Emotional turmoil: The psycho‐social uncertainty and sensemaking challenges of climate action
Notice bibliographique
Résumé
Abstract Climate change generates considerable uncertainty about impacts, vulnerability, and broad‐scale change to society. While scientific consensus is well established, social consensus—on what the issues are, what it means for nations, communities, and every life, and what we ought to do about it as a society and civilization—is harder to achieve. This “human” layer of the climate challenge is crucial yet seldom sufficiently integrated into climate action. Publics can struggle to connect their climate concern with support for climate action, while others exhibit fear, resistance, forms of denial, and pushback against climate policies. This occurs against a cultural backdrop of increasing polarization, particularly in pluralistic liberal democracies like Canada. This paper presents qualitative research in the Canadian context in which climate actors across sectors examined the current sensemaking challenges regarding climate change. Sensemaking refers to how people mentally, emotionally, cognitively, and socially construct an understanding of the world. Respondents discussed key psycho‐social and sensemaking challenges regarding climate action, many of which pertain to the emotions provoked around perceptions of a ‘just transition,’ such as feeling left behind by unfair distribution of benefits from climate action investments and feeling frustration, lack of autonomy, and loss of agency regarding changes in identity and livelihoods due to climate action. The paper submits that a better understanding of these psycho‐social and sensemaking challenges—specifically, those involving affect, emotions, worldviews, and identity—could help generate agency, uptake, and social support of climate practices and policies, as well as lessen the divides between anti‐ and pro‐climate action views.
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 | 0,010 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,015 | 0,041 |
| Communication savante | 0,014 | 0,005 |
| Science ouverte | 0,002 | 0,011 |
| Intégrité de la recherche | 0,003 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».