Framing the climate: How TikTok’s algorithm shapes environmental discourse
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
• TikTok’s design favors affective climate content over scientific depth or nuance. • Content rarely includes long-form or justice-based climate framings. • Youth-driven activism thrives but is shaped by platform design. • The “algorithmic spiral cycle” emerges through engagement loops and stylistic mimicry. • TikTok’s virality logic amplifies simplified climate narratives. This study investigates how TikTok’s platform design, algorithmic infrastructure, and engagement logic shape the public’s understanding of climate change. As the platform grows into a dominant space for media consumption, it has reshaped the contours of how environmental issues are communicated and emotionally processed. Drawing on a scoping review of 17 peer-reviewed articles and a platform walkthrough simulating a new user experience, this paper examines how emotional and performative content rises in visibility, while epistemically grounded, systemic, or justice-oriented narratives are often marginalized. We introduce and discuss the concept of the algorithmic spiral cycle ; a feedback loop in which platform logic and user interaction mutually reinforce affective urgency, selective exposure, and ideological closure. Three interlocking dynamics emerge from the analysis: (1) affective urgency, (2) narrative amplification, and (3) platform immersion. While TikTok offers novel opportunities for engagement and participatory science communication, its emphasis on virality and personalization often comes at the expense of deliberation, complexity, and informational diversity. This article contributes to emerging scholarship on climate communication, platform studies, and digital media governance by offering an empirical and conceptual framework for understanding how TikTok’s architecture mediates climate discourse. These findings underscore the need for critical platform literacy and regulatory approaches that address the sociotechnical shaping of environmental discourse in digital spaces.
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.
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 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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 découle