The influence of familial nudging on attitudes toward climate change and monetary contributions: An exploration of ease and difficulty with evidence from Japan, Canada, the USA, and Norway
Notice bibliographique
Résumé
• Nudging grounded in Evolutionary Psychology was applied to promote carbon neutrality. • The effects were analyzed using >15,000 responses from four countries. • Moderating perceived risks of climate change was successful in most cases. • Only Canada, recently hit by wildfires, showed a positive effect in willingness to pay. Climate change countermeasures require monetary investment for implementation through regulations, often in the form of public taxes. Therefore, public opinion on climate change is an important factor in achieving carbon neutrality (CN). How public perception is formed, leading to motivation to fund measures for CN, needs to be identified. This study aimed to identify the causal structures of attitude change leading to financial investment through two surveys in multiple countries using nudging messages emphasizing familial support (familial nudging), which is effective in promoting pro-environmental attitudes. Study 1 (2023) examined how familial nudging moderates risk-averse attitudes toward climate change. Despite successful overall nudging effects, no increase in willingness to pay for CN was observed. Causality analysis showed that willingness to pay for CN was influenced by perceived risks to oneself and future generations. Based on these findings, Study 2 (2024) introduced modified familial nudging, emphasizing milder climate risks for the current generation, but more severe climate risks for future generations, such as wildfires. The new nudging message unexpectedly increased the perceived risks to the current generation, and no positive impact on willingness to pay was observed. The exception was Canada, as respondents showed non-negative responses and significant increases compared to the other messages. The Canadian wildfire in 2023 may have influenced the perceived necessity of CN countermeasures. These findings highlight the challenge of nudging perceived impacts on current and future generations, separately simultaneously. Meanwhile, recent natural disasters may effectively moderate the decreased financial motivation for CN, regardless of familial support.
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 | 0,009 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».