
Kijk eens goed naar de bovenstaande dia van een internationale peiling die een paar maanden na de uitbraak van Covid werd uitgevoerd: Zo ziet effectieve propaganda eruit. En het echte effect was nog groter, omdat de 'echte wereld'-cijfers die werden gebruikt om te berekenen hoe erg mensen de risico's van Covid overdreven, natuurlijk zelf afkomstig waren van... 's werelds meest vooraanstaande propaganda-organisaties (die zich voordeden als volksgezondheidsinstanties). Die zelf de risico's van Covid al enorm overdreven.
De kunst van effectieve propaganda is een allesomvattende discipline die een zorgvuldige en grondige studie vereist — en review — van tijd tot tijd. Voor de beginner kan het erg moeilijk zijn om het onder de knie te krijgen. Zelfs de ervaren propagandist kan soms in de valkuil trappen van het denken dat het creëren en verspreiden van propaganda een eenvoudige onderneming is – wat een goede manier is om een permanente, volledig betaalde Siberische vakantie te winnen. Het is meestal niet zo'n eenvoudige taak om de hele samenleving elke dag, 365 dagen per jaar, eindeloos te verwarren.
De volgende korte handleiding biedt de beginnende propagandist, WEF-lakei, communistische apparatsjik, woke-marxist en doorgewinterde overheidsambtenaar de hulpmiddelen en kennis die nodig zijn om hun veelbelovende talent te ontwikkelen tot een volwaardige meester in de kunst van propaganda.
Dit boek is een beetje lang!! Dus denk niet dat je het in één keer van begin tot eind moet uitlezen, want dat is een recept om uitgeput te raken en de belangrijke informatie die erin staat niet te onthouden.
Deze handleiding is onderverdeeld in de volgende secties:
Afdeling I. Definities - Hoe je woorden, termen en statistieken opnieuw definieert om ze in lijn te houden met het regimenarratief
Sectie II. Gegevens cureren - Hoe je de processen van het registreren, rapporteren en publiceren van data kunt kapen
Afdeling III. Controleren welke gegevens worden beschouwd als onderdeel van de officiële wetenschappelijke - Hoe je gegevens kunt controleren en verwijderen die niet aan het regime voldoen, zodat ze nooit in officiële wetenschappelijke of regime-datasets verschijnen
Sectie IV. Hoe je een studie opzet - Precies wat het klinkt
Sectie V. Het bewerken van de datasets - Soms moet je een kleine data-‘operatie’ uitvoeren om de inhoud van databases aan te passen die in strijd zijn met de standpunten van het regime die je niet zomaar kunt uitroeien.
Afdeling VI. Controle van de bewijsnormen - Hoe je een hiërarchie van bewijsmateriaal kunt opstellen die regimevriendelijke wetenschap bovenaan plaatst en regimeonvriendelijke wetenschap onderaan (van de Marianentrog)
Afdeling VII. De kerkelijke autoriteiten van de wetenschap - Hoe kunnen we ervoor zorgen dat wetenschappelijke autoriteiten de feiten en verhalen van het regime op betrouwbare wijze herhalen?
Nawoord - Het geheel netjes vastknopen, zoals een van de vlinderdassen van Peter Hotez (hij is een bijzonder irritante Regime Celebrity Scientist)
Sectie I – Definities
“Wie de taal beheerst, beheerst de massa.”
—Saul Alinsky, Regels voor radicalen
De manier waarop we concepten of categorieën definiëren, bepaalt welk stukje van de echte wereld ze communiceren of representeren – of wat ze niet communiceren of representeren.
Kneedbare definities en een willekeurige en grillige standaard voor het toekennen van definities zijn een absolute must voor elke effectieve propagandist. Ondanks de beste inspanningen zullen zelfs doorgewinterde, deskundige propagandisten onvermijdelijk situaties tegenkomen waarin de bestaande gecureerde data of de geleefde ervaring van mensen problematisch zijn voor het officiële regimenarratief.
Effectieve propaganda vereist daarom het vermogen tot wendbare en zeer adaptieve flexibiliteit om de inhoud van gegevens te controleren, met name reeds bestaande conventionele statistieken waar het publiek aan gewend is en die notoir moeilijk zomaar te laten verdwijnen zijn (in tegenstelling tot het gemak waarmee je een dissidente wetenschapper van YouTube of Facebook kunt laten verdwijnen). Je zult bijvoorbeeld niet kunnen vermijden om te praten over "sterfgevallen" in de context van een nieuwe Dreaded Disease Pandemic - de primaire manier waarop mensen zich zullen verhouden tot het meten van de ernst van een ziekte zal altijd in de eerste plaats zijn "Hoeveel mensen zijn gestorven aan de ziekte?" Maar je kunt veranderen waar "dood" naar verwijst in de context van de nieuwe Dreaded Disease als je het gevoel van mensen over hoe dodelijk het is wilt vergroten of verkleinen.
In de praktijk betekent dit dat wanneer de normale betekenis van een term of concept aantoont dat de werkelijkheid niet helemaal overeenkomt met het gewenste narratief van het regime, je gewoon een paar definities verandert en voilà: probleem opgelost.
Zoals veel vooraanstaande communistische propagandisten door de geschiedenis heen hebben opgemerkt: “Hij die de taal beheerst, regeert de wereld.”
Er zijn verschillende manieren om definities van problematisch naar acceptabel te veranderen:
I-1. Beperk een definitie
Als de conventionele definitie van iets concepten, data of informatie bevat die haaks staan op het regime dogma, beperk de definitie dan zodat deze niet langer de ongewenste informatie bevat. Er zijn genoeg manieren om dit te doen. Daarom zullen we een paar van de meest voorkomende soorten kenmerken opnoemen die u kunt gebruiken om een definitie effectief te beperken: Beperk de definitie per tijdsinterval: Stel dat gevaccineerde mensen de gevreesde ziekte in zeer hoge mate krijgen in de eerste 30 dagen na vaccinatie, en na 90+ dagen na vaccinatie, met het Glorious Vaccine. Dit is een groot probleem, omdat mensen zullen denken dat het Glorious Vaccine niet effectief is:

Simpel gezegd, wat u in de bovenstaande grafiek ziet, is dat het aantal gevallen per miljoen mensen als volgt is:
- Vóór vaccinatie: 500 gevallen van gevreesde ziekte/miljoen mensen
- 10 dagen na vaccinatie: 3,000 gevallen van gevreesde ziekte/miljoen mensen
- 20 dagen na vaccinatie: 1,700 gevallen van gevreesde ziekte/miljoen mensen
- 30 dagen na vaccinatie: 100 gevallen per miljoen mensen
Dat is een zeer onroemrijke werkzaamheid voor het Glorious Vaccine – iets dat niet mag blijven bestaan. Een oplossing is om de definitie van 'gevaccineerd' simpelweg te veranderen naar iemand die tussen de 30 en 90 dagen na de injectie met het Glorious Vaccine zit – met andere woorden, iedereen die binnen 30 dagen na de vaccinatie zit, of na 90 dagen na de vaccinatie, wordt niet als 'gevaccineerd' beschouwd:

Deze specifieke tactiek werd als eerste toegepast door vrijwel alle volksgezondheidsinstanties in de beschaafde wereld, waar de definitie van 'volledig gevaccineerd' voor de Covid-vaccins beperkt was tot '14 dagen na uw tweede dosis:'

Beperk de definitie op kwantiteit, zoals het aantal blootstellingen – bijvoorbeeld, als een groep mensen die 1 dosis of 5 doses van de wonderbaarlijke behandeling Mirafaucivir hebben gekregen, overlijdt (de eerste dosis doodt mensen die bijzonder gevoelig zijn voor de toxiciteit ervan, en 5 doses zijn te giftig voor vrijwel iedereen), beperk dan de definitie van 'behandeld met MiraFaucivir' tot 2-4 doses:

Beperk een definitie door absurde voorwaarden aan de definitie toe te voegen die bijna onmogelijk te vervullen zijn. U kunt bijvoorbeeld de volgende voorwaarden gebruiken om de definitie van een 'vaccindood' te beperken in de context van een massavaccinatiecampagne met het onlangs geïntroduceerde Glorious Vaccine:

Het is behoorlijk lastig om onder dit soort omstandigheden een 'bevestigd' geval te vinden van iemand die aan het Glorieuze Vaccin is overleden.
(U moet er rekening mee houden dat u autopsieën zoveel mogelijk moet belemmeren om deze voorbeelddefinitie volledig effectief te maken.)
I-2. Breid een definitie uit
Omgekeerd wil je soms meer van iets dan er daadwerkelijk is. Definities uitbreiden is een geweldige oplossing – draai gewoon de bovenstaande instructies om voor beperkende definities.
Dus als je meer doden door de gevreesde ziekte nodig hebt dan er daadwerkelijk mensen door sterven, kun je de definitie van een 'gevreesde ziekte-dood' uitbreiden naar 'elke dood binnen 30 dagen na een positieve test', en als bij toverslag heb je een volwaardige pandemie.
Om dit te illustreren, veronderstel dat na 12 maanden van de circulatie van de gevreesde ziekte, slechts 7 mensen per 100,000 infecties daadwerkelijk werden gedood door de gevreesde ziekte - niet bepaald eng. Je trekt een kleine truc uit en breidt de definitie van een 'gevreesde ziekte-dood' uit naar iets zoals wat de CDC deed - "elke dood binnen 30 dagen na een positieve test op de gevreesde ziekte." Aangezien er elke dag veel mensen sterven, zul je, als je ze allemaal massaal test, onvermijdelijk een hele lading doden 'ontdekken' die toevallig de gevreesde ziekte hadden toen ze stierven, ook al werden ze gedood door iets totaal anders, zoals kanker of een auto-ongeluk. Kijk eens wat een verschil dit maakt:

De staat New York biedt een klassiek voorbeeld van hoe de definitie van 'gevreesde ziektedood' kan worden uitgebreid om de schijn te wekken van een eens in de geschiedenis voorkomende, super-enge apocalyptische pandemie - kijk maar eens naar de volgende prachtige open definitie voor een 'waarschijnlijke' Covid-dood:

LET OP: Je moet er altijd op letten dat je NOOIT, NOOIT, NOOIT – NOOIT!!! – aan het publiek duidelijk maakt hoe je hen gaslight, in duidelijke, beknopte taal die ze kunnen begrijpen. De volgende ongedwongen fout uit 2020 van de directeur van de volksgezondheid in Illinois, Dr. Ngozi Ezike, is het soort ding dat je een snel enkeltje naar de Goelag oplevert – ze zei zelfs het volgende op een openbare persconferentie (zie de ingebedde video hieronder):
“Dus, de casusdefinitie is erg simplistisch. Het betekent dat het op het moment van overlijden een Covid-positieve diagnose was. Dat betekent dus dat als je in een hospice lag en al een paar weken te leven had gekregen en je vervolgens ook Covid bleek te hebben, dat zou worden geteld als een Covid-overlijden. Het betekent dat, technisch gezien, zelfs als je stierf aan een duidelijke alternatieve oorzaak, maar je had tegelijkertijd Covid, het nog steeds wordt vermeld als een Covid-overlijden.”
Ze deed natuurlijk het juiste door zo'n wonderbaarlijk uitgebreide definitie te gebruiken voor Covid-doden, maar ze liet dom en achteloos de kat uit de zak voor de hele wereld om te zien. Dat is het soort achteloze blunder dat een hele propagandacampagne in één nacht kan vernietigen. En ook het soort ding dat een carrière-einde kan zijn (of erger):

I-3. Bedenk een geheel nieuwe definitie
Soms is het gewoon niet mogelijk om het algemene begrip van iets te verbergen door alleen maar met de definitie aan de randen te spelen. In dat geval kunt u de gedurfde stap zetten om een woord, concept of categorie helemaal opnieuw te definiëren om aan uw propagandabehoeften te voldoen. Wees u er alleen van bewust dat het misschien iets moeilijker is om mensen ervan te overtuigen dat de oude definitie een verzinsel van hun verbeelding is.
Neem bijvoorbeeld het CDC (ja, we gaan het CDC vaak citeren; het is tenslotte de grootste organisatie voor gezondheidspropaganda ter wereld), dat de definitie van 'vaccinatie' in zes jaar tijd meerdere keren heeft gewijzigd:

sidebar: De bovenstaande tweet biedt een les in de noodzaak om malafide wetgevers te controleren die proberen om het oneens te zijn of zelfs uw propaganda-inspanningen te ontmaskeren. U hebt geen behoefte aan de extra hoofdpijn van het omgaan met duidelijk bewijs van uw taalkundige verraad dat aan het publiek wordt uitgezonden vanaf de vloer van het Congres of het Parlement (of de nog grotere hoofdpijn van verbannen te worden naar Siberië als zondebok voor het toestaan van zoiets).
Soms zul je merken dat je gevangen zit in de gewone conversatiebetekenis van woorden, waarin ze iets benadrukken waar je je niet kunt veroorloven dat mensen aandacht aan besteden. Mocht dit gebeuren, dan zul je gedwongen worden om een fundamentele verandering door te voeren in de essentie van de taal. Dit is een soort nucleaire optie voor wanneer je iets op geen enkele andere manier kunt verbergen, en je het je ook niet kunt veroorloven om het niet te verbergen. (Pas op!! Een dergelijke gedurfde onderneming brengt een aanzienlijke mate van moeilijkheid met zich mee, omdat veel mensen geneigd zullen zijn zich te verzetten tegen een dergelijke open en gedurfde taaltransitie – vergelijkbaar met hoe veel onverlichte Luddieten zich verzetten tegen gendertransities.).
Neem bijvoorbeeld de term ‘vreedzaam protest’:

Natuurlijk is 'beperkt' een subjectieve term waarvan de precieze contouren niet goed zijn gedefinieerd. Dat geeft je veel vrijheid om de beschrijving op bijna alles toe te passen, ongeacht hoe onsamenhangend of niet passend de toepassing is. Dit blijkt uit dit echte mediabericht dat geen verdere toelichting behoeft:

I-4. Categorieën combineren
Soms is het gewoon niet praktisch of haalbaar om de data te vormen door simpelweg definities te veranderen. Maar maak je geen zorgen: als je de definitie niet kunt veranderen, kun je in plaats daarvan het datapunt of de categorie zelf veranderen waar mensen aan gewend zijn dat het woord of de zin naar verwijst. Mensen zijn niet afgestemd op subtiele of genuanceerde verschillen in categorieën of datapunten, en de media verwarren de meeste dingen toch al, waardoor dit een makkelijke en handige truc is. Je kunt bijvoorbeeld het volgende proberen:
- Combineren van verschillende leeftijdsgroepen:
Stel dat het Glorious Vaccine ervoor zorgt dat een stel kinderen in zombies verandert. Dat is behoorlijk slecht voor het regime. (Wat betekent dat je een paar wetenschappers moet herplaatsen om de rest van hun carrière te werken op een klimaatonderzoeksstation in Antarctica. Zonder sokken.)
Ten eerste moet je deze nieuwe toestand altijd omschrijven als "Veilige en effectieve transformatie in een vleesetende zombie." De reden voor het vleesetende deel is simpel: 'vleesetende zombie' klinkt te eng, en gewoon 'zombie' voelt alsof de zombies in feite dood zijn - dat wil zeggen dat de dierbare kinderen dood zijn - geen van beide is een indruk die je mensen wilt geven.Ook al is het onwaarschijnlijk dat ons hypothetische voorbeeld in de praktijk werkelijkheid wordt, het principe is relevant en toepasbaar op elke situatie: je moet iets altijd zo benoemen dat het een indruk geeft van de indruk die mensen volgens jou moeten hebben.)
Ten tweede, omdat de mate van Zombificatie in de leeftijdscohort van 12-17 jaar zo hoog is dat het voor iedereen die naar de gegevens kijkt (zie onderstaande grafiek) duidelijk is, zul je daar waarschijnlijk mee te maken krijgen. Dus in plaats van de gegevens uitgesplitst naar leeftijd te presenteren, waarbij mensen de toename van kinderzombificatie direct zullen opmerken, presenteer je de gegevens als een gecombineerde leeftijdsgroep die groot genoeg is om het signaal te verbergen of wit te wassen:

