Framing Climate Change: Economics, Ideology, and Uncertainty in American News Media Content From 1988 to 2014
Notice bibliographique
Résumé
The news media play a seminal role in shaping public attitudes on a wide range of issues – climate change included. As climate change has risen in salience, the average American is much more likely to be exposed to news coverage now than in the past. Yet, the content of these news stories has been underexplored in academic literature, despite likely playing an important part in fostering or inhibiting public support and engagement in climate action. In this paper we use a combination of automated and manual content analysis of the most influential media sources in the U.S., including the New York Times, Wall Street Journal, the Washington Post, and the Associated Press, to illustrate the prevalence of different frames in the news coverage of climate change and their dynamics over time. We focus on three types of frames, based on previous research: economic costs and benefits associated with climate mitigation, appeals to conservative and free market values and principles, and uncertainties and risk surrounding climate change. We find that many of the frames found to reduce people’s propensity to support and engage in climate action have been on the decline in the mainstream media, such as frames emphasizing potential economic harms of climate mitigation policy or uncertainty. At the same time, frames conducive to such engagement by the general public have been on the rise, such as those highlighting economic benefits of climate action. News content is also more likely now than in the past to use language emphasizing risk and danger, and to use the present tense. To the extent that citizens may not be informed of the gravity of the risk posed by uncontrolled greenhouse gas emissions, or discount threats that appear to be far in the future, these are welcome developments.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,007 | 0,009 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».