The Effect of Climate Change Semantic Expressions on Perceptions and Attitudes Towards Decarbonisation
Notice bibliographique
Résumé
This paper is proposed to clarify the effectiveness of semantic expressions used to designate climate change in France context, i.e. “réchauffement climatique” (“global warming”); “changement climatique” (“climate change”); and “derangement climatique” (“climate imbalance”). An experimental study (sample size N = 126) based on ‘linguistic semantics’ approach is conducted in order to assess the effect of these expressions on concerns, perceptions risk and sensitivity regarding Climate Change (CC). Our results show that the expression “réchauffement climatique” (“global warming”) is the most appropriate from a statistical standpoint. It increased the importance of the problem (salience of this issue) relative to other societal issues (e.g. unemployment, social justice, crime, etc.); it also enhanced participants' sensitivity (respondents' emotions associated with CC) more than the other expressions. We can still note however a strong difference in impact among the expressions if we were to calculate their impact on the basis of risk perception and communication objective. Results showed that when focusing our communication campaigns on nature, it would be preferable to use the term “changement” ("change"), when focusing our communication on social level, it would be preferable to use the term “réchauffement” ("warming"), whereas the term “dérèglement” ("imbalance") becomes the most suitable in seeking to build a communication campaign focusing on economic aspects. Semantics therefore should be selected depending on the communication objective.
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 | 0,002 | 0,001 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».