는 모든 관계를 종료하는 것이 어렵거나 비실용적일 수 있습니다. 따라서 그 어느 것에도 의존하지 않는 실격이 필요합니다. 그를 주류에서 벗어난 사람으로 선언하는 것은 그러한 전문가의 권위를 약화시키는 상당히 강력한 방법입니다.

VII-4. 과학적 합의를 강제로 시행

과학적 권위를 행사하는 사람을 통제하는 또 다른 강력한 방법은 조작된 "합의"에 대한 준수를 강제하는 것이며, 해당 합의에서 벗어나는 사람을 가장 변칙적인 종류의 완강하고 고칠 수 없는 이단자로 낙인찍는 것입니다. 이것은 변덕스러운 자격을 갖춘 과학자들을 몰아내는 데 매우 유용할 수 있는 외부 도구입니다. "합의"는 일반 사람들의 귀와 마음에 강력하게 울려 퍼지며, 정권이 이전에 매우 존경받던 과학자를 갑자기 박탈하기로 결정하더라도 질문을 제기하지 않아도 된다는 쉬운 정당성을 제공합니다.

Afterword

선전 예술은 여러 학문을 아우르는 광범위한 주제입니다. 하룻밤 사이에 마스터할 수 있을 것이라고 기대하지 마세요. 실수를 할 것이라고 기대하세요. 그래야 무엇이 효과적인지 배울 수 있습니다(따라서 항상 실수에 대한 책임을 묻을 수 있는 다른 사람을 두세요).

다행히도, 대다수의 시민들은 지적인 양들입니다. 이 원리는 오바마케어의 수석 설계자인 조나단 그루버 교수가 훌륭하게 입증했습니다.

그러나 그루버 교수는 녹음된 연설에서 너무 많은 것을, 너무 명확하게 설명하는 경향이 있었습니다. 물론, 정권 정치가 어떻게 기능하는지 이해하는 데 중요한 젊은 정권 학생들에게 논란이 되는 문제를 명확한 언어로 설명하는 데는 아무런 문제가 없습니다. 왜냐하면 그들이 생산적인 정권 근로자가 되려면 이런 것들을 확실히 이해해야 하기 때문입니다. 그러나 이러한 연설이 속여야 할 일반 대중이 접근할 수 있는 비디오에 녹화되면 문제가 됩니다.

당시 매우 인기 없는 법안을 작성한 사람이 미국 유권자의 경제적 이해 부족을 교묘히 이용한 것이라고 자랑하는 수많은 영상과 "미국 유권자의 어리석음"이 세금 인상을 세금 인상이 아닌 것처럼 속이는 데 결정적이었다는 내용(앞서 언급한 대로 두 가지 모두 100% 사실임)을 자랑한 후에 정치인들이 법안을 철회하고 소란이 가라앉은 후 몇 년 후에 다시 시도해야 할 것이라고 생각할 수 있을 것입니다.

다만, 밝혀진 바에 따르면, 보통 평균 유권자의 완전한 어리석음뿐만 아니라 단기 기억력의 부족, 자기 보존 감각의 부족, 그리고 무엇보다도 정치적 이념에 대한 헌신에 의지할 수 있습니다. 오바마케어가 무너졌거나 지연되었을까요? 아니요. 그러니 크게 들킨다 해도 아마 괜찮을 겁니다. (특히 정권에 충성스럽게 봉사하는 순응적인 주류 미디어를 키웠다면요.)

선전은 본래 스스로를 바로잡는 사업이라는 사실에 위안을 삼을 수도 있습니다. 실수가 발생하면 그 실수를 은폐하거나 완화하기 위해 더 많은 선전과 가스라이팅을 퍼뜨릴 뿐입니다. 정권 관리들이 그루버 교수를 칭찬하는 것에서 그가 전혀 중요하지 않다고 주장하는 것으로 어떻게 바뀌었는지 살펴보세요. 눈 하나 깜빡이지 않고, 그들의 화해할 수 없는 입장의 노골적인 위선에 대해 조금도 당혹감을 느끼지 않은 채 말입니다.

(그러나 실수를 너무 가볍게 여기지 않도록 주의해야 합니다. 그렇지 않으면 모로코에 있는 소련의 굴라그나 CIA 블랙옵스 시설로 이송될 수도 있습니다.)

함께라면 우리는 새롭게 재설정된 인류의 일부가 될 운명인 사람들을 위해 세상을 더 나은 곳으로 만들 수 있습니다.