The Effects of Climate Change Polarization on Endorsing Non-Normative Political Action
Notice bibliographique
Résumé
Climate change has become one of the most polarizing issues in recent years and has become a topic of political division (Pew Research Centre, 2014). This research examines the potential relationships between perceived polarization and endorsing non-normative collective actions regarding climate change mitigation. Research suggests that when people perceive others as extreme, they are less optimistic about discussion, (Robinson et al., 1995), and more likely to endorse conflict escalating non-normative actions (e.g., blockades) over cooperative normative actions (e.g., petitions) because they believe their adversaries are incapable of objective reasoning (Kennedy & Pronin, 2008). We hypothesized that those who perceived greater polarization would be more likely to endorse non-normative collective political action. In this correlational study, 231 undergraduate participants completed an online self-report survey, which measured their degrees of personal polarization and perceived polarization of others, their position on climate change mitigation efforts, and their level of support for normative and non-normative political actions advocating for their position on climate change mitigation efforts. The results did not support our predictions; indeed, some effects were counter to hypotheses. Although those with more extreme personal attitudes supported both normative and non-normative action more than those with less extreme attitudes, those who perceived greater extremity in others’ positions endorsed non-normative actions less. Perceived extremity of others did not relate to endorsement of normative action. Faculty Mentor: Craig Blatz Department: Psychology NOTE: This work is available as an abstract only.
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| 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 ».