Nu zal niemand meer opmerken dat de gegevens aantonen dat kinderen een duidelijk risico lopen om door het Glorieuze Vaccin in vleesetende zombies te veranderen.
Of omgekeerd, ervan uitgaande dat de jongeren niet zo vaak aan de gevreesde ziekte sterven dat de moeders er bang voor zijn, kun je sterftecijfers van de gevreesde ziekte presenteren voor een gecombineerde leeftijdsgroep van 0-50 jaar, waardoor het lijkt alsof er zóveel sterfgevallen zijn in een groep die... omvat de kleintjes:

- Combineren van verschillende demografische cohorten:
Hetzelfde idee als bij de leeftijdsgroepen; stel dat je wilt voorkomen dat burgers erachter komen dat de gevreesde ziekte eigenlijk alleen gevaarlijk is voor de morbide zwaarlijvige mensen – wat slecht is:
- ten eerste omdat ze dan niet bang zijn voor de gevreesde ziekte
- Ten tweede omdat mensen zich misschien gaan afvragen of vet wel gezond is. Dat kun je niet toestaan, want dan gaan ze misschien twijfelen aan het regimeverhaal over 'vetpositiviteit' en wie weet wat er daarna nog meer gebeurt.
U zou dus de sterftecijfers als gevolg van de gevreesde ziekte moeten presenteren in een gecombineerde categorie die alle soorten gewichtsidentiteiten omvat:

- Combineren van verschillende tijdsperiodes
Stel dat u opmerkt dat de sterfgevallen door de gevreesde ziekte maand na maand afnemen – wat catastrofaal kan zijn voor de plannen van het regime die vereisen dat de mensen geloven dat de gevreesde ziektepandemie nog een paar maanden in volle gang is. Als de mensen het idee krijgen dat de gevreesde ziekte afneemt, nou, dan is dat een hoop gemiste kansen om de gevreesde ziektecrisis te gebruiken als middel om maatschappelijke transformatie te bewerkstelligen en de macht van het regime te consolideren en te verstevigen.
Dus in plaats van de sterftecijfers per maand te presenteren, worden alle drie de maanden gecombineerd in een nieuwe categorie van ‘maandelijks gemiddelde over de drie maanden’, wat de daling van januari tot maart zal maskeren, zoals hieronder geïllustreerd:

- Combineren van verschillende geografische jurisdicties
Stel dat er een schurkenstaat in het land is die problemen veroorzaakt voor het regime dat de richtlijnen van het regime niet volgt om de gevreesde ziekte aan te pakken, die we Death Santistan zullen noemen. Als ze betere of zelfs gelijke resultaten laten zien dan de rest van het land waar ze goede burgers zijn en de richtlijnen van het regime volgen, zou dat behoorlijk slecht zijn. Stel dat er een stad of provincie is in deze slechte staat die een loyale regime-regio is die alle richtlijnen van het regime volgt, maar waarvan het sterftecijfer veel hoger is dan de rest van Death Santistan. Wat heel erg slecht is. Oplossing? Je kunt gegevens van de hele staat presenteren, zodat mensen niet kunnen zien dat de loyale regio die de richtlijnen van het regime volgt een sterftecijfer heeft dat 10 keer zo hoog is als de rest van de staat. Er is zelfs een bonusvoordeel: je kunt de hele staat Death Santistan aanwijzen als een mislukking, omdat de loyale regime-regio de hele staat er veel slechter uit zal laten zien!!

Het samenvoegen van alle steden en provincies in een ontrouwe staat om de problemen te verhullen die specifiek zijn voor steden met een loyaal regime, is een van de meest gebruikte propagandatactieken om ongunstige informatie te verbergen, zoals de veel hogere criminaliteitscijfers in steden die loyaal zijn aan het regime vergeleken met steden die worden bestuurd door de kwaadaardige oppositie.
(sidebar: Hoge criminaliteitscijfers zijn natuurlijk een goede zaak, het is een bewuste keuze van het regime. Hoge criminaliteitscijfers zijn nuttig voor het regime, omdat instabiliteit ervoor zorgt dat mensen eerder bereid zijn een tirannieke regering als oplossing te accepteren.)
Ter illustratie volgt hier een briljant staaltje gaslighting van een van de belangrijkste woordvoerders van de regime-media:

Kijk naar de ondertitel in het karmozijnrode vakje – zie hoe ze handig de rode staten voor de hoge criminaliteitscijfers die zich allemaal voordoen in de blauwe steden binnen de rode staten, maar niet in de rest van de staat waar het bestuur “rood” is? Precies.
- Het combineren van verschillende soorten effecten of verschijnselen. Als er bijvoorbeeld een toename is van een specifiek subtype van een ziektetoestand – zoals een alarmerende toename van zeldzame vormen van kanker na de uitrol van het Glorieuze Vaccin, waardoor mensen het officiële regimenarratief in twijfel kunnen trekken dat het Glorieuze Vaccin de veiligste entiteit is die ooit in de universele geschiedenis is gecreëerd of ontdekt – dan kun je de algemene categorie kanker gebruiken – die 1,000x zo groot is – om het signaal te verbergen.
Een andere manier om categorieën te combineren is dat je nooit de specifieke gegevens voor verschillende groepen of subsets geeft, iets dat tot in de puntjes werd uitgevoerd toen Covid toesloeg. Bekijk de volgende peilingresultaten, die het aandeel Covid-doden voor elke leeftijdsgroep naast elkaar laten zien met het percentage van elke leeftijdsgroep dat zich zorgen maakte dat ze door Covid zouden worden gedood. (De blauwe balken geven het percentage van elke leeftijdsgroep aan dat zich zorgen maakte dat ze door Covid zouden worden gedood, de groene balken geven het percentage van het totale aantal Covid-doden in elke leeftijdsgroep weer.)

Als mensen hadden begrepen wat hun werkelijke risico op overlijden was, zouden de blauwe balken minstens in de buurt van de groene balken moeten komen. Als de blauwe balken dramatisch hoger zijn, is dat het resultaat van bruut effectieve propaganda door alle leeftijdsgroepen in één categorie te combineren zonder ooit onderscheid te maken:

Werkelijk een groot succes!!
I-5. Categorieën splitsen
Soms moet je een categorie opsplitsen in plaats van deze te combineren met een andere. Draai gewoon het hierboven beschreven raamwerk om voor het combineren van categorieën.
Deze handige kleine manoeuvre is vooral handig als u iets onder de drempelwaarde voor statistische significantie wilt krijgen.
Omdat statistische significantie een belangrijk concept is in data en wetenschap, is het een goed idee om uit te leggen hoe dit werkt.
Statistische significantie, zoals gebruikt in conventionele medische academische/wetenschappelijke taal, betekent in principe dat de waarschijnlijkheid dat iets niet het gevolg is van toeval, minder dan 5% is.
If je gooit 10 keer een munt op, de kans om 7 keer kop te gooien door toeval is 11.72% – NIET statistisch significant. Als je een munt 100 keer opgooit, is de kans om 70 keer kop te gooien door toeval een minuscule 0.0023% – ZEER statistisch significant (want dat is veel minder dan 5%) – wat betekent dat het niet redelijkerwijs kan worden toegeschreven aan toeval, maar eerder aan iets specifieks (zoals vals spelen) waardoor de munt 70% kop gooide.
Waarom is dit? Om 7/10 te krijgen, heb je alleen twee extra muntjes nodig om je kant op te gaan – een beetje een reeks. Kleine afwijkingen zoals deze kunnen gemakkelijk willekeurig gebeuren. Om 70/100 te krijgen, heb je echter 20 extra muntjes nodig om je kant op te gaan – de kans om *20* extra muntjes te gooien uit een totaal van slechts 100 door willekeurige kans is verwaarloosbaar. Dus als we 70 keer kop zien uit 100 keer gooien, kunnen we aannemen dat er een vorm van vals spelen gaande is, omdat het zeer zeer onwaarschijnlijk is dat dat door willekeurige kans gebeurt.
U kunt dit in uw voordeel gebruiken om een statistisch significant signaal te verdelen en te veroveren. U kunt een categorie waarin een statistisch significant signaal is voor iets dat in strijd is met de doctrine van het regime, opsplitsen in kleinere categorieën om zo het signaal op te splitsen van een '70/100' in een aantal '7/10's' die afzonderlijk statistisch niet significant zijn.
Als er bijvoorbeeld een signaal is dat er meer doden per 100 per jaar zijn na de Wondrous Glorious Vaccine Campaign, dan kunt u de sterftecijfers publiceren, uitgesplitst naar leeftijdsgroep. Geen enkele leeftijdsgroep zal een statistisch significante toename in sterfte vertonen (en u kunt beweren dat het waarschijnlijk overgebleven overtollige sterfte is door de 'lang gevreesde ziekte', door complicaties die ontstaan door het krijgen van de gevreesde ziekte):

Opmerking van waarschuwing: Deze specifieke tactiek zou idealiter met iets anders gecombineerd moeten worden. Anders zouden mensen de verdeling kunnen omkeren door een simpele rekensom te maken en alle leeftijdsgroepen bij elkaar op te tellen. Zorg er dus voor dat je nog meer verwarrende trucjes toevoegt.
I-6. Categorieën herverdelen/hertekenen
Een beter afgestemd alternatief voor het direct combineren van categorieën is om ze te herverdelen – om de lijnen opnieuw te trekken, zeg maar. Dit kan worden gedaan met behulp van elke eigenschap waarmee categorieën worden onderscheiden.
Om dit te illustreren, terugkerend naar ons voorbeeld van de kwaadaardige, ontrouwe staat Death Santistan, kun je in plaats van de hele staat te combineren tot één staatsstatistiek, heimelijk de geografische grenzen van de provincies binnen de staat opnieuw tekenen voor de doeleinden van Dreaded Disease-gegevens zoals deze - kijk eens wat er gebeurt als we de provinciegrenzen veranderen in groene lijnen:

Opmerking: Dit betekent niet dat je letterlijk de counties opnieuw moet tekenen voor politieke en andere doeleinden zoals kiesdistricten; het enige wat je doet is andere grenzen gebruiken voor het enige doel van Dreaded Disease-statistieken. (De bevolking zal echter aannemen dat je de daadwerkelijke counties bedoelt die er zijn en zal zich daarom niet realiseren dat je ze voor de gek hebt gehouden. Het heet niet voor niets propaganda.)
I-7. Vloeistofdefinities
Er zijn momenten waarop u de paradoxale behoefte kunt hebben om een specifieke definitie voor één ding te gebruiken, maar die specifieke definitie voor iets anders ook moet vermijden. In zulke gevallen moet u handelen als een woordenboek – woordenboeken hebben doorgaans meerdere afzonderlijke definities voor één woord, u kunt hetzelfde doen.
Zo wordt het woord 'vrouw' soms gedefinieerd als 'een volwassen mens die vrouwelijke anatomische en genetische kenmerken bezit', zoals in de discussie over het recht van een vrouw om te kiezen. Soms wordt het ook gedefinieerd als 'een persoon die zich identificeert als vrouw', zoals in de context van georganiseerde sporten.
Sectie II – Gegevens cureren
Nog beter dan het hanteren van veranderlijke definities is het vermijden van situaties waarin de definitie in de eerste plaats moet worden gewijzigd.
De beste manier om dergelijke problemen te voorkomen, is door de gegevens zodanig te cureren dat er geen potentiële hoofdpijn ontstaat. Hiervoor kunt u een of meer van de volgende beproefde methoden gebruiken om de curatie, organisatie en presentatie van gegevens op corrupte wijze te kapen.
II-1. Stel geen diagnose of identificeer iets
Als een patiënt binnenkomt met meerdere neurologische tekorten na het nemen van het Glorious Vaccine en naar huis wordt gestuurd met een Xanax-recept voor zijn "angst", zal dit in de eerste plaats geen diagnose voor een neurologisch tekort genereren in een database. Geen diagnose van een aandoening die veroorzaakt zou kunnen zijn door het Glorious Vaccine - of diagnostische code in een grote overheids- of verzekeringsdatabase - betekent dat u definitie-goocheltrucs zult moeten gebruiken om het bestaan van gediagnosticeerde verwondingen in verband met het Glorious Vaccine te verdoezelen. Daarom moet u ervoor zorgen dat de mensen die verantwoordelijk zijn voor het diagnosticeren of identificeren van problematische of tegenstrijdige gegevens/observaties met betrekking tot het Perfectly Safe and Effective Glorious Vaccine, dit zullen vermijden.
Het is de moeite waard om hier te benadrukken dat patiënten gemakkelijk door hun eigen artsen worden voorgelogen dat 'het allemaal tussen hun oren zit', zelfs als ze weten dat ze ernstige, levensveranderende medische verwondingen hebben die hen invalide maken en hen volledig onbekwaam maken om te functioneren. die ze dagelijks ervaren.
Laten we dit illustreren met het volgende hypothetische scenario:
Regeringsfunctionarissen zien dat in de door de overheid gecontroleerde PROPAGANDA Veiligheidsbewakingsdatabase opgezet om de veiligheid van Glorious Vaccine te bewaken –

– er is een signaal voor VAMP-syndroom (Vaccijns Ageassocieerd Metamorfologisch Phenomena) voorwaarden:

