Do one’s moral foundations impact how they respond to information on climate change emissions? A vehicle choice experiment
Notice bibliographique
Résumé
Transportation is a major source of climate change emissions. Providing people with better information on those emissions is one means of helping individuals make climate-friendly choices. However, not everyone is influenced by the same type of information. Previous research has demonstrated that Goal Framing Theory could help improve the influence of climate change emissions information and that different framings have different levels of influence depending on a number of socio-demographic and attitudinal characteristics. However, apart from climate change motivation, what other underlying psychological factors might help us understand why the framings vary in their influence between individuals? Moral Foundation Theory (MFT) identifies key values that influence people’s moral decisions, providing a useful framework for understanding diverse responses to information. The objective of this study is to understand whether MFT can help explain different responses by individuals and identify which framings are associated with stronger responses for different moral foundations. This study investigates the moderating effects of moral foundations on individuals’ responsiveness to different emission information framings. Utilizing data from discrete choice experiments involving 2015 Canadian drivers, we examine how different moral foundations impact the willingness-to-pay (WTP) for reducing emissions. The results reveal that the impact of emissions information framing varies significantly according to individuals’ moral foundations. Specifically, moral values associated with Authority, Fairness, and Purity play negative moderating roles on WTP for CO 2 emissions under different framings, whereas Ingroup and Harm foundations have positive moderating effects on WTP with the framings tested. Additionally, innovative communication tools like new emojis demonstrated strong positive effects on WTP, especially among those with strong Ingroup, Fairness, and Purity values. Conversely, individuals with a strong Authority value showed the lowest WTP when presented with pressure gauge visuals. Using appropriate framing based on Moral Foundation Theory can considerably change the willingness-to-pay for climate change emissions for different parts of the population, with a notable increase in WTP observed among individuals inclined to alter their behavior. Future framings should incorporate MFT in their design.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 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 ».