Forecasting Change: Climate Connections in Canadian Extreme Weather Reporting
Notice bibliographique
Résumé
Canadians from coast to coast are experiencing the consequences of the increase in extreme weather events, like the unprecedented 2023 forest fire season. With the impact these extreme events have on public life, the Canadian media cover them extensively, and thus they make up a significant proportion of the news as they occur. The number of these events is said to continue increasing, as the scientific consensus states climate change and rising temperatures will continue to influence the frequency and intensity of extreme weather. In recent years, scientists have begun conducting extreme event attribution (EEA) studies which link certain events to climate change. While some argue that journalists should mention these EEA studies in their coverage, others argue making explicit connections to climate change is enough to fully inform the public. Even with this newly emerging debate, little is known about how the Canadian media mention or connect climate change to extreme weather events. Using a text as data approach, with automated content analysis, this thesis explores how five Canadian media outlets cover four types of extreme weather events, by comparing reporting from 2019 and 2023. This work aims to examine how the media mention climate change, whether they connect extreme weather events to climate, and how they make that connection. The results show that overall, the proportion of climate connection used in the coverage of extreme events by the selected Canadian media increased from 2019 to 2023. Additionally, both the proportion of climate mentions and connections are greater than those found in existing studies.
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 | 0,003 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,009 | 0,021 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,006 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».