Bibliographic record
Abstract
Jelen tanulmányban arra a kérdésre keresem a választ, hogy milyen félelemnarratívák bukkannak elő a migráció és a klímaváltozás jelenségéhez kötődően az adatközlők által elmondottakban. A kutatási kérdések megválaszolásához 69 kreatív interjút készítettem, ahol az interjúkérdéseket projektív technikákkal ötvöztem, a célcsoportot pedig a parlamenti pártