MétaCan
Menu
Retour à la cohorte
Enregistrement W2136645959 · doi:10.1177/0268580914558285

Public environmental skepticism: A cross-national and multilevel analysis

2014· article· en· W2136645959 sur OpenAlexaff
Min Zhou

Notice bibliographique

RevueInternational Sociology · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueClimate Change Communication and Perception
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésSkepticismReligiosityIdeologyMultilevel modelSocial psychologyPoliticsSociologyEnvironmental ethicsEnvironmental degradationPsychologyPositive economicsSocial scienceSocioeconomicsPolitical scienceEpistemologyLawEconomicsEcology

Résumé

récupéré en direct d'OpenAlex

Environmental skepticism, defined as doubt about the authenticity or severity of environmental degradation, is common among the general public. This study attempts to identify its social bases, using a large and recent (2010) dataset that covers 45,119 individuals from 32 countries. Using multilevel modeling, it explores both individual-level and country-level influences on public environmental skepticism. The results support four individual-level perspectives (knowledge deficit, cultural orientation, social trust, and competing priority) and their interplay. Environmental skepticism stems from insufficient education and self-assessed environmental knowledge, religious and conservative values, lack of trust in general society and science, and other concerns competing with environmental concern. Moreover, the skepticism-reducing effect of education and self-assessed knowledge is found to be contingent on individuals’ religiosity and political ideologies. Education and self-assessed knowledge are more effective in reducing skepticism among less religious individuals and left-leaning liberals than among religious people and right-leaning conservatives.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,051
Score d'incertitude au seuil0,100

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,512
Tête enseignante GPT0,492
Écart entre enseignants0,019 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations62
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational SociologyMême sujetClimate Change Communication and PerceptionTravaux en français237 207