Depolarizing Climate Change in the United States
Notice bibliographique
Résumé
Addressing climate change requires a society-wide effort sustained over decades. This simply will not happen without bipartisan cooperation and broad public support. Fortunately, there are signs of hope. There have been recent bipartisan climate policies passed at the state and federal levels, and polls increasingly suggest broad and bipartisan support for addressing climate change, especially among younger voters. What does a bipartisan approach to addressing climate change look like? Drawing on analyses of opinion polls, survey experiments, and legislative action from my research group and others, I will argue that strategies for building a big-tent climate movement include: carrots over sticks, optimism over pessimism, national pride over national shame, precise and plain-spoken discourse over hyperbole and histrionics, and kitchen-table-focused approaches to environmental justice rather than identitarian ones. Speaker Bio Matthew G. Burgess is an Assistant Professor in Environmental Studies, with a courtesy appointment in Economics. Matt received his Ph.D. at the University of Minnesota, 2014, and his B.Sc. University of Toronto, 2009 His research focuses on economic growth futures and their impacts on the environment and society, mathematical modeling of human-environment systems, and political polarization of environmental issues. Matt uses a combination of mathematical and computer modeling, data synthesis, and collaboration with stakeholders, in order to make conceptual advances and link them to practice.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,001 | 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 tête enseignante, 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 ».