How does personalized feedback on carbon emissions impact intended climate action?
Notice bibliographique
Résumé
Climate change is driven in part by the lifestyle choices individuals make every day, and yet the emissions associated with these choices are difficult for people to conceptualize and seldom considered in daily decision making. Here we examine the impact of personalized feedback on carbon emissions on intended climate action. In a pre-registered between-subjects experiment (N=790), participants first reported their past consumption behaviors in 2019 in domains of food, transportation, housing, and material purchases by using a personal carbon calculator. In the feedback condition, participants received information on their total carbon emissions, a breakdown by consumption domain, a 50% reduction target, and personalized recommendations for reduction. Participants in the control condition did not receive any information. Afterward, all participants indicated their future consumption intentions in 2023. We found that participants in the feedback condition showed a significant emission reduction of 1.42 tCO2e (-12.60%) per capita from 2019 to 2023, whereas those in the control condition increased their emissions by 0.05 tCO2e (+0.045%) per capita. This reduction was found in domains of food, transportation, and material purchases. Importantly, there was no difference in intentions to engage in civic climate action between conditions. Civic climate intentions were instead associated with eco-guilt, climate concern, and climate worry experienced by participants regardless of feedback. These findings suggest personalized feedback on carbon emissions has a great potential to reduce individual carbon footprint without impacting intentions to engage in civic climate action. The study provides useful implications for designing strategies to encourage climate action.
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 | 0,004 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».