MétaCan
Menu
Retour à la cohorte
Enregistrement W2156568070 · doi:10.1088/0963-6625/9/3/306

Knowledge, ignorance and the popular culture: climate change versus the ozone hole

2000· article· en· W2156568070 sur OpenAlexafffund
Sheldon Ungar

Notice bibliographique

RevuePublic Understanding of Science · 2000
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueClimate Change Communication and Perception
Établissements canadiensThe Scarborough HospitalUniversity of Toronto
Organismes subventionnairesUniversity of Toronto ScarboroughSocial Sciences and Humanities Research Council of Canada
Mots-clésIgnoranceFunctional illiteracySociology of scientific knowledgeClimate changeEnvironmental ethicsSociologyPublic awareness of scienceScientific literacySocial scienceScience communicationEpistemologyPublic relationsPolitical scienceLawScience educationEcology

Résumé

récupéré en direct d'OpenAlex

This paper begins with the “knowledge-ignorance paradox”—the process by which the growth of specialized knowledge results in a simultaneous increase in ignorance. It then outlines the roles of personal and social motivations, institutional decisions, the public culture, and technology in establishing consensual guidelines for ignorance. The upshot is a sociological model of how the “knowledge society” militates against the acquisition of scientific knowledge. Given the assumption of widespread scientific illiteracy, the paper tries to show why the ozone hole was capable of engendering some public understanding and concern, while climate change failed to do so. The ozone threat encouraged the acquisition of knowledge because it was allied and resonated with easy-to-understand bridging metaphors derived from the popular culture. It also engendered a “hot crisis.” That is, it provided a sense of immediate and concrete risk with everyday relevance. Climate change fails at both of these criteria and remains in a public limbo.

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)0,004
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: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0030,024
Communication savante0,0060,008
Science ouverte0,0010,004
Intégrité de la recherche0,0030,003
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 Opus0,592
Tête enseignante GPT0,441
Écart entre enseignants0,152 · 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'étudeQualitatif
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

Citations296
Publié2000
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePublic Understanding of ScienceMême sujetClimate Change Communication and PerceptionTravaux en français237 207