Six Canadas of Climate Change: Segmenting Canadian Views on Anthropogenic Climate Change
Notice bibliographique
Résumé
There is little doubt within the scientific community about the need for immediate action to reduce the magnitude and impacts of Anthropogenic Climate Change (ACC). To reduce carbon and other greenhouse gas emissions effective climate solutions will require the engagement and collective action of millions of people and thousands of organizations in the United States and other countries including Canada. Unfortunately, the urgency understood and felt in the scientific community has not translated to widespread pro-environmental action from the public at large, or in adequate government policy to mitigate climate change. Effective and targeted engagement strategies to improve pro-environmental behaviors remain a challenge for policy makers and communicators. \n \nThis study applies a segmentation methodology developed for the United States (Maibach, Lesierowitz, Roser-Renouf & Mertz. 2011a) to a nationally representative Canadian audience. The segmentation places Canadians into six distinct groups, the “Six Canadas of Climate Change,” based on their beliefs, motivations and policy preferences around ACC. Segmentation is a methodology borrowed from other social sciences to divide populations into distinct groups homogenous with respect to certain attributes such as beliefs, behaviors and ideology (Maibach et al., 2011a). Having identified segments allows communicators to target specific and meaningful communications targeted to groups whose beliefs, preferences and motivations are known. \n \nThe utility of this climate change segmentation tool is assessed by measuring its ability to predict respondent’s willingness to support a series of greenhouse gas (GHG) reduction policies. Linear regression models are used to assess demographic variables, political views and the segmentation as predictors of GHG mitigating policy support. All of these variables are to some degree predictive, but the segmentation best explains variation in policy preferences. \n \nThere are significant differences in views on ACC between the United States and Canada. This study offers analysis of those differences and opportunities for future research to improve and target climate communications to distinct audience segments.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,001 | 0,005 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,004 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».