The role of individuals and institutions in climate change mitigation
Notice bibliographique
Résumé
People seeking to lower their carbon footprints can consult a broad, quantitative literature to help them identify the most impactful lifestyle decisions. Absent from this literature is research into which political actions might be more effective in reducing greenhouse gas emissions. Here I report my findings on obstacles and opportunities for motivated individuals to contribute to climate change mitigation both by changing their lifestyles and by taking political actions. I begin by examining how individuals can model low-carbon mobility in the workplace. Using data collected at the University of British Columbia, I found preliminary evidence that academics could lead by example in reducing air travel without limiting their academic productivity. Next, I surveyed 965 members of the North America public and found that individuals underestimated the emissions associated with air travel and meat consumption, while overestimating the emissions of symbolic actions like eating organic food. Furthermore, participants rarely considered political actions to be the most effective way to reduce emissions. To follow up on the question of how effective political actions are, I used the 2019 Canadian federal election as a case study. In that election, where climate change was a central concern of voters, I found the emissions responsibility associated with voting was higher than the emissions typically associated with lifestyle choices. While I was unable to quantify the emissions associated with other political actions, I attempted to further our understanding of which political actions are more effective through a field experiment. In partnership with a non-profit organization, members of the public sent generic emails to their elected officials, requesting that the officials post a pro-climate message to their social media accounts. I analyzed the elected officials’ social media accounts, and combined with interviews of their staffers, the data suggest that generic campaign emails are only marginally persuasive. I conclude that motivated members of the public may be missing opportunities, in multiple domains, to maximize their impact on the climate.
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 | 0,006 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,010 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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.
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 ».