The Five Canadas of Climate Change: Using audience segmentation to inform communication on climate policy
Notice bibliographique
Résumé
This study examines how unique audience segments within the Canadian population think and act toward climate change, and explores whether and how the level of audience engagement moderates the effect of various messages on support for climate policy. Drawing on a random probability sample of Canadian residents (N = 1207) conducted in October 2017, we first identify and describe five distinct audiences that vary in their attitudes, perceptions and behaviours with respect to climate change: the Alarmed (25%), Concerned (45%), Disengaged (5%), Doubtful (17%) and Dismissive (8%). We then explore how each segment responds to different messages about carbon pricing in Canada. We find that messages alluding to earmarking (i.e., "Invest in solutions") or leveling the playing field for alternative energy sources (i.e., "Relative price") increase support for a higher carbon price among the population as a whole. However, these messages decreased support for carbon pricing among more engaged audiences (e.g., Alarmed) when a low carbon price was specified to the respondent. Meanwhile, the "Relative price" is the only message that increased policy support among less engaged audiences-the Concerned and the Doubtful. In addition to highlighting the importance of tailoring and targeting messages for differently engaged segments, these results suggest that communicating around the specific consequences of carbon taxes for the prices of some goods may be a fruitful way to enhance support for carbon taxes among relatively less engaged audiences.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,003 | 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 ».