Een patiënt komt bij de dokter binnen met een snel optredende, acute Syndroom van Renfield (dorst naar bloed), extreme lichtgevoeligheid, uitgesproken macrodontie, en ernstige contactdermatitis tot zilver, die allemaal binnen enkele uren na de injectie met het Glorious Vaccine begonnen. Dit is een duidelijk geval van een bijwerking van het VAMP-syndroom: de presentatie van de patiënt voldoet aan de diagnostische criteria voor volwaardig vampirisme en de aandoening werd veroorzaakt door het Glorious Vaccine (aangezien u als arts elke andere oorzaak veilig kunt uitsluiten, plus de onmiddellijke aanvang van VAMP-symptomen na de injectie is een vrij vanzelfsprekende indicator dat het Glorious Vaccine de symptomen heeft veroorzaakt).
Ook al ziet de patiënt dat het duidelijk niet goed met hem gaat – hij voelt een overweldigende verleiding om op je pulserende halsader te kauwen, hij kan het niet uitstaan om voor een raam te staan tenzij de gordijnen helemaal dicht zijn, hij heeft per ongeluk een paar stukjes van zijn tong afgebeten met zijn pas extra lange en vlijmscherpe voortanden, en zijn huid begint te vervellen als hij de zilveren familiestukken aanraakt – so what?? Je kunt de patiënt nog steeds vertellen: "Dit zit tussen je oren" en hem naar huis sturen met een Xanax-recept (en misschien een zak of twee O-negatief bloed als je het idee hebt dat de patiënt zichzelf niet veel langer onder controle kan houden en je niet wilt dat je halsader zijn lunch levert). En de patiënt zal het gewoon accepteren en zonder veel tegenstribbelen naar huis gaan.
Hiermee wordt voorkomen dat er überhaupt een diagnostische registratie van het VAMP-syndroom wordt gegenereerd. Er is dus niets te vinden in welke database dan ook.
Je zou verbaasd zijn hoeveel artsen zo meegaand zijn dat ze zichzelf ervan overtuigen dat de harige vrouw met een staart die uit het niets groeide een uur nadat ze het Glorieuze Vaccin had gekregen heeft helemaal niets te maken met het Glorieuze Vaccin.
(Note: (Even serieus, het is belangrijk om pakkende afkortingen of namen te bedenken voor dingen die de indruk wekken hoe u wilt dat mensen die dingen zien. Gebruik dit voorbeeld dus niet in het echte leven, want het geeft de indruk dat u de veiligheidsbewaking niet serieus neemt en zorgt ervoor dat mensen eerder denken dat u de werkelijke veiligheidsproblemen met het Glorieuze Vaccin probeert te verbergen.)
II-2. Iets over-diagnosticeren of over-identificeren
Omgekeerd, als je meer van iets moet maken dan er direct beschikbaar is, draai je #1 gewoon om. Als je bijvoorbeeld wilt dat mensen banger zijn voor de gevreesde ziekte, kun je een massatestregime implementeren om het aantal 'bevestigde' gevallen van de gevreesde ziekte op te krikken. Zorg er ook voor dat je tests gebruikt die een zeer hoog percentage positieve resultaten opleveren, of ze nu waar zijn of niet.
Door de bewaking of het testen op iets te vergroten, kun je de schijn wekken van toenemende aantallen van wat je ook test, of op zijn minst de façade in stand houden dat het nog steeds bestaat. Bekijk de volgende illustratie uit de goede oude VS van A - je kunt op de bovenste grafiek zien dat terwijl het aantal dagelijkse Covid-tests toenam, tegelijkertijd het percentage positieve tests met meer dan 75% daalde (onderste grafiek). Wat dit deed, was de aantallen gevallen relatief hoog houden (middelste grafiek), dus zelfs toen het percentage positieve tests met >75% daalde, daalde het aantal nieuwe gevallen slechts met ongeveer 25% in dezelfde periode.

De betekenisloze toename van het aantal gevallen, die geheel het gevolg was van meer testen, resulteerde niettemin in krantenkoppen zoals dit geweldige paniekporno-artikel van NBC dat op 11 juni 2020 werd gepubliceerd:

Vergeet niet: Je vindt wat je zoekt, en je vindt meer van wat je zoekt.
II-3. Meld niet wat is gediagnosticeerd of geïdentificeerd
Soms is het niet mogelijk om te voorkomen dat er iets wordt gediagnosticeerd of geïdentificeerd dat beter onontdekt kan blijven. In zo'n geval kunt u er in ieder geval voor zorgen dat wat is waargenomen niet in officiële rapporten of gegevens wordt opgenomen:

Op een meer geïndividualiseerd niveau zou u richtlijnen moeten geven aan de artsen, het medisch personeel en het administratief personeel ter plaatse om GEEN diagnoses te stellen van zaken die u niet in datasets wilt zien. Aarzel niet om financiële prikkels te gebruiken om de pot te zoeten voor loyale, regime-conforme artsen. Wees hier niet zuinig op – preventie is bijna altijd goedkoper (en minder stressvol) dan het oplossen van problemen nadat ze al zijn ontstaan.
Zelfs in de zeldzame gevallen waarin een arts niet kan voorkomen dat hij bij een patiënt een ernstige aandoening diagnosticeert die direct na toediening van het Glorious Vaccine is ontstaan, kan de arts er toch voor zorgen dat de bijwerking niet wordt gemeld in een database met letsels door het Glorious Vaccine.
Als de database met het regime voor het documenteren van verwondingen door het Glorious Vaccine op de een of andere manier toch te veel problematische rapporten bevat die twijfels oproepen over de veiligheid ervan, moet u twee dingen doen.
De eerste is om een paar databasebeheerders te laten stranden langs het stuk kustlijn van Somalië waar de piraten rondhangen, zodat de rest van hen hun zaakjes op orde krijgt en stopt met het doorlaten van zoveel rapporten. Je betaalt ze om een taak te doen, namelijk het in stand houden van de publieke perceptie dat het Glorious Vaccine het veiligste medicijn is dat ooit is uitgevonden; falen is niet acceptabel.
De tweede is om de problematische rapporten in de database NIET openbaar te maken. De CDC deed zijn uiterste best, maar werd uiteindelijk verslagen door een malafide rechter (wat de noodzaak benadrukt om ook controle te hebben over de rechterlijke macht):

II-4. Sta geen onderzoek naar verschijnselen toe als de bevindingen problemen kunnen veroorzaken
De keerzijde van "Je vindt wat je zoekt" is dat "Je vindt niet wat je niet zoekt", dus zorg ervoor dat niemand op zoek gaat naar mogelijke signalen van iets dat problematisch zou kunnen zijn voor het regime-narratief. Als het regime bijvoorbeeld 'per ongeluk' een plaag ontketent in een derdewereldstad, kun je geen vervelende complotdenkers op sociale media laten uitvogelen wat er is gebeurd, dus zorg je er maar beter voor dat niemand autopsies uitvoert of zieke individuen test.


Het CDC biedt nog een voorbeeld van goed preventief strategisch denken om gegevens buiten de deur te houden die mogelijk schadelijk zijn voor het regime:

Het CDC heeft bovendien nog steeds geen enkele autopsie laten uitvoeren op de duizenden en nog eens duizenden sterfgevallen die in de eigen VAERS-vaccinveiligheidsdatabase van het CDC worden vermeld.Herinnert u zich nog het gedeelte uit Sectie I over het toevoegen van absurde voorwaarden aan definities? Als u dat niet doet, is het het beste om het materiaal nog eens door te nemen, zodat u het bij de hand hebt.)
II-5. Publiceer in eerste instantie slechts een deel van de gegevens
Vaak genoeg kun je door simpelweg een deel van de data te publiceren en het andere deel weg te laten voor later, een vals verhaal creëren dat wortel schiet. Dus wanneer je uiteindelijk de rest van de data publiceert, maakt het niet uit dat het de basis van wat nu een geaccepteerd dogma is geworden, tegenspreekt.
Als u de gevreesde ziekte bijvoorbeeld breder wilt voorstellen dan deze in werkelijkheid is, kunt u het voorbeeld volgen van de meest vooraanstaande propagandisten uit Virginia en een aantal negatieve testresultaten even achterhouden om het percentage positieve testresultaten te verhogen. Hierdoor lijkt het alsof er meer mensen ziek zijn van de gevreesde ziekte:

Een ander scenario waarin je de techniek van gedeeltelijke publicatie van gegevens met groot effect kunt gebruiken, is wanneer je gedwongen wordt om gegevens vrij te geven om welke reden dan ook die het regime er echt slecht uit laten zien (het gebeurt). Je wilt dus de vrijgave van de echt schadelijke dingen zo lang mogelijk uitstellen - als je lang genoeg wacht, zullen ze uiteindelijk niet meer relevant zijn. En als je alles in één keer dumpt, zal de schokfactor enorm zijn en zul je een grote puinhoop op je handen hebben. Als je de informatie echter druppelsgewijs vrijgeeft, dan is de "wow"-schokfactor tegen de tijd dat de schandalige stukken worden vrijgegeven, al lang verdwenen en zullen mensen er niet meer zoveel aandacht aan besteden. Deze tactiek werd geprobeerd door de FDA, hoewel het grotendeels werd gedwarsboomd door de schurkenrechter (die de cruciale noodzaak van rechterlijke controle benadrukt om te voorkomen dat afvallige rechters het regime op hun kop zetten):
II-6. Beperk de aanvaardbare bronnen van gegevens of informatie
Wanneer er bronnen zijn die data genereren die niet in overeenstemming zijn met het regime-narratief (het zal af en toe gebeuren, hoe hard je ook je best doet), diskwalificeer ze dan gewoon als propaganda of iets anders ongeloofwaardigs en gevaarlijks, zoals Russische bots. (Als algemene vuistregel kun je altijd terugvallen op het beschuldigen of toeschrijven van ongemakkelijke informatie aan "Russische desinformatie" in geval van nood.)
Bewijsstuk A voor deze tactiek zou de VAERS-database zijn die wordt beheerd door de CDC. Toen VAERS volstrekt krankzinnige aantallen vaccinatieschade door het Covid-vaccin liet zien –

– het gehele wetenschappelijke apparaat bestempelde VAERS eenvoudigweg als een samenzweringstheorie die gebruikt werd om gevaarlijke desinformatie te verspreiden:


Als deze gegevens echter afkomstig zijn uit regime-datasets die te moeilijk zijn om zomaar af te doen als onwetenschappelijke rommel (ja, dat gebeurt), dan stop met het publiceren ervan en in plaats daarvan worden ze in diskrediet gebracht als slecht geconstrueerd en vol met fatale fouten.
We kunnen de UKHSA gebruiken om dit principe te illustreren. Nadat de ruwe werkzaamheid van het vaccin voor bijna alle leeftijdsgroepen flink in negatief gebied was gedaald (gevaccineerde mensen liepen een HOGER risico om Covid op te lopen vergeleken met niet-gevaccineerde mensen), stopte de UKHSA gewoon met het publiceren van de wekelijkse gegevens over de werkzaamheid van het vaccin:

De UKHSA biedt ook een waarschuwend verhaal over wat er gebeurt als je te lang wacht met het verwijderen van problematische datasets:

Je kunt niet elke week dit soort koppen hebben!! Ze hadden de stekker uit deze dataset moeten trekken, veeeeeel eerder dan de gevaccineerden Covid kregen dan de ongevaccineerden. Dit is een ongedwongen fout, het soort idiote fout waarvoor letterlijk koppen rollen. Waarom hebben ze in hemelsnaam gewacht totdat de *booster*-effectiviteit voor 80-jarigen negatief zou worden???? Iemand bij de UKHSA heeft dit boek al een tijdje niet gelezen, en die had duidelijk baat gehad bij een kleine recensie. . .
II-7. Gebruik dubbele normen bij het bepalen welke informatie rigoureus en geloofwaardig is
Sommige propagandisten aarzelen misschien om schaamteloos hypocriet te zijn, omdat ze zich blootgesteld voelen door openlijk twee onverzoenlijke standaarden te postuleren die zelfs sommige gewone boeren kunnen opmerken. U moet deze neiging echter bestrijden. Begrijp dat het hanteren van dubbele standaarden uw opties exponentieel vergroot als het gaat om het bedenken van praatpunten en standpunten om het publiek te manipuleren.
Dit geldt met name voor anekdotes. Anekdotes die de standpunten van het regime ondersteunen, met name die van door het regime goedgekeurde bronnen, moeten worden beschouwd als de hoogste vorm van bewijs; terwijl anekdotes van ketterse of niet-goedgekeurde bronnen die de propaganda van het regime tegenspreken, moeten worden veroordeeld als louter anekdotisch en zonder enige bewijswaarde die helemaal nergens toe leiden.
Dus anekdotes van regime-compliant artsen en loyale burgers van de gevreesde ziekte die mensen doden en verminken, zijn onomstotelijk bewijs, maar anekdotes over verwondingen of sterfgevallen als gevolg van het glorieuze vaccin zijn niets meer dan willekeurige toevalligheden, of zelfs regelrechte verzinsels, verspreid door verachtelijke charlatans om het regime in diskrediet te brengen en alle goede mensen overal ter wereld in gevaar te brengen die alleen maar in leven en gezond willen blijven:


Het openlijk hanteren van dubbele standaarden heeft ook het belangrijke voordeel dat de bevolking wordt geconditioneerd door de gedachte dat de echte standaard voor het bepalen of gegevens of informatie betrouwbaar zijn, simpelweg is wat het regime zegt.
II-8. Corrupteer de gegevens om uw verhaal te beschermen of te versterken
Soms is de makkelijkste tactiek om problematische data te vermijden, gewoon nepdata verzinnen. Je kunt iets uit het niets verzinnen. Of je kunt een genuanceerdere aanpak kiezen en de data corrumperen door subtiele fouten of vooroordelen te introduceren die moeilijker op te merken zijn voor de gemiddelde persoon. Er zijn eindeloos veel manieren om data te fabriceren of te vervalsen, veel te veel om hier op te noemen. Zorg er alleen voor dat je data vervalst op een manier die niet gemakkelijk ontdekt of reverse-engineered kan worden.
Bijvoorbeeld, als we terugkeren naar onze vorige hypothetische situatie waarin je de bevolking moet laten geloven dat er veel meer gevallen van een gevreesde ziekte zijn dan er in werkelijkheid zijn, dan is een andere manier om de gevreesde ziekte als meer voorkomend af te schilderen, het aantal mensen dat momenteel ziek is te combineren met het aantal mensen dat al hersteld is. De CDC deed dit ook toen ze antilichaamtesten (die het aantal mensen meten dat al hersteld is van Covid) combineerden met PCR-testen (die het aantal momenteel zieke mensen meten) tot één metriek van "positieve Covid-testuitslag", waarbij ze op slinkse wijze iedereen die al hersteld is, opnamen als zijnde NU ziek:


Let op de onderstreepte zinnen hierboven. Ze zijn nogal onthullend.
De groen onderstreepte zin – “De methode van de CDC wekt de indruk dat de VS een grotere testcapaciteit heeft dan in werkelijkheid het geval is” – kijk hoe de CDC er op briljante wijze in slaagde om meerdere propagandakoekjes uit deze ene manoeuvre te toveren. Ze creëerden niet alleen de illusie van veel hogere percentages actief geïnfecteerde mensen; ze creëerden ook de illusie dat de overheid een veel grotere capaciteit had om mensen op het virus te testen dan de overheid in werkelijkheid bezat. (Het is goed om voorbeelden van overheidscompetentie te pronken, aangezien de legendarische reputatie van de overheid voor verbijsterende incompetentie een van de meest notoir moeilijke opvattingen is om tegenin te gaan die mensen over de overheid hebben.) Een scherpe propagandist is altijd op zoek naar het exploiteren van extra hoeken voor voordelen in plaats van tevreden te zijn dat de ingezette propagandatactiek zijn primaire beoogde doel heeft bereikt.
De rood onderstreepte zin – “De cijfers kunnen het doen lijken alsof staten voldoende testcapaciteit hebben en klaar zijn om beperkingen op te heffen, terwijl dat misschien niet het geval is” (en eigenlijk de laatste twee alinea's) – bieden een wijze les over het in de kiem smoren van potentiële doornen. Je moet altijd – altijd!! – waakzaam zijn om *alle* mogelijke implicaties of snelle reacties op informatie te voorkomen die, hoewel over het algemeen ondersteunend voor het regime, ook iets bevat dat verdraaid kan worden om een ander aspect van het officiële regime-narratief te ondermijnen. In principe kun je je cake hebben EN opeten! Waardeer hier hoe de geciteerde regimewetenschapper er handig in slaagt om tegelijkertijd (1) zijn goedkeuring te uiten voor de toegenomen testcapaciteit als een maatstaf voor de buitengewone competentie van het regime; (2) de schuld voor het [opzettelijke] “ongeluk” bij de dissidente politieke partij legt; en (3) waarschuwt dat hoewel de staat zo'n geweldig werk doet om testen breed beschikbaar te maken, dat niet betekent dat het veilig is om te heropenen! Vergeet niet dat er een pandemie in stand moet worden gehouden, wat deze regimewetenschapper vakkundig doet. (Zorg ervoor dat je regimewetenschappers rijkelijk beloont voor uitstekend werk als dit. Het zal de rest van hen motiveren om hun spel te verbeteren en het is goed voor het moreel.)
Merk ook op dat de media een kritische bondgenoot van het regime zijn zonder wie u zult falen. Doe dus wat u moet doen om de gezellige relaties te onderhouden – begin hier niet met gierigheid.
II-9. Problematische gegevens verwijderen
Ja. Zoals Bleach Bit-ing Hillary's e-mails. Het is goed om databases van tijd tot tijd te zuiveren van data die inconsistent zijn met de verhalen of standpunten van het regime; anders zou het kunnen oplopen tot een waarneembare trend die opgemerkt kan worden door dissidenten van het regime of verspreiders van desinformatie.
Als de veiligheidsdatabase voor het Glorious Vaccine bijvoorbeeld te veel rapporten bevat, verwijder ze dan gewoon, zoals de CDC doet. Dit wordt geïllustreerd door de onderstaande grafiek met het aantal problematische VAERS-rapporten dat de CDC elke week verwijdert:

