Opinion poles: Polarised views on energy developments in Canada's oil province
Notice bibliographique
Résumé
Energy projects are often subject to polarised opinions, with both extreme support and extreme opposition being present. This polarisation is often not accounted for in models of public preferences for energy-related issues, which limits analysts' understanding of the dynamics of public acceptance of policies or projects, and how acceptance could be enhanced. The objectives of this study are to develop an approach to test and account for polarisation in vignette experiments, and measure levels and identify drivers of polarisation. Our case studies examine hydraulic fracturing and wind energy developments in Alberta, Canada. We use a latent-class modelling approach to account for polarised or extreme groups of respondents, which we identify as two groups of respondents who exhibit extreme support for or opposition to all energy developments, regardless of its characteristics. We demonstrate that more neutral individuals are more reactive to changes in the policy attributes presented in the experiments. Trust in entities, such as government, industry, and environmental organisations, contributes to explaining class membership. Modelling the incidence of polarisation and accounting for preference heterogeneity in vignette experiment responses can offer beneficial insights to researchers and policy-makers that conduct public engagement and consultation processes. Our results help inform how energy development policy and program changes can be made towards garnering support from members of the public whose views are sensitive to the characteristics of the changes. • Polarised opinions are prevalent for wind energy and hydraulic fracturing projects • Polarised people will not change their opinion of projects in response to concessions • Trust in agencies involved with energy issues is a key driver of polarisation • A constrained latent-class model accounts for polarisation in vignette experiments • We demonstrate the value of latent-class analysis in factorial survey experiments
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 | 0,005 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,007 | 0,006 |
| Communication savante | 0,005 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».