Culture, Politics and Climate Change : How Information Shapes our Common Future
Notice bibliographique
Résumé
Overview Introduction Deserai A. Crow & Maxwell T. Boykoff Part 1 Culture and Climate Change Communication 1. Beyond gloom and doom or hope and possibility: Making Room for Both Sacrifice and Reward in Visions of a Low-Carbon Future Cheryl Hall 2. Polar Bears, Inuit Names, and Climate Citizenship: Understanding Climate Change Visual Culture through Green Consumerism, Environmental Philanthropy, and Indigeneity Doreen E. Martinez Commentary Mike Hulme Part 2 Media as Actors and Contributors to the Climate Politics and Policy 3. #Climatenews: Summit Journalism and Digital Networks Matthew Tegelberg, Dmitry Yagodin, and Adrienne Russell 4. TV Weathercasters and Climate Education in the Shadow of Climate Change Conflict Vanessa Schweizer, Sara Cobb, William Schroeder, Grace Chau, and Edward Maibach 5. Re-examining the Media-Policy Link: Climate Change and Government Elites in Peru Bruno Takahashi and Mark S. Meisner Commentary Joe Smith Part 3 Climate Politics and Policy 6. Climate Science, Populism, and the Democracy of Rejection Mark B. Brown 7. Explaining Information Sources in Climate Policy Debates Dallas J. Elgin and Christopher M. Weible 8. Navigating Controversies in Search of Neutrality: Analyzing Efforts by Public Think Tanks to Inform Climate Change Policy Jason Delborne Commentary Matthew C. Nisbet Part 4 Emerging Research in Climate Politics and Policy 9. Governing Subjectivities in a Carbon Constrained World Matthew Paterson and Johannes Stripple 10. Making Climate Science Communication Evidence-based-All the Way Down Dan Kahan Commentary Alison Anderson
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».