Merk in dit geval op dat de VAERS-medewerkers van de CDC het grootste deel van de tijd ondermaats presteerden. Je kunt niet toestaan dat cruciaal personeel verslapt. Deze hele grafiek zou balken tot aan de bovenkant moeten tonen. Er is geen geldige reden waarom ze in augustus 2021 niet veel VAERS-rapporten hadden kunnen verwijderen, zoals ze dat in april en mei 2022 deden. Als je extra personeel moet inhuren om rapporten te verwijderen, doe dat dan.
En waarom hebben deze luilakken in de eerste plaats zoveel rapporten laten opstapelen? Er zouden in zo'n database überhaupt niet genoeg rapporten moeten staan, anders zouden ze wekelijks massaal verwijderd moeten worden.
De belangrijkste les van dit hele boek is misschien wel deze: De saaie, grappige, vervelende logistieke details van het verspreiden en onderhouden van propaganda zijn net zo belangrijk als een grootse, allesomvattende Grote Leugen of adembenemende taalkundige acroniemen.
Het kan zijn dat u creatief moet zijn om een rechtvaardiging of verklaring te bedenken als mensen erachter komen dat er gegevens ontbreken. Zorg er dus voor dat u van tevoren gespreksonderwerpen voorbereid hebt, voor het geval dat.
Een ander goed voorbeeld van sluwe dataverwijdering in de praktijk is de volgende briljante verwijdering door de Australische overheid om onhandige klimaatgegevens te verwijderen die hitterecords tonen die te lang geleden zijn ontstaan om aan menselijke koolstofemissies te kunnen worden toegeschreven:

Helaas werden ze betrapt, wat soms onvermijdelijk is als je iets heel belangrijks en opvallends probeert te verwijderen. Daarom is het noodzakelijk om een Goelag-systeem paraat te hebben dat dag en nacht klaarstaat om een plotselinge toestroom van nieuwe gevangenen op elk moment aan te kunnen (zoals de quarantainekampen in Australië).
II-10. Creëer valse gegevens die uw eigen verhaal lijken te ontkrachten om de oppositie te misleiden en in diskrediet te brengen
Wanneer u geconfronteerd wordt met een aanhoudende informatiedreiging die uw propaganda-inspanningen ondermijnt, is dit een briljante, sluwe tactiek om hen te beroven van hun gezag, geloofwaardigheid en invloed. Verspreid gewoon valse gegevens die oppervlakkig gezien het verhaal van het regime lijken te ontkrachten, maar die gemakkelijk te weerleggen zijn. De lafhartige vijanden van de staat zullen ongetwijfeld deze valse informatie of gegevens grijpen en zullen daarom in diskrediet raken wanneer u aantoont dat ze zijn ingetrapt op de nu overduidelijk belachelijke beweringen.
Zoals wat het leger deed met hun eigen interne database van alle medische aandoeningen voor het hele leger, genaamd DMED. Ze hebben het opzettelijk gevuld met nepgegevens die leken op een totaal OMG!!!!!!!!-moment dat onheilige, enorme toenames liet zien in allerlei medische aandoeningen zoals kanker, zwangerschapsverlies en andere die verband hielden met de heilige Covid-vaccins. Toen een paar heldhaftige militaire artsen de DMED-gegevens vonden, trapten ze er hals over kop in... wat het hele verhaal deed mislukken. (Voor een volledige gedetailleerde tijdlijn en uitleg hiervan, kijk hier.)
II-11. Gebruik afbeeldingen, memes of andere soorten media om brutaal en onbeschaamd te liegen
Een groot deel van de publieke perceptie van de wetenschap of data komt neer op de visuele presentatie van de wetenschap of data – een goede meme of afbeelding kan effectief volledig valse data communiceren op een manier die mensen ervan overtuigt dat de valse data absoluut 100% waar is.
Als u bijvoorbeeld wilt laten zien dat de frequentie en ernst van myocarditis veroorzaakt door de gevreesde ziekte dramatisch erger zijn dan de frequentie en ernst van myocarditis veroorzaakt door het glorieuze vaccin ook al is het precies het tegenovergestelde waar, zou je een krachtig beeld kunnen creëren zoals dit:

Nu zullen mensen instinctief “Gevreesde Ziekte Myocarditis” associëren met een enorme paddenstoelwolk-apocalyps, terwijl myocarditis door het Glorieuze Vaccin een klein, nietszeggend prikje is dat niet eens op de grafiek te zien is.
II-12. Maak datavisualisaties die de data verkeerd weergeven
Soms kun je het niet laten om data te publiceren die echt heel slecht is (voor het regime of Science™️). Maar gelukkig voor jou zijn de meeste mensen (en academici) oppervlakkige idioten die te lui zijn om woorden te lezen die naast een grafiek of diagram staan. Dus je kunt de data op een sluwe manier weergeven in een visualisatieschema dat vervormt of verbergt wat de data zegt.
Laten we dit illustreren aan de hand van een voorbeeld uit een van de grootste wetenschappelijke tijdschriften: de Lancet. De Lancetpubliceerde een studie waarin het aantal doden door extreme kou en extreme hitte wereldwijd per jaar werd geschat. Omdat regeringen over de hele wereld de fictie in stand willen houden dat de opwarming van de aarde een dodelijk gevaar voor de mensheid is, moesten ze aantonen dat het aantal doden door hitte groter was dan het aantal doden door kou. Ze moesten op zijn minst gelijk zijn. Dus toen de Lancet ontdekte dat het aantal sterfgevallen door de kou groter was dan het aantal sterfgevallen door de hitte met een marge van 10 tegen 1 (letterlijk), ze moesten een manier bedenken om een grafiek te maken die dat ongemakkelijke feitje verhulde. Wat resulteerde in de grafiek hieronder aan de linkerkant:

De blauwe balken geven sterfgevallen door kou aan, de rode balken geven sterfgevallen door hitte aan. Hoe groter de balk, hoe meer sterfgevallen. Dus moesten ze de rode balken even groot maken als de blauwe balken. Dus gebruikten ze een sluw trucje: als je kijkt naar de paars onderstreepte getallen die de grootte van de balk vertalen naar een specifiek aantal sterfgevallen, zie je dat voor de blauwe balken (sterfgevallen door kou) elke inch van de balk 50 sterfgevallen vertegenwoordigt, maar voor de rode balken (sterfgevallen door hitte) elke inch van de balk slechts 10 sterfgevallen vertegenwoordigt. Dus dezelfde balk vertegenwoordigt 5x het aantal sterfgevallen door kou als voor sterfgevallen door hitte, ook al zien ze er hetzelfde uit. Maar mensen letten er niet op en zullen gewoon zeggen: "Oh, ze lijken ongeveer op elkaar, dus er moet een ongeveer gelijke verhouding zijn van sterfgevallen door hitte tot sterfgevallen door kou." (En ze probeerden zelfs een gigantisch interval aan het einde in te sluipen, waarbij de laatste inch van de rode balken 210 sterfgevallen vertegenwoordigt in plaats van slechts 10 (oranje pijl).)
Als ze een eerlijke grafiek hadden gemaakt met dezelfde schaal voor zowel koude- als hittedoden, zou het eruit hebben gezien als de grafiek rechts. Het punt is dat één blik op die grafiek je de duidelijke indruk geeft dat extreme kou een veel grotere bedreiging vormt dan extreme hitte, wat kan leiden tot ongemakkelijke vragen over de vraag of een beetje opwarming van de aarde misschien wel gunstig zou zijn voor de mensheid.
Note: Probeer bij het gebruiken van deze tactiek subtieler en discreter te werk te gaan dan bij de Lancet, waarbij het zelfs voor een leek heel gemakkelijk was om de goocheltruc te herkennen.
Het manipuleren van de WETENSCHAP
"Om dit doel te bereiken, begon Lysenko Sovjetgewassen te “leren” om op verschillende tijdstippen van het jaar te ontkiemen door ze onder andere in ijskoud water te weken. Hij beweerde vervolgens dat toekomstige generaties gewassen zich deze omgevingssignalen zouden herinneren en, zelfs zonder zelf behandeld te worden, de gunstige eigenschappen zouden erven."1
Het manipuleren van de wetenschap is niets nieuws. Gelukkig voor de propagandist is de wetenschap heel gemakkelijk te manipuleren als je het regime bent. Kijk maar naar de prestaties van Trofim Lysenko toen hij de steun had van kameraad Stalin. De volgende secties zullen gedetailleerd beschrijven wat je moet doen om de wetenschap succesvol te manipuleren om het verhaal en de doelstellingen van het regime te ondersteunen.
Een perfect voorbeeld van een gecoördineerde en effectieve onderneming van Science-rigging is de goed geoliede propagandamachine van Big Pharma. Een groep afvallige wetenschappers spande samen om precies te verwoorden hoe Big Pharma Science en Data naar believen controleert en manipuleert:

Het is duidelijk dat het een feit is dat dit artikel is nog steeds openbaar toegankelijk is een verbijsterend falen van de regime-censoren. In een land met een functionerende regering zouden alle auteurs van zo'n gedurfde aanval op het regime (en censoren die er niet in slaagden de publicatie ervan te stoppen en/of het niet verwijderden) gisteren naar de Noordpool worden gedeporteerd.
sidebar:Deze auteurs beschrijven nauwkeurig hoe wij de wetenschap corrumperen om deze in de agenda van het regime te laten passen. Artikelen als deze mogen uiteraard niet openbaar worden gemaakt, maar ze mogen wel onder regimepropagandisten worden verspreid om beter te begrijpen hoe ze effectief propaganda kunnen maken..
Ook belangrijk om op te merken is dat farmaceutische bedrijven – “Big Pharma” – doorgaans wel aan het regime voldoen, maar als een farmaceutisch bedrijf ‘minder’ aan het regime voldoet, dan moet je ze natuurlijk vervolgen voor hun laffe fraude. Zorg er ook voor dat je loyale farmaceutische bedrijven elke paar jaar flink wat geld oplegt, zodat de bevolking denkt dat het regime een vijandige relatie heeft met Big Pharma en daardoor minder snel beseft dat het regime en Pharma onder één hoedje spelen. Een paar miljard is geen groot probleem voor hun balansen.
Sectie III – Controleren welke gegevens als officiële wetenschap worden beschouwd
Wees selectief over welke gegevens worden opgenomen in Official Science. Informatie die het stempel heeft van wetenschappelijke informatie, heeft veel meer gewicht en geloofwaardigheid bij de bevolking, zelfs bij degenen die weigeren het narratief van het regime te volgen (niemand wil worden gezien als "anti-wetenschap" - dat is bijna net zo erg als een racist zijn in de moderne maatschappij).
III-1. Publiceer geen problematische studies, en als ze gepubliceerd worden, trek ze dan in
De beste manier om te voorkomen dat officieel wetenschappelijk onderzoek een regime-narratief onderuit haalt, is door het van zijn officiële karakter te ontdoen. (Vervolgens verstop je het op een plek waar niemand er toegang toe heeft en beweer je dat het intrekken ervan aantoont dat het de hele tijd al valse, frauduleuze rommelwetenschap was, gepromoot door corrupte, anti-wetenschappelijke ketters die rijk willen worden door de verkoop van vreemde vitaminebrouwsels.)
U moet er echter wel voor zorgen dat u snel handelt, want als u te lang wacht, kunnen kopieën van niet-goedgekeurde wetenschap in het geheim circuleren onder ongelovigen of ketters tegen het regime en een bijna mythische status krijgen. En zodra een studie in de ervaring van mensen verankerd raakt als een "echte studie", zorgt het intrekken ervan er alleen maar voor dat ze denken dat u wanhopig bent om de "waarheid" te verbergen.
Kijk eens naar al deze glorieuze rectificaties van onderzoeken die schadelijk waren voor het regime-narratief tijdens Covid (dit is slechts de eerste pagina van 36):

Stel je eens voor hoeveel (nog meer) schade deze frauduleuze onderzoeken hadden kunnen aanrichten als ze waren blijven bestaan en niet waren ingetrokken!
En bedenk eens hoeveel andere onderzoeken er nooit zijn gekomen, aangezien deze slechts een klein deel van het ketterse onderzoek vertegenwoordigen (of van de goede wetenschap die per ongeluk ketterse resultaten vond).
III-2. Kies welke delen van een dataset de “officiële wetenschap” vertegenwoordigen
Het is verbazingwekkend hoe drastisch je de wetenschap kunt veranderen door simpelweg geselecteerde delen van een dataset te gebruiken die het regimeverhaal ondersteunen, terwijl je de delen van de dataset die niet in overeenstemming zijn met de standpunten van het regime weglaat (of beter nog, verbergt).
Laten we bijvoorbeeld veronderstellen dat we de volgende twee trends in het regime zien PROPAGANDA veiligheidsmonitoringdatabase voor het Glorious Vaccine.
(Helaas moet je doen alsof je de veiligheid in de gaten houdt om zenuwachtige burgers te sussen die zich nerveus voelen over alles wat nieuw is, en ook om een kant-en-klaar antwoord te hebben op potentiële critici en verspreiders van desinformatie die het regime ervan zullen beschuldigen problematische veiligheidsgegevens te verbergen. En je moet doen alsof je dit HEEL serieus neemt..)
Laten we eens aannemen dat er 26,878 meldingen zijn van veilige en effectieve transformaties in vleesetende zombies per miljoen toegediende doses van het Glorious Vaccine, maar slechts 2 meldingen over gevaccineerde mensen die direct na de vaccinatie zijn gedood door vleesetende bacteriën, zoals deze:

