Climate Emotions, Pro-environmental Behaviours, and Activism among Canadian Youth
Notice bibliographique
Résumé
Psychological research has made significant contributions to the current understanding of the role of emotions in promoting or hindering a person’s ability to engage with pro-environmental behaviours and climate action. While international research on this topic continues expanding, there is little research documenting the emotional impacts of climate change on Canadian youth, and the role emotions play in their ability to stay actively engaged with this global challenge. This study examines several psychological constructs (e.g., climate anxiety, generalized anxiety and depression, negative and positive affect, and emotional responses to climate change) known to be associated with different levels of engagement with climate activism and pro-environmental behaviours in a sample of 912 first- and second-year Canadian university students. Using data gathered online, we conducted a series of statistical analyses that revealed that climate worry and concern were common among our participants. Results also showed that participants experienced many different emotions towards climate change. Factor analysis led to a categorization of emotional responses into four factors: externalizing negative emotions, internalizing negative emotions, positive emotions, and neutral emotions. Further statistical modeling showed that, while common, negative emotions did not inhibit climate activism or pro-environmental behaviours, which instead were predicted by positive emotions. We interpret the findings in the context of positive psychology frameworks such as Fredrickson’s Broaden and Built theory and draw insights that may guide further research investigation in the burgeoning field of the psychology of climate emotions.
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 | 0,000 |
| 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 | 0,005 | 0,000 |
| Communication savante | 0,001 | 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) | 0,008 | 0,003 |
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 ».