Information Sharing and Communication Through Climate Change Images on Social Media
Notice bibliographique
Résumé
In today’s world, the most popular and powerful tool to disseminate information on complex topics including climate change is social media. Information shared through various forms of texts and visual content on social media makes complicated topics easier to comprehend. The emotions, thoughts, and feelings expressed through images carry values that are far greater than those of texts. These features of images turn them into more meaningful content. People can be motivated to take action to establish and manage sustainable development. This research attempts to analyze the images posted on social media to build awareness among its users on climate change in Bangladesh. The accounts of Bangladeshi social media users are analyzed to find the various forms of images posted on social media and how people are engaging with these images. Also, social media users’ perspectives and awareness of climate change are studied here. Content analysis of 63 images on social media and semi-structured interviews with 10 social media users suggest that Bangladeshi social media users are focusing mostly on the impact of climate change, and less on its causes and solutions. Images containing the general public are more popular than images with political leaders, celebrities, and scientists which contradicts other findings. However social media users expressed less concern about the issue and believed that it is a matter of concern for the authority. Nevertheless, the younger generation in Bangladesh is taking a more active part in initiating actions to reduce the impact of climate change. As this younger generation ages, the future may bring positive changes if policies are made to support their initiatives.
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 | 0,001 |
| 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 | 0,001 |
| Communication savante | 0,002 | 0,029 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».