Je kunt dit niet zomaar in het publieke debat laten komen, wat de terughoudendheid ten aanzien van vaccins zal aanwakkeren en ervoor zal zorgen dat mensen in het algemeen aan het regime-narratief gaan twijfelen, zelfs over andere dingen. Maar je moet ook aantonen dat de PROPAGANDA-database laat zien dat de percentages van potentiële Glorious Vaccine-letsels verwaarloosbaar zijn. (Zorg ervoor dat je benadrukt wanneer je naar de veiligheidsdatabase verwijst dat deze rapporten niet bevestigen dat het Glorious Vaccine de oorzaak was, maar slechts een mogelijke associatie.)
De oplossing is hier vrij eenvoudig: gebruik alleen de gegevens die aantonen dat er slechts 2 meldingen zijn van iemand die besmet is geraakt met de angstaanjagende vleesetende bacteriën door het Glorieuze vaccin per 100,000 doses. De 26,878 meldingen per 100,000 doses van veilige en effectieve vleesetende zombietransformaties moeten echter zoveel mogelijk publiekelijk worden genegeerd, en wanneer u het niet kunt vermijden om het te negeren, moet u het afkeuren als ongecontroleerde onwetenschappelijke en daarom betekenisloze rapporten die daarom onbelangrijk zijn. En zorg ervoor dat u de media berispt omdat ze het aandurven om u ernaar te vragen. (Idealiter zou u moeten samenspannen met een loyale Regime-journalist dat hij degene is die ernaar vraagt, zodat het op een afwijzende manier ter sprake kan worden gebracht, zoals: "Sommige marginale mensen proberen te beweren dat het Glorieuze vaccin tienduizenden sensationele verwondingen veroorzaakt, kunt u uitleggen hoe ze de rapporten in de PROPAGANDA-database verdraaien?")
Gebruik ook nooit het woord "angstaanjagend" in de context van een situatie waarin je mensen probeert te kalmeren. Nooit. Zelfs niet als wat je beschrijft objectief angstaanjagend is. Wanneer je iets beschrijft dat inherent eng is, gebruik dan in plaats daarvan grote, academische, wetenschappelijk klinkende woorden. Dus "vleesetende bacteriën" kunnen worden beschreven als een 'necrotiserende fasciitis', iets waarvan niemand enig idee heeft wat het betekent (en de meeste mensen zijn te lui om het zelfs maar te googelen om erachter te komen). Er staan zelfs twee 'i's in, wat het op een intellectuele manier indrukwekkend doet klinken, alsof het praktisch een voorrecht is om gedood te worden door iets zo geavanceerds:

Dat is niet zo ingewikkeld; je hebt het zo onder de knie. (En als je het niet onder de knie krijgt, zul je waarschijnlijk toch niet lang meer in leven blijven.)
Note: Wanneer je in een situatie zit waarin een door het regime goedgekeurd of verplicht gesteld product gevaarlijk is – **wat vaak zal gebeuren** – moet je ervoor zorgen dat je niet in je eigen propaganda trapt; anders zou je zomaar de volgende Veilige en Effectieve Zombie kunnen worden, net als deze vier Amerikaanse senatoren:




III-3. Vertraging bij het rapporteren van gegevens
Een subtielere manier om te controleren welke data is opgenomen in de Official Science is om oneerlijk data of informatie te rapporteren. Strategisch timen van de rapportage van verschillende subsets van data is een eenvoudige maar krachtige effectieve manier om de wetenschappelijke data te manipuleren. (Maak je geen zorgen over hoe dit werkt; weet gewoon dat het werkt en huur competente statistici in die kunnen bedenken hoe dit het beste kan worden geïmplementeerd.) Veel berekeningen zijn afhankelijk van de timing van de gerapporteerde data en je kunt daarom bepalen wat de data laten zien door zorgvuldig verschillende delen van de data vrij te geven op het optimale moment.
Bijvoorbeeld een een week vertraging in de melding van sterfgevallen kan de schijnbare doeltreffendheid of veiligheid van een medische interventie radicaal veranderen – letterlijk, door het melden van sterfgevallen met een week uit te stellen, kun je iets dat nul effect heeft eruit laten zien alsof het 95% effectief is. (Je kunt de link volgen voor meer details, maar deze specifieke tactiek is iets te complex voor een Idiot's Guide, en het opnemen van een diepgaande beschrijving hier zou ertoe kunnen leiden dat anders beginnende propagandisten met een schitterende toekomst voor zich depressief worden en aan hun eigen kunnen gaan twijfelen als ze de uitleg niet kunnen volgen, wat ertoe kan leiden dat ze stoppen, wat een tragedie zou zijn. Echt waar.)
Hoofdstuk IV – Hoe je een onderzoek opzet
De belangrijkste vaardigheid die je nodig hebt om de wetenschap te manipuleren, is misschien wel het vermogen om een onderzoek zo op te zetten en te manipuleren dat de gewenste resultaten worden behaald.
[Opmerking: het daadwerkelijke manipuleren van studies zal altijd worden gedaan door experts die studies voor hun werk uitvoeren (PI's, of Principal Investigators). Je hoeft dus niet echt vloeiend te zijn in dit spul. Maar het is niettemin nuttig om een behoorlijke basis te hebben.]
Studies – met name de grote, fantasierijke studies die doorgaans worden beschouwd als de “gouden standaard” van de wetenschap™️ – zijn enorm complexe beesten die op ontelbare manieren kunnen worden gemanipuleerd. We zullen de meer prominente en eenvoudige soorten bedrog, manipulaties en ontwerpfouten uitleggen die kunnen worden uitgebuit om de studie tot een marionet in uw handen te maken die u naar believen kunt rondslingeren.
[Opmerking: – er zijn veel gradaties van verfijning in het implementeren van een van de volgende manipulaties. We gaan alleen de onderliggende concepten uitleggen en illustreren met behulp van de eenvoudige, eenvoudige toepassing van de principes, zonder enige extraatjes en snuisterijen toe te voegen. Het doel hier is dat u de verschillende typen en manieren om gegevens te manipuleren begrijpt. U kunt uzelf daarna opleiden in de meer geavanceerde methodologieën (iets wat natuurlijk ten zeerste wordt aangemoedigd en aanbevolen).
IV-1. Tactiek #1 voor het manipuleren van de studie: manipuleer het ontwerp van de studieprotocollen
Het meeste materiaal dat relevant is voor dit gedeelte, is ook relevant voor het volgende gedeelte, dat gaat over het saboteren van de implementatie van de onderzoeksprotocollen. Daarom zullen we hier alleen ingaan op de tactieken die specifiek zijn voor het manipuleren van het ontwerp van de protocollen zelf.
Studieprotocollen zijn in principe een regelboek dat voorschrijft hoe de studie uitgevoerd gaat worden. Zorg er dus voor dat je regels schrijft die de uitkomst die je wilt krijgen, begunstigen.
A) Het stapelen van de kaarten – wijs de proefpersonen strategisch toe aan de respectievelijke studie- en controlegroepen
Bijna alle grote, speciale studies hebben twee groepen: de studiegroep en de controlegroep. In een studie voor een nieuw medicijn krijgt de studiegroep het medicijn en de controlegroep niet. In theorie zouden er, als het medicijn werkt, meer zieke mensen in de controlegroep moeten zitten dan in de studiegroep.
Dus als je een onderzoek uitvoert om een nieuw wondermiddel te testen, kun je hier misbruik van maken door meer ongezonde mensen in de controlegroep te stoppen dan in de onderzoeksgroep. Zo presteert de onderzoeksgroep beter, zelfs als het wondermiddel niet werkt. (Je mag natuurlijk niet toegeven dat je dit of andere tactische trucjes hebt gedaan in de onderzoeksdocumentatie.)
B) Zorgvuldige screening van de proefpersonen die aan het onderzoek zullen deelnemen
Je kunt veel hoofdpijn voorkomen door mensen die je resultaten op de een of andere manier kunnen verstoren, buiten de deur te houden.
Bijvoorbeeld, als je een nieuw medicijn test waarvan je wilt bewijzen dat het veilig en effectief is, houd dan mensen buiten die bijzonder geneigd zijn om slechte reacties of ineffectiviteit te ervaren. Je snapt het idee. (Zoals ze geen oude comorbiditeitspatiënten in de Covid-vaccinproeven hebben opgenomen, wat de '99% effectieve' onzin zou hebben blootgelegd.)
IV-2. Studie-manipulatietactiek #2: saboteer de uitvoering van de studieprotocollen
Vaak genoeg zul je de studieprotocollen zelf niet zomaar kunnen manipuleren om de gewenste resultaten te produceren. In zulke gevallen zul je in plaats daarvan de implementatie of naleving van de officiële studieprotocollen moeten saboteren. Dit is vrij eenvoudig te doen en er zijn letterlijk eindeloos veel manieren om dit te bereiken.
Opmerking: Het is verstandig om uw logistiek van tevoren te plannen, om een verscheidenheid aan problemen en stressvolle situaties te voorkomen die kunnen opduiken in een groot onderzoek met duizenden proefpersonen en personeel. Als u bijvoorbeeld wilt 'aantonen' dat een bijzonder vervelende drug daadwerkelijk dodelijk is, moet u lijkzakken bij de hand hebben om snel lichamen van openbare locaties te verwijderen en een crematiefaciliteit die 24/7 bereikbaar is om ongewenst forensisch of pathologisch bewijsmateriaal dat lijken kunnen bevatten, te vernietigen.)
Protocol Sabotage #1: Toediening van de studiebehandeling/interventie [aan de studiegroep]
Mensen denken dat het geven van een medicijn aan proefpersonen eenvoudig en rechttoe rechtaan is. Ze hebben het mis. Heel erg mis. Je kunt vaak de hele studie controleren door subtiel aan te passen hoe de behandeling aan de proefpersonen wordt toegediend, waaronder het volgende:
- Dosering/hoeveelheid interventie – Je kunt een drug onderdoseren of overdoseren, afhankelijk van wat je wilt bereiken. Als je wilt dat de drug er ineffectief uitziet, zal onderdoseren ervoor zorgen dat het niet werkt. Als je wilt laten zien dat de drug gevaarlijk is, verhoog dan gewoon de dosis tot zeer giftige niveaus.
- Timing van toediening van de behandeling – Een andere manier om een medicijn te saboteren is om het te vroeg of te laat aan patiënten te geven om effectief te zijn. Er zijn veel verschillende tactieken die u kunt kiezen om dit te bereiken. U kunt het medicijn bijvoorbeeld per post naar patiënten sturen, wat onvermijdelijk een paar dagen aan het tijdschema toevoegt (een David Boulware Ivermectine special).
- Kwaliteit van het product – d.w.z. zuiverheid/potentie – Een verontreinigd of slecht vervaardigd product zal niet op dezelfde manier functioneren als een zuiver product dat is vervaardigd met hoogwaardige ingrediënten en volledige trouw aan de ideale productiepraktijken.
(Opmerking: U moet ALTIJD off-the-record preklinische studies uitvoeren op dieren – en mensen – om te begrijpen hoe verschillende versies van het medicijn of de interventie zullen functioneren VOORDAT u besmette versies in een studie inzet (naast de officiële preklinische studies op de normale samenstelling van het medicijn); anders loopt u het risico dat u per ongeluk uw eigen sabotagepogingen saboteert. Vergeet niet dat het doel van het uitvoeren van de studie is om een vooraf bepaalde uitkomst te laten zien, niet om nieuwe wetenschappelijke inzichten te ontdekken! Onzekerheid of onvoorspelbaarheid over wat het medicijn of de interventie die u bestudeert in het echte leven zal doen, is Kryptonite voor succesvolle studiemanipulatie. Of zal u op zijn minst een paar hele erge migraine bezorgen terwijl u worstelt om door het doolhof van gevaren en ongemakkelijke gegevens van uw nu extreem rommelige studie te navigeren.)
- Gebruik zoutoplossing of placebo in plaats van de interventie – Een andere manier om de gevaren van de gekozen interventie van het regime te minimaliseren, is door een placebo te geven in plaats van de behandeling, zodat er minder blootstelling is aan de toxiciteit van de interventie. Uiteraard moet u er ook voor zorgen dat het gebruik van zoutoplossing niet het ongewenste neveneffect heeft dat uw medicijn niet werkt, dus deze tactiek wordt meestal gebruikt in combinatie met andere protocolmanipulaties of ontrouw.
- Mix en match – Je kunt altijd mixen en matchen binnen elk van deze suggesties. Je kunt bijvoorbeeld geven sommige van de behandelingsonderwerpen een ander product. U kunt ook meer dan één van deze suggesties in combinatie gebruiken, zodat u verschillende delen van de studiegroep met verschillende suggesties behandelt, wat het voor buitenstaanders moeilijker kan maken om de protocolschendingen te ontdekken.
Protocol Sabotage #2: Toediening van de placebo [aan de studiegroep]
Dit is in feite de keerzijde van de vorige sectie. Er zijn een paar specifieke tactieken die enigszins uniek zijn als ze worden toegepast op de placebo:
- Geef de controle-/placebogroep de interventie – Een manier om te garanderen dat een onderzoek geen enkele werkzaamheid van een behandeling zal aantonen, is om de controlegroep ook de behandeling te geven. Als beide groepen de behandeling krijgen, zal er geen verschil zijn tussen hen, wat aantoont dat de behandelingsgroep het beter deed vanwege de behandeling.
De makkelijkere maar ook riskantere manier om dit te doen, is om het onderzoekspersoneel het medicijn rechtstreeks aan de controlegroep te laten geven, waarbij ze zich voordoen als placebo. (Dit is vrij eenvoudig, omdat de placebo er hetzelfde uit moet zien, hetzelfde moet aanvoelen, hetzelfde moet smaken en hetzelfde moet ruiken als de behandeling, om te voorkomen dat de proefpersonen in de controlegroep erachter komen dat ze het medicijn niet hebben gekregen.)
De moeilijkere maar minder riskante methode is om de controlegroep te pushen om de behandeling buiten de studie te krijgen. U kunt bijvoorbeeld een placebo gebruiken die duidelijk verschilt van het medicijn. Omdat de proefpersonen via Google gemakkelijk kunnen ontdekken dat dit niet is hoe het medicijn eruit zou moeten zien, ruiken of smaken, zullen ze proberen om het daadwerkelijke medicijn erbij te krijgen, omdat ze niet willen sterven of slopende complicaties willen oplopen van welke ziekte of aandoening dan ook die het medicijn behandelt.
U kunt er ook voor kiezen om het onderzoek uit te voeren op een plek waar de bevolking al uitgebreid is blootgesteld aan de onderzochte behandeling. In dat geval is de groep proefpersonen grondig besmet met mensen die het medicijn al gebruiken of er in ieder geval een voorraad van hebben.
(Houd er wel rekening mee dat deze tactiek het risico loopt opgemerkt te worden door vervelende, dissidente, antiwetenschappelijke ketters, aangezien het openbaar zal zijn dat er op grote schaal bekendheid was met het medicijn en/of dat het medicijn op de plek werd gebruikt waar het onderzoek werd uitgevoerd.)
- Spike de placebo – Als u geen inert placebo wilt, kunt u het aanvullen met iets 'levendigers' dat bijwerkingen en/of een therapeutisch effect kan veroorzaken.
Eén specifieke methode is om componenten van de behandeling te gebruiken om de placebo te spiken. Dit kan vooral handig zijn om problematische bijwerkingen van een behandeling te verbergen die worden veroorzaakt door andere ingrediënten of componenten naast het actieve ingrediënt van de behandeling – als je die in de placebo stopt, dan zullen beide groepen vergelijkbare bijwerkingen hebben.
(NoteHoud er rekening mee dat als de bijwerkingen te ernstig zijn, het simpelweg toevoegen van de toxische bestanddelen van de behandeling aan de placebo vragen kan oproepen. Dit kan bijvoorbeeld het geval zijn als mensen merken dat de percentages van de specifieke bijwerkingen in de controlegroep van het onderzoek veel hoger liggen dan bij de algemene bevolking.)
Protocol Sabotage #3: Stimuleer de proefpersonen om hun gedrag aan te passen
Het gedrag van proefpersonen is vaak een kritische overweging bij het ontwerpen van protocollen en het uitvoeren van een studie. Gebruik dit in uw voordeel.
Er zijn 3 basistypen prikkels:
- Financiële prikkels – Een van de zekerste manieren om bepaald gedrag te stimuleren is door het financieel te belonen:
- U kunt een corrupte omkopingsregeling binnen de studie uitvoeren. Als de studie bijvoorbeeld resultaten verkrijgt door proefpersonen te vragen informatie te rapporteren, zoals welke bijwerkingen ze ervoeren na het krijgen van de Glorious Intervention, kunt u proefpersonen betalen om geen bijwerkingen te rapporteren. U zult echter ook geheimhouding moeten afdwingen en ervoor moeten zorgen dat niemand erachter komt, wat lastig kan zijn.
- U kunt ook de omgeving waarin de studie plaatsvindt manipuleren of er misbruik van maken om als uw tussenpersoon of bemiddelaar te fungeren om de financiële voordelen te verstrekken. Als u bijvoorbeeld de effectiviteit van een mogelijke interventie test om de overdracht van de gevreesde ziekte te blokkeren, kunt u de studie uitvoeren op een plek waar mensen alleen naar hun werk kunnen gaan als ze niet besmet zijn met de gevreesde ziekte, waarbij u gebruikmaakt van deze ingebouwde prikkel om niet te melden dat ze positief zijn getest (ze willen hun volledige salaris).
- Sociale druk – Het tweede type prikkel is sociale druk. Dit kan komen van collega's, politieke krachten, sociale groepen, professionele partners, instituten, beroemdheden of een andere bron van invloed in de maatschappij. Het punt is dat u een of al deze factoren in uw voordeel kunt gebruiken.
Stel bijvoorbeeld dat u een onderzoek uitvoert om de effectiviteit van het Wondrous Cloth Shield te testen, dat de verspreiding van de gevreesde ziekte tegengaat. U geeft dus een aantal dorpen in een derdewereldland het Wondrous Cloth Shield en creëert een controlegroep van dorpen die het Wondrous Cloth Shield niet krijgen. U kunt een show maken van hoe geweldig deze apparaten zijn voor de dorpelingen die ze wel krijgen. U kunt de dorpsoudsten ook laten verkondigen dat het Wondrous Cloth Shield een geschenk uit de hemel is, wat het een moreel deugd maakt om er een te dragen, en belangrijker nog, het dragen van een schild maar besmet raken met de gevreesde ziekte een teken van religieus falen maakt. Waardoor ze veel minder snel gevallen van de gevreesde ziekte melden, vooral in vergelijking met de dorpen die de Wondrous Cloth Shields niet kregen. Waardoor het lijkt alsof het Wondrous Cloth Shield werkt om de overdracht van de gevreesde ziekte te verminderen. - Zware straffen – Je kunt allerlei vreselijke gevolgen bedreigen als proefpersonen niet precies doen wat je wilt. Dit is vooral makkelijk te implementeren in derdewereldlanden waar er weinig tot geen rechtsstaat is en corruptie de regel is. Het kan handig zijn om van tevoren een voorbeeld te geven van iemand om te laten zien dat je het meent – je kunt bijvoorbeeld willekeurig iemand uitkiezen om naar een gevangenis in Soedan te sturen, waar hij of zij waarschijnlijk nooit levend uit terugkomt.
Protocol Sabotage #4: Huur incompetente mensen in om het onderzoek uit te voeren
Studies – met name de studies die een soort experiment uitvoeren (in tegenstelling tot het analyseren van reeds bestaande datasets) – vereisen doorgaans grote stafleden om uit te voeren. Het inhuren van incompetent personeel is een geweldige manier om uzelf wat ruimte te geven om ongemakkelijke data die uit de studie naar voren komt te “masseren” – “deze data is onjuist omdat het personeel het heeft verknoeid.” Dus natuurlijk moet u de “fouten” “repareren.”
En nog belangrijker: incompetente medewerkers hebben minder snel door dat u het onderzoek vervalst, omdat ze niet over de kennis of ervaring beschikken over hoe een legitiem onderzoek uitgevoerd moet worden.
Protocol Sabotage #5: Verwijder alle problematische proefpersonen of gebeurtenissen uit de studie
Deze is een duidelijke "Duh." Als een paar proefpersonen in de fase-3-proef voor het Glorious Vaccine ernstige verwondingen oplopen direct nadat ze zijn geïnjecteerd met het Glorious Vaccine, nou, dan kun je niet toestaan dat ze het "veilige en effectieve" verhaal verpesten. Maar gelukkig is de oplossing simpel: haal ze uit de studie.
Dit zal zelfs voor een buitenstaander niet verdacht lijken! Elke studie heeft regels in de protocollen die het je toestaan om proefpersonen eruit te gooien die de studieprotocollen overtreden of om “persoonlijke redenen” willen vertrekken. (Denk aan elke keer dat een politicus zegt dat hij ontslag neemt om “meer tijd met zijn familie door te brengen” – hetzelfde idee.) Maar de meeste academici zijn hier de dupe van en trappen er elke keer weer in.
Als je echt slim bent over hoe je de protocollen in de eerste plaats ontwerpt, voeg je een voorwaarde toe die proefpersonen verbiedt om medische zorg te zoeken bij een arts buiten de studie. Dus als een proefpersoon last krijgt van een vervelende bijwerking, zoals een beetje veilige en effectieve myocarditis of een milde vorm van Bell's palsy waardoor hij enigszins verlamd raakt, gaan ze direct naar de dichtstbijzijnde SEH... wat een duidelijke schending is van de studieprotocollen!! Dag probleem.
Als u een echte maestro wilt zien, hoeft u niet verder te zoeken dan de man die verantwoordelijk is voor de fase 3 Kiddie-proef van Pfizer voor hun vaccin. Toen een van de proefpersonen, Maddie de Garay, 24 uur na het vaccin meerdere behoorlijk nare neurologische verwondingen opliep (het soort verwondingen dat gepaard gaat met permanent gebruik van voedingssondes en rolstoelen, naast andere 'aanpassingen' aan de levensstijl), gooiden ze haar gewoon uit de studie. En vervolgens schreven ze haar verwonding als 'onopgeloste buikpijn'. Ze gooiden ook een andere man uit de hoofdproef, een advocaat genaamd Augusto Rioux, nadat hij milde, veilige en effectieve pericarditis kreeg na dosis #1.
Hetzelfde geldt voor AstraZeneca – Brianne Dressen werd eruit gegooid na Dosis #1 – maar ze meldden dat ze zich terugtrok om persoonlijke redenen. Zie je? Makkelijk.
Protocol Sabotage #6: Valse gegevens registreren
Als al het andere faalt, kunt u gewoon gegevens voor de studie registreren die volkomen fout zijn en uit het niets zijn verzonnen. Pfizer-studiecontractant Ventavia laat ons de weg zien in deze – de volgende screenshots zijn de daadwerkelijke e-mail die is verzonden door Brooke Jackson – een van Ventavia's Site Managers – die besloot te proberen het regime te ondermijnen door de aanhoudende fraude bloot te leggen:

