MétaCan
Menu
Retour à la cohorte
Enregistrement W3185476141 · doi:10.1007/s11027-021-09963-4

Lifestyle decisions and climate mitigation: current action and behavioural intent of youth

2021· article· en· W3185476141 sur OpenAlexafffund
Gary J. Pickering, Kaylee Schoen, Marta Botta

Notice bibliographique

RevueMitigation and Adaptation Strategies for Global Change · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental Education and Sustainability
Établissements canadiensBrock University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésMultinomial logistic regressionPsychological interventionClimate changeNormativeReligiosityPsychologyGreenhouse gasSkepticismEnvironmental resource managementSocial psychologyEnvironmental sciencePolitical scienceEcology

Résumé

récupéré en direct d'OpenAlex

Abstract Youth carry the burden of a climate crisis not of their making, yet their accumulative lifestyle decisions will help determine the severity of future climate impacts. We surveyed 17–18 year old’s ( N = 487) to establish their action stages for nine behaviours that vary in efficacy of greenhouse gas emission (GGE) reduction and the explanatory role of climate change (CC) knowledge, sociodemographic and belief factors. Acceptance of CC and its anthropogenic origins was high. However, the behaviours with the greatest potential for GGE savings ( have no children/one less child, no car or first/next car will be electric, eat less meat ) have the lowest uptake. Descriptive normative beliefs predicted intent to adopt all high-impact actions, while environmental locus of control, CC scepticism, knowledge of the relative efficacy of actions, religiosity and age were predictive of action stage for several mitigation behaviours (multinomial logistic regression). These findings inform policy and communication interventions that seek to mobilise youth in the global climate crisis response.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,098
Tête enseignante GPT0,326
Écart entre enseignants0,228 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations31
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMitigation and Adaptation Strategies for Global ChangeMême sujetEnvironmental Education and SustainabilityTravaux en français237 207