MétaCan
Menu
Retour à la cohorte
Enregistrement W2155675907 · doi:10.1037/a0023566

The dragons of inaction: Psychological barriers that limit climate change mitigation and adaptation.

2011· article· en· W2155675907 sur OpenAlexaff
Robert Gifford

Notice bibliographique

RevueAmerican Psychologist · 2011
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental Education and Sustainability
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésSustainabilityGreenhouse gasClimate changeAdaptation (eye)Action (physics)PsychologySocial psychologyPolitical scienceBusinessEcology

Résumé

récupéré en direct d'OpenAlex

Most people think climate change and sustainability are important problems, but too few global citizens engaged in high-greenhouse-gas-emitting behavior are engaged in enough mitigating behavior to stem the increasing flow of greenhouse gases and other environmental problems. Why is that? Structural barriers such as a climate-averse infrastructure are part of the answer, but psychological barriers also impede behavioral choices that would facilitate mitigation, adaptation, and environmental sustainability. Although many individuals are engaged in some ameliorative action, most could do more, but they are hindered by seven categories of psychological barriers, or "dragons of inaction": limited cognition about the problem, ideological world views that tend to preclude pro-environmental attitudes and behavior, comparisons with key other people, sunk costs and behavioral momentum, discredence toward experts and authorities, perceived risks of change, and positive but inadequate behavior change. Structural barriers must be removed wherever possible, but this is unlikely to be sufficient. Psychologists must work with other scientists, technical experts, and policymakers to help citizens overcome these psychological barriers.

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)0,003
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,014
Communication savante0,0050,006
Science ouverte0,0010,005
Intégrité de la recherche0,0030,008
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,056
Tête enseignante GPT0,308
Écart entre enseignants0,252 · 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'étudeThéorique ou conceptuel
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

Citations2 229
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican PsychologistMême sujetEnvironmental Education and SustainabilityTravaux en français237 207