In een ongewoon snelle en effectieve reactie werd mevrouw Jackson ontslagen, minder dan zes – 6 – uur nadat ze de FDA deze e-mail had gestuurd. ZES UUR!! Zo hoort het te gaan.
Bovendien, toen ze een rechtszaak aanspande bij een federale rechtbank in een poging om het hele Pfizer-vaccinonderzoek te stoppen, wist het regime het bijna twee jaar lang te blokkeren met behulp van allerlei ingenieuze juridische tactieken. (Er moet echter wel worden opgemerkt dat degene die verantwoordelijk was voor de werving, het helemaal verpest heeft; je moet grondige antecedentenonderzoeken uitvoeren om er zeker van te zijn dat potentiële sollicitanten geen sterke morele overtuigingen hebben.)
Helaas heeft de FDA geen controle over buitenlandse medische tijdschriften, waarvan er één besloot (schokkend genoeg) een artikel te publiceren waarin de fraude met het Pfizer-onderzoek werd gedocumenteerd. Grote oeps. Daarom is het noodzakelijk om een uniform bestuursorgaan voor de hele wereld op te richten.

IV-3. Studie-opstelling optie #3: Studie-analyse
Zodra je de studie zelf hebt afgerond, is het tijd om de cijfers uit de studie te crunchen. Alle problematische data die op de een of andere manier door al je protocolontwerpen en sabotage heen is gekomen, wordt hier opgeruimd. Zie dit als het geven van een gloednieuwe laklaag aan een gebruikte, beschadigde auto om alle schade eronder te verbergen: je verandert niets substantieels, je verbergt alleen dingen (voor het grootste deel). Niemand wil de nieuwe, frisse lak krassen om er zeker van te zijn dat er niets verborgen zit.
Er zijn zoooo veel manieren om data te 'analyseren'. De truc is om slim te zijn over welke je kiest en hoe je de analyse uitvoert.
Analysetactiek #1: Pas de gegevens niet aan
Data-aanpassingen zijn vrij standaard in de wetenschap. Ruwe data zijn bijna nooit geschikt om direct gevolgtrekkingen uit te trekken of om uit te extrapoleren, omdat er meestal allerlei verstorende variabelen aanwezig zijn.
Hier is een heel eenvoudig voorbeeld van een gegevensaanpassing:
Hieronder ziet u de bevolkingsomvang van de staten Darth Santistan (slechte staat) en The Gender Spectral Paradise of Commiefornia (goede staat):

Hier zijn de sterftecijfers van de Dreaded Disease voor deze staten – over het algemeen heeft de slechte staat meer doden dan de goede staat. Omdat ze dezelfde bevolking hebben, betekent dit dat het sterftecijfer hoger is in de BAD, BAD staat Darth Santistan:

MAAR... (ja, hier zit een grote 'maar')
Als we de sterftecijfers voor de oudere bevolking en de niet-senior bevolking apart bekijken, is het schokkend dat de goede staat in BEIDE staten een hoger sterftecijfer heeft (?!?!?!?!?):

Twee belangrijke observaties hierbij:
- De reden dat de onloyale staat Death Santistan een hoger algemeen tarief heeft ondanks de lagere sterftecijfers in elke leeftijdscohort is eigenlijk heel eenvoudig: senioren sterven veel vaker dan niet-senioren, maar de slechte staat heeft het ongeluk dat er 2.5x zoveel senioren zijn als in de goede staat, wat betekent dat er in totaal veel meer doden vallen vanwege het grote aantal senioren in de slechte staat Death Santistan:

Om ervoor te zorgen dat de slechte staat hetzelfde aantal seniorensterfgevallen heeft als de goede staat, zouden ze letterlijk 40% van het sterftecijfer onder senioren moeten hebben als de goede staat, omdat de goede staat slechts 40% zoveel senioren in hun bevolking heeft als de slechte staat. Dit is waarom (wanneer we eerlijk willen zijn, zoals wanneer de waarheid het regime helpt) de wetenschap gegevens aanpast – om dit soort dingen te voorkomen. (Dit specifieke statistische fenomeen heeft zelfs een officiële naam: "Simpsons paradox Simpson. ")
Pas de gegevens daarom NIET aan als dit het narratief van het regime schaadt.
Analysetactiek #2: Pas de gegevens op een misleidende of onjuiste manier aan
Omgekeerd, soms zijn de ruwe data, of correct aangepaste data, niet goed voor je verhaal. In zulke gevallen moet je creatief blijven aanpassen totdat je de ketterse resultaten succesvol hebt verdoezeld, zodat niemand ze kan zien of begrijpen.
Bijvoorbeeld, als we onze bovenstaande hypothetische vergelijking van de fictieve toestanden van het Gender Spectral Paradise of Commiefornia/Death Santistan nemen, kun je een 'aanpassing' toevoegen om het probleem te 'verhelpen'. Het enige wat je hoeft te doen is een kenmerk te vinden dat een proxy is voor slechtere uitkomsten in de Bad State of Death Santistan dan de goede toestand van Gender Spectral Paradise of Commiefornia. Sinds Death Santistan besloot de Lifesaving Lockdowns van het regime niet te volgen, hadden de senioren in Death Santistan de neiging om hun huizen vaker te verlaten dan in andere staten, zelfs al was het maar om een blokje om te lopen voor frisse lucht - wat betekent dat senioren die hun huizen niet verlieten waarschijnlijk vaker te ziek waren om hun huis te verlaten. Zulke zieke senioren zijn ook waarschijnlijker degenen die sterven aan de gevreesde ziekte.
Dit zou zich als volgt kunnen afspelen:
Grafiek #1 – Bevolking van senioren in elke staat (linkerkolommen = senioren die minstens één keer per week naar buiten gingen; middelste kolom = senioren die niet naar buiten gingen; rechterkolom = totaal aantal senioren in elke staat)

Grafiek #2 – aantal doden in elk van de drie categorieën in grafiek #1:

Dit lost onze problematische gegevens volledig op (misschien zelfs té goed!!) – kijk eens hoe we het sterftecijfer onder ouderen veranderen:


Het enige wat u nu nog hoeft te doen, is het sterftecijfer van ouderen binnenshuis te omschrijven als het “aan de bevolking aangepaste sterftecijfer van ouderen.”
Je zou ook nog steeds af en toe kunnen verwijzen naar sterfgevallen van ouderen binnenshuis, omdat het veel gemakkelijker is om propaganda te maken met een praatpunt als: "ouderen lopen het grootste risico omdat ze immobiel zijn hadden bijna DRIE keer zoveel kans om te sterven in de SLECHTE staat als in de GOEDE staat.” Mensen associëren ouderen van nature met binnen zitten, dus is het onwaarschijnlijk dat ze beseffen dat “binnensenioren” in werkelijkheid zo’n klein percentage vormen van onze hypothetische Death Santistan seniorenpopulatie.
Analysetactiek #3: Kies optimale eindpunten
Eindpunten zijn een groot ding. Officieel is/zijn het primaire eindpunt/de primaire eindpunten van een studie de centrale bevinding die bepaalt of de studie als een succes of een mislukking wordt beschouwd. Een eindpunt is in principe een ding of metriek die u gebruikt om het succes/falen of de impact van wat u ook bestudeert te beoordelen. Als u bijvoorbeeld een nieuw medicijn test om te zien of het de gevreesde ziekte ervan weerhoudt u te doden, zou het eindpunt gevreesde ziektedoden zijn. Als de behandelingsgroep minder gevreesde ziektedoden had dan de controlegroep, dan werkt de behandeling, maar als dat niet zo was, dan betekent dat dat u de studie niet goed genoeg hebt gemanipuleerd. (Dat is een beetje te simplistisch, maar u begrijpt het idee.)
Je moet er dus voor zorgen dat je verstandige keuzes maakt bij het kiezen van de eindpunten.
Daarom moet u over het algemeen eindpunten kiezen die zoveel mogelijk van de volgende kenmerken hebben:
- Hangt af van subjectief oordeel in plaats van objectieve observatie
- Natuurlijk bevooroordeeld ten opzichte van uw gewenste resultaten
- Gemakkelijk om de uitkomst te manipuleren
- Gemakkelijk om te liegen over de uitkomst
- Het is moeilijk voor mensen om erachter te komen of je de uitkomst hebt vervalst of gemanipuleerd
- Moeilijk te begrijpen/begrijpen – vooral voor leken
Stel bijvoorbeeld dat u een proef uitvoert om een alternatieve behandeling te saboteren die daadwerkelijk werkt tegen de gevreesde ziekte (wat heel erg zou zijn als het regime wil dat een pandemiecrisis nog een tijdje aanhoudt). U moet aantonen dat het niet werkt. Als u 'dood' als eindpunt kiest, kunt u in grote problemen komen als het medicijn een hoop mensen in de behandelgroep redt.
In plaats van de dood zou je iets kunnen kiezen als ‘tijd tot ontslag uit het ziekenhuis’. Dit eindpunt voldoet aan alle zes voorwaarden (tot op zekere hoogte):
- Het ontslag van een patiënt is een subjectieve beslissing van de artsen (die op de loonlijst van het onderzoek zouden moeten staan). U hoeft patiënten dus niet te ontslaan als ze aan een objectieve norm voor ontslag voldoen.
- Het ontslag is bevooroordeeld ten opzichte van uw voorkeursresultaten – aangezien een hoger percentage van de controlegroep zal sterven, betekent dit dat een hoger percentage van ernstige gevallen worden nooit ontslagen, dus ze zullen de gemiddelde ontslagtijd voor de rest van de controlegroep niet verlengen; vergeleken met de behandelgroep, waarbij de ernstig zieke patiënten niet sterven, maar juist een paar dagen langer nodig hebben om te herstellen. Hierdoor neemt de gemiddelde tijd tot ontslag voor de behandelgroep toe.
- Ontslag is heel gemakkelijk te manipuleren: je kunt het ziekenhuispersoneel dat bij het onderzoek betrokken is, zo inzetten dat het ontslag van de behandelde patiënten onnodig wordt uitgesteld (je moet er wel voor zorgen dat het relevante personeel weet wie de behandeling heeft ondergaan en daarom extra lang wacht met ontslag uit het ziekenhuis).
- De tijd tot ontslag is ook vrij eenvoudig te vervalsen; bewerk gewoon de papieren voor de datum van opname in het ziekenhuis en/of de datum van ontslag (en de beveiligingsbeelden indien nodig). De dood is veel moeilijker te vervalsen, omdat de tijd van overlijden doorgaans heel nauwkeurig wordt vastgelegd. en verschijnt op de overlijdensakte.
- 'Tijd tot ontslag' is voor een leek niet de meest intuïtieve maatstaf.
Uiteraard kun je voor de meeste van deze aandoeningen betere keuzes maken, maar dit is in principe wel de basisgedachte.
Analysetactiek #4: Begraaf alternatieve eindpuntstatistieken
Dit is vrijwel vanzelfsprekend: als je 'tijd tot ontslag' als eindpunt gebruikt, maar meldt dat er een 50% reductie in sterfte in de behandelde groep was, dan zullen er ongetwijfeld heel wat wenkbrauwen fronsen.
In plaats van lastige vragen te moeten beantwoorden over waarom u voor zo'n absurd eindpunt hebt gekozen en waarom u beweert dat de behandeling niet werkt als u ziet dat de behandeling de sterfte aanzienlijk heeft verlaagd, zou u idealiter de sterfgevallen nergens in het onderzoek moeten vermelden.
Als je de sterftecijfers niet kunt vermijden, zou je ze in ieder geval moeten begraven in het midden van een willekeurige tabel van een appendix in een formaat dat heel moeilijk te begrijpen is. Of nog beter, strooi ze over meerdere datatabellen in plaats van allemaal op één plek waar ze gemakkelijk te herkennen zijn door een vervelende willekeurige nerd in zijn kelder.
Analysetactiek #5: Gebruik de optimale soorten analyses om de gewenste resultaten te behalen
Er zijn net zoveel manieren om data te analyseren als er genderidentiteiten of voornaamwoordcombinaties zijn. Helaas kan een diepgaande uitleg voor verschillende methoden niet worden samengevat in een format dat geschikt is voor een Idiot's Guide als deze. Kijk maar eens naar een paar van deze namen:
- Gebalanceerde ontwerpvariantieanalyse
- Beta-distributiefitting
- Box-Cox-transformatie voor twee of meer groepen (T-test en eenrichtings-ANOVA)
- Geclusterde warmtekaarten (dubbele dendrogrammen)
- Distributie (Weibull) Montage
- Vage clustering
- Gamma-distributiefitting
- Algemene lineaire modellen (GLM)
- Grubbs' Outlier-test
- Hiërarchische clustering/dendrogrammen
- K-Middelen Clustering
- Medoid-partitionering
- Multivariabele variantieanalyse (MANOVA)
- Vergelijking van niet-detecteerbare gegevensgroepen
- Eenrichtingsanalyse van covariantie (ANCOVA)
- Regressie clustering
Het punt is dat verschillende methoden van statistische analyse verschillende resultaten opleveren. Als ze geen verschillende resultaten zouden opleveren, zouden er niet zoveel methoden zijn. Het is allemaal een kwestie van perspectief. Dus je moet competente statistische goeroes inhuren die dit weten (en loyaal zijn aan het regime) om twee redenen:
- U profiteert van hun expertise (die u nodig hebt; vergeet niet dat uw expertise propaganda is, geen ingewikkelde statistische analyse. Een beetje praktische nederigheid, waarbij u uw eigen beperkingen erkent, is cruciaal om een succesvolle propagandist te zijn; overmoed is de ondergang geweest van menig loyale lakei van het regime [en heeft vaak ook geleid tot een lange vakantie in een teleurstellende Goelag]).
- Regime-ketters kunnen niet wijzen op het gebrek aan geloofwaardige expertise van uw statistische analisten om de geloofwaardigheid van regime-studies te bezoedelen en te ondermijnen. Het geval van Neil Ferguson is een waarschuwend verhaal – hoewel hij er aanvankelijk in slaagde om regeringen over de hele wereld te overtuigen met zijn fantastische model dat apocalyptische slachting door Covid voorspelde, gaf zijn volstrekte gebrek aan enige expertise op het gebied van het onderwerp plus zijn lange geschiedenis van volledig waanvoorstellingen van pandemieën de oppositie een stevige basis om zijn modellen en alle daaropvolgende modellen die door verschillende regeringen werden gepusht, te verwerpen. Ze waren ook in staat om met groot effect te bekeren op de rug van dit debacle.
Analysetactiek #6: Verwijder problematische gegevens die niet geanalyseerd, aangepast of anderszins verborgen kunnen worden
Dit is hetzelfde concept als het uitsluiten van proefpersonen uit een studie als ze niet overeenkomen met de verplichte resultaten van het regime; alleen verwijder je hier de gegevens die al zijn gegenereerd in plaats van de proefpersonen zelf. Het doel is echter hetzelfde: voorkomen dat de gegevens die niet passen bij wat je wilt dat de onderzoeksresultaten laten zien, in de eerste plaats in het officiële verslag van de studie terechtkomen.
IV-4. Studie-manipulatieoptie #4: media rekruteren om de resultaten te verdraaien
Ongeacht wat de resultaten zijn, zou u kant-en-klare gespreksonderwerpen moeten hebben voor sympathieke media om voor u in de bres te springen. Het maakt niet uit hoe vals, misleidend, etc. ze zijn – het hele punt van propaganda is om te manipuleren en te misleiden – de media die de ecosfeer overspoelen met uw informatie is een krachtige kracht die het voor de meeste mensen op zijn minst heel moeilijk zal maken om de leugens en misleidingen die u snel door de maatschappij verspreidt, te ontwarren.
U moet er vooral op voorbereid zijn om elke wetenschapper of academicus met ketterse neigingen die iets van u in twijfel trekt, of erger nog, de aandacht vestigt op tekortkomingen in uw studie, met maximale vooroordelen, genadeloos aan te vallen.
Sectie V – Het manipuleren van de datasets
De andere belangrijke bron van wetenschap naast studies zijn de datasets en andere informatiebronnen die worden gebruikt om wetenschappelijke uitspraken te doen. Data – met name officiële staatsdata – zijn bruikbaar zonder dat een formele studie zijn zegen geeft, dus u moet ervoor zorgen dat de beschikbare data, en met name de datasets die de basis vormen voor conventionele statistieken die in de maatschappij door academici en leken worden aangehaald, onder uw controle staan om naar believen te bewerken, te veranderen en te modificeren.
Om de controle en bruikbaarheid van beschikbare datasets te maximaliseren, kunt u de volgende tactieken gebruiken:
V-1. Statistische 'Vissen'
Het is makkelijker om bij statistisch vissen alleen een illustratie te geven dan het abstract uit te leggen:
Stel dat een groot farmaceutisch bedrijf een nieuw medicijn op de markt brengt dat (zo beweren ze) kinderen slimmer maakt en hun schoolprestaties verbetert. Helaas weten ze, ook al is het goedgekeurd door de FDA, dat het niet werkt en mensen beginnen te vermoeden dat er iets vreemds aan de hand is (en ze hebben miljarden dollars op het spel staan). Dus komen ze naar je toe en bieden je een flink salaris van 7 cijfers om te 'bewijzen' dat hun nieuwe medicijn werkt. Dus jij, een gedurfde wetenschapper-voor-huur zonder scrupules (behalve loyaliteit aan het regime natuurlijk), accepteert hun aanbod. Hoe 'bewijs' je dat hun medicijn werkt? Simpel. Je krijgt de gegevens van alle schooldistricten in het land die de schoolresultaten en het percentage kinderen dat het nieuwe farmaceutische medicijn heeft genomen, laten zien. Hier komt het 'vissen'-gedeelte om de hoek kijken: je moet door elk district kijken totdat je er een of twee vindt waar de schoolresultaten boven het gemiddelde liggen en meer kinderen in dat district het nieuwe medicijn namen dan gemiddeld (zoals vissen, waarbij je doorgaat tot je een vis aan de haak slaat). Dan publiceer je je 'studie': "We vonden een correlatie in District "X" waar een hoger percentage kinderen dat het nieuwe medicijn nam leidde tot hogere academische scores." Dit is onzin omdat elk ander district aantoont dat het medicijn helemaal geen effect had op de academische scores, maar je vermijdt dat netjes door het ene district te benadrukken waar er een correlatie is door willekeurige kans. (Met een voldoende grote steekproefomvang, is het vrijwel zeker dat je willekeurig een district vindt waar toevallig veel kinderen het medicijn namen en de academische scores omhoog gingen.)
De belangrijkste les is dat je soms alleen een beetje doorzettingsvermogen nodig hebt. Als je bijvoorbeeld een grote dataset van veel landen hebt, ga er dan gewoon één tegelijk doorheen totdat je de correlatie vindt die je zoekt. Je kunt ook een geavanceerdere versie van deze tactiek proberen, bekend als 'P-hacken. '
Een goed voorbeeld van deze tactiek is de volgende CDC-‘studie’, waarin ze alle 50 staten doorzochten op zoek naar een staat waar ze de data konden verfijnen om aan te tonen dat de Covid-vaccins het risico op herinfectie verminderden bij mensen die al Covid hadden voordat ze het vaccin kregen. En wat denk je, ze vonden er een (uit 50 plus een paar niet-statelijke rechtsgebieden zoals Washington, DC) waar ze de data konden laten zeggen wat ze wilden dat ze zeiden:

Kijk, als de CDC meer dan één staat kon gebruiken om aan te tonen dat de Covid-vaccins het risico op herinfectie verminderden, dan hadden ze dat gedaan (duh). Maar ze probeerden en probeerden totdat ze een staat vonden waar ze de data konden martelen om dit aan te tonen.
Overigens is er nog een belangrijke les voor propagandisten: de waarde van volharding. Geef niet zomaar op als je geen dataset kunt vinden die makkelijk te manipuleren is om een regime-praatpunt te ondersteunen. Soms moet je creatief zijn en doorgaan tot je goud in handen hebt.
V-2. Problematische gegevens aanpassen
Ja, we hebben dit eerder vermeld in het gedeelte over riggingstudies.
Als de ruwe data niet voldoen aan uw voorkeursverhaal, dan kunt u ze gewoon 'aanpassen' totdat ze wel passen, net zoals u dat zou doen voor de interne data van een studie. Het aanpassen van data is een routineonderdeel van de wetenschap, en aangezien maar weinig mensen echt begrijpen hoe het werkt, kunt u hier misbruik van maken.
Iemand heeft zelfs een wetenschappelijk artikel over het onderwerp gepubliceerd (het is interessante lectuur als je een nerd bent):

Een briljante toepassing van dit concept heeft betrekking op de consensus van de Global Warming Scientific Establishment, die vroeger de Global Cooling Scientific Establishment Consensus heette. Hoe denk je dat dezelfde gegevens die in 1974 aantoonden dat de wereld afstevende op een onomkeerbare ijstijd die de overleving van de mensheid bedreigde, nu aantonen dat er werkelijk een *opwarming* trend van exact dezelfde gegevens die de overleving van de mensheid bedreigt??

Ze hebben de data simpelweg 'aangepast' om de eerdere decennia kouder te maken en de latere decennia warmer, en voila, probleem opgelost! Het is duivels sluw en zeer effectief - zie in de grafiek hieronder (van een bekende regime-dissidente ketter) de twee lijnen die de gemiddelde jaarlijkse temperatuur volgen, blauwe lijn = de ruwe data, de oranje lijn = de data nadat de regime-wetenschappers het 'aanpasten':

Als je naar de blauwe lijn kijkt, is er geen algehele opwarming in de afgelopen 100 jaar – wat heel slecht is voor het officiële verhaal van CATASTROPHISCHE OPWARMING VAN DE AARDE!!! De oranje lijn laat echter een duidelijke opwarmingstrend zien in de afgelopen 100 jaar – wat precies het verhaal is.
Mocht het in de toekomst om welke reden dan ook pragmatisch blijken om terug te keren naar wereldwijde afkoeling, dan zullen de regimewetenschappers van NOAA de gegevens eenvoudigweg 'aanpassen' om de afgelopen 100 jaar te laten lijken op een aanhoudende afkoelingstrend.
Het punt is dat het allemaal om de aanpassingen gaat.
(Note:Het is nuttig om een paar willekeurige, onopvallende wetenschappelijke ketters van het regime toe te staan om rond te hangen, omdat ze gegevens en analyses produceren die eigenlijk heel nuttig zijn voor het interne gebruik van het regime, zolang je er maar voor zorgt dat ze niet te veel op de voorgrond treden. Dan voer je ze zonder uitstel af naar Guantanamo Bay.)
V-3. Sluit alles uit van officiële analyses van officiële gegevens dat niet past bij uw gewenste resultaten
Zorgvuldig controleren wat er in uw analyse wordt opgenomen, is letterlijk 101 stuff. Als informatie of feitelijke resultaten uw gewenste resultaten dreigen te ondermijnen, sluit ze dan gewoon uit van officiële analyses van de officiële gegevens. Dus als er een overheidsdatabase is die laat zien dat na het Glorious Vaccine de incidentie van een heleboel medische aandoeningen flink is toegenomen, negeer die dan gewoon.
Neem bijvoorbeeld de VAERS-database (Vaccine Adverse Event Reporting System), die gezamenlijk wordt beheerd door de CDC en FDA:
De CDC (doet alsof) het aanmoedigt om medische aandoeningen die zich manifesteren nadat iemand is gevaccineerd, te melden bij VAERS, “zelfs als u er niet zeker van bent dat het vaccin de ziekte heeft veroorzaakt:”

Nadat de Covid-vaccins medio december 2020 waren uitgerold, zagen de VAERS-gegevens voor sterfgevallen er als volgt uit (de grafiek toont het totale aantal gerapporteerde sterfgevallen voor alle vaccins per jaar):

Deze grafiek toont statistieken van VAERS-rapporten over verwondingen/sterfgevallen als gevolg van de Covid-vaccins:

Maar wanneer heeft u voor het laatst iets gehoord over VAERS van de CDC in een verklaring of analyse over de kostbare Covid-vaccins?
Precies!! De CDC (en iedereen anders) negeert VAERS gewoon (behalve wanneer ze van tijd tot tijd 'fact-checking'-stukken uitbrengen om VAERS te ontkrachten).
Zorg er ook voor dat je iedereen die het waagt om zulke data te gebruiken om de geloofwaardigheid van je regime-analyses en -proclamaties te ondermijnen, meedogenloos de vergetelheid in jaagt. Dit is vaak een probleem, omdat er onvermijdelijk een hoop mensen zullen zijn die toegang hebben tot de ruwe data zodra deze bestaat.
V-4. Meeliften op eerder gevestigde relaties en verschillen
Een makkelijke manier om een studie te manipuleren is om 2 entiteiten te vergelijken waarvan je weet dat ze al een bepaald verschil of correlatie hebben. Je kunt dan doen alsof je dit verschil of deze correlatie 'ontdekt', maar het toeschrijven aan een nieuwe factor.
Dus als bijvoorbeeld arme staten vergeleken met rijke staten over het algemeen slechtere gezondheidsresultaten hebben, en de arme staten zich minder houden aan de richtlijnen van het regime, dan kun je wijzen op hun slechtere gezondheidsresultaten en de schuld geven aan het feit dat ze het Glorious Vaccine niet hebben genomen. De media zijn er echt goed in om deze boodschap te versterken, omdat ze niets liever doen dan slechte resultaten toeschrijven aan politieke affiliatie met de "slechte" politieke partij/partijen.
V-5. Beheer kritische datasets die worden gebruikt voor wetenschappelijk onderzoek
Wie de data controleert, controleert de wetenschap. Zorg ervoor dat u ijzersterke controle hebt over de meest prominente en meest gebruikte datasets, en u bespaart uzelf veel stress en hoofdpijn. Het leger controleert bijvoorbeeld hun interne datasets en kan ze naar believen manipuleren. Net als DMED – ze hebben deze dataset helemaal gemanipuleerd tot het punt dat het geheel nutteloos is geworden. Bekijk hieronder de volgende twee grafieken die de *DEZELFDE* DMED-gegevens voor “tarieven van poliklinische doktersbezoeken” voor de jaren 2015-2018 – de linker grafiek is de versie die in 2019 is gepubliceerd, de rechter grafiek toont de versie van 2021 – en op de een of andere manier zijn ze niet hetzelfde (rood omcirkelde gebieden).

Let op de verandering in de cijfers van 2016-2018 (die u kunt zien aan de vorm van de trendlijn)? Hoe is het aantal doktersbezoeken dat in 2016 plaatsvond toegenomen tussen 2019 en 2021 ????
Omdat het regime de data gewoon herschreef. Dat is wat je kunt doen als je volledige controle hebt over de dataset.
Het spreekt voor zich dat u onder geen beding heidense wetenschappers toegang moet verlenen tot de heilige teksten of data van de wetenschap die onder uw controle staan – vergeet niet dat u altijd waakzaam moet zijn, opdat een schurkachtige ketterse onderzoeker geen analyse uitvoert die de wetenschap ongeldig zou kunnen maken of tegenspreken. De CDC geeft hier het goede voorbeeld:

Als je die vervelende onafhankelijke wetenschappers geen toegang geeft tot de data, hoef je je ook geen zorgen te maken dat ze dingen in de data ontdekken die het regime-narratief op grote schaal ondermijnen.
Afdeling VI – Controle van de bewijsnormen
Stel je voor dat je een rechter bent die een strafzaak voorzit, die beslist over welk bewijs toelaatbaar is in de rechtbank, en zo kan garanderen dat belastend of vrijpleitend bewijs nooit de jury bereikt. Hetzelfde idee hier – door de bewijsnormen te controleren, kun je indirect veel van de uitdagende wetenschap die er is elimineren zonder de specifieke claims of het bewijs rechtstreeks te hoeven betwisten.
VI-1. Maak het onmogelijk voor iedereen behalve door het regime goedgekeurde actoren om het hoogste kwaliteit type bewijs te leveren
Dit is een simpele regel: Maak het voor onafhankelijke wetenschappers of onderzoekers zo moeilijk mogelijk om het soort onderzoeken uit te voeren dat als 'hoogwaardig' wordt beschouwd.
Je zou het te duur kunnen maken voor dwarsliggende dissidenten om Unapproved of Heretical Science uit te voeren. Een van de grootste staatsgrepen in de propagandageschiedenis was de opkomst van Random Controlled Trials als de "gouden standaard" voor bewijs. Deze kosten doorgaans miljoenen om uit te voeren, waardoor de mogelijkheid voor iemand anders dan gigantische farmaceutische bedrijven (die loyale regime-acteurs zijn) om dergelijke wetenschappelijke ondernemingen te runnen, wordt uitgesloten.
U kunt ook wetten aannemen of overheidsinstanties gebruiken om het uitvoeren van niet-goedgekeurde, kwalitatief hoogwaardige onderzoeken te verbieden, mocht een groep er op de een of andere manier in slagen om voldoende fondsen te verwerven om een dergelijk onderzoek uit te voeren.
VI-2. Geef aan welk type studies niet-goedgekeurde wetenschappers kunnen uitvoeren als ‘van lage kwaliteit’
Zorg er daarentegen voor dat alle niet-conforme wetenschap of onderzoek dat nog kan worden uitgevoerd, wordt aangemerkt als bewijs van lage kwaliteit. Dit is meestal een beter alternatief dan alle niet-goedgekeurde onderzoeken direct te verbieden, wat de bevolking vanzelfsprekend wantrouwend zal maken tegenover het regime en geneigd zal zijn om allerlei wilde onzinnige samenzweringstheorieën te accepteren. Laat ze liever hun onderzoek doen, maar leg uit dat het zinloos is omdat het niet voldoet aan de juiste regels van op bewijs gebaseerde wetenschap.
VI-3. Formuleer geen duidelijke bewijsstandaard die gewone mensen zelfstandig kunnen toepassen
Je zult onvermijdelijk situaties tegenkomen waarin je de ruimte nodig hebt om een dubbele standaard van bewijs te hanteren. Als je een duidelijke en gemakkelijk te begrijpen standaard formuleert, dan neutraliseer je je eigen vermogen om de wetenschap te manipuleren, aangezien mensen je dan aan je eigen beleden standaard kunnen houden. En zoals eerder aangegeven, wil je mensen conditioneren dat de echte standaard simpelweg is wat het regime als hoogwaardig bewijs verklaart in plaats van enig op afstand objectief criterium.
VI-4. Vervolg brutale of ontrouwe wetenschappers
Af en toe zal er een situatie ontstaan waarin u de geloofwaardigheid van onderzoek niet kunt aanvechten op basis van het feit dat het bewijs van slechte kwaliteit is. In dergelijke gevallen zou u in plaats daarvan de beledigende wetenschapper(s) die verantwoordelijk zijn voor het verspreiden van de ketterse wetenschap moeten vervolgen, en daarmee de verspreiding en verdere uitvoering van het problematische onderzoek moeten staken. Dit kan zo onschuldig zijn als ze van sociale media te verwijderen, of zo omvattend als ze ook naar een goelag te sturen om nooit meer iets van ze te horen of te zien. Hoe u of het regime uiteindelijk ook besluit om ze uit de publieke sfeer te verwijderen, u moet er ook voor zorgen dat u hun reputatie en expertise meedogenloos aanvalt (zelfs nadat de opruiende verrader is geëlimineerd). Dit is ook een goede tactiek om in te zetten tegen een charismatische wetenschapper(s) die het regime bedreigt omdat hij of zij de harten van de massa verovert. Dit geldt zelfs als ze loyaal lijken, tenzij je absoluut zeker weet dat ze nooit naar de andere kant zullen overlopen (zoals als je chantage-informatie hebt, of als ze het hart en de ziel van het narratief van het regime zijn en fanatiek toegewijd zijn, zoals de Heilige Dr. Fauci). Daarom moet je een robuust spionage-apparaat onderhouden om alle loyale wetenschappers van het regime in de gaten te houden.
Afdeling VII – De kerkelijke autoriteiten van de wetenschap
Het eerste wat u moet beseffen is dat het concept van autoriteit binnen het domein van de wetenschap van kerkelijke aard is. Het grootste deel van het wetenschappelijke discours in de huidige maatschappij bestaat uit argumenten van autoriteit. Dus in plaats van u hiertegen te verzetten, omarm het en hanteer het, want het is het machtigste van alle wapens in de strijd om de wetenschap zelf te controleren. U bent de kerk van de wetenschap. Het regime is het Vaticaan. Span uw spieren en leg uw wil op!!
U moet conventies vastleggen die op natuurlijke wijze alleen regime-loyalisten selecteren om posities van wetenschappelijk gezag in de maatschappij te bereiken. Dit wordt voornamelijk bereikt via de volgende methoden:
VII-1. Deskundigen moeten bevoegd zijn
Geloofsbrieven zijn het eerste scherm dat de meeste potentiële misdadigers eruit filtert. Door geloofsbrieven te eisen – die je natuurlijk alleen kunt verkrijgen via de tussenkomst van het regime zelf, of een instelling die geaccrediteerd is door en loyaal is aan het regime. Je moet de overtuiging versterken dat niet-geaccrediteerde experts uniek gevaarlijk en onwetend zijn, want de bevolking wordt belast door de constante drang om een second opinion te vragen over de standpunten en uitspraken van het regime.
VII-2. Deskundigen moeten verbonden zijn aan een instelling of organisatie met een goede reputatie.
Nog een voor de hand liggende regel. Dit is een goede manier om potentiële Manchurian-wetenschappers die het accreditatieproces hebben overleefd, verder uit te schakelen.
VII-3. Deskundigen moeten worden beschouwd als onderdeel van de “mainstream”
Handhaaf deze sociale conventie strikt, want het is een krachtig vangnet in het geval dat een expert de gelederen verbreekt en besluit het regime te trotseren. Zulke mensen kunnen niet gemakkelijk worden gedeaccrediteerd, en soms kan het moeilijk of onpraktisch zijn om alle banden die ze hebben met organisaties die een goede reputatie hebben te beëindigen. Vandaar de noodzaak voor een diskwalificatie die niet afhankelijk is van een van beide. Hem buiten de mainstream verklaren is een vrij krachtige manier om zo'n expert van zijn gezag te beroven.
VII-4. Handhaaf wetenschappelijke consensus
Een andere krachtige manier om te controleren wie de wetenschappelijke autoriteit heeft, is door naleving van een verzonnen 'consensus' af te dwingen, waarbij iedereen die afwijkt van die consensus wordt gebrandmerkt als een onverbeterlijke, onverbeterlijke ketter van de meest afwijkende soort. Het is een extern instrument dat extreem nuttig kan zijn om eigenzinnige, geaccrediteerde wetenschappers van de troon te stoten. 'Consensus' klinkt krachtig in de oren en harten van leken en biedt hen een gemakkelijke rechtvaardiging om geen vragen te stellen als het regime besluit om plotseling een voorheen zeer gewaardeerde wetenschapper te onttronen.
Nawoord
De kunst van propaganda is een breed onderwerp dat meerdere disciplines omvat. Verwacht niet dat je het in een nacht onder de knie krijgt. Verwacht dat je fouten zult maken – zo leer je wat werkt (en zorg er daarom ook voor dat je altijd iemand anders hebt aan wie je de schuld voor je fouten kunt geven).
Gelukkig voor u zijn de meeste burgers intellectuele schapen. Dit principe werd briljant gedemonstreerd door Obamacare's hoofdarchitect Professor Jonathan Gruber.
Professor Gruber had echter een voorliefde voor het uitleggen van te veel en te duidelijk in opgenomen toespraken. Er is natuurlijk niets mis met het uitleggen van controversiële zaken in duidelijke taal aan jonge regimestudenten die essentieel zijn voor het begrijpen van hoe regimepolitiek functioneert, omdat ze een stevige greep op deze zaken moeten hebben als ze productieve regimewerkers willen zijn. Het wordt echter een probleem wanneer deze toespraken worden opgenomen op video die toegankelijk is voor het grote publiek dat je geacht wordt te bedriegen:

Je zou denken dat nadat de man die een zeer impopulaire wet schreef (destijds) op talloze video's werd betrapt waarin hij opschepte over hoe het een "slimme uitbuiting was van het gebrek aan economisch inzicht van de Amerikaanse kiezer" en hoe "de domheid van de Amerikaanse kiezer" cruciaal was om een belastingverhoging te kunnen laten doorgaan als geen belastingverhoging (wat beide 100% waar is, zoals eerder vermeld), dat de politici gedwongen zouden zijn om de wet in te trekken en het over een paar jaar, nadat de heisa was gaan liggen, opnieuw te proberen.
Behalve dat, zo blijkt, je doorgaans niet alleen kunt rekenen op de ongebreidelde domheid van de gemiddelde kiezer, maar ook op hun gebrek aan kortetermijngeheugen, hun gebrek aan zelfbehoud en hun toewijding aan politieke ideologie bovenal. Is Obamacare ongedaan gemaakt of zelfs uitgesteld? Nee hoor. Dus zelfs als je flink wordt betrapt, zul je waarschijnlijk wel oké zijn. (Vooral als je een meegaande mainstream media hebt gekweekt die het regime loyaal dient.)
U kunt er ook op vertrouwen dat propaganda van nature een zichzelf corrigerende onderneming is – wanneer er fouten worden gemaakt, laat u gewoon meer propaganda en gaslighting los om die fouten te verdoezelen of anderszins te verzachten. Kijk maar eens hoe de regeringsfunctionarissen van het verheerlijken van Professor Gruber overgingen op het beweren dat hij volkomen onbelangrijk was, zonder met de ogen te knipperen en zonder ook maar een spoor van schaamte over de schaamteloze hypocrisie van hun onverzoenlijke standpunten:

(Je moet er wel voor oppassen dat je niet te nonchalant omgaat met fouten, anders loop je het risico dat je wordt overgeplaatst naar een Sovjet-Goelag of een CIA-aanvalsbasis in Marokko.)
Samen kunnen we de wereld een betere plek maken voor degenen die deel uit moeten maken van de mensheid die opnieuw is ingesteld.
Uitgegeven onder a Creative Commons Naamsvermelding 4.0 Internationale licentie
Stel voor herdrukken de canonieke link terug naar het origineel Brownstone Instituut Artikel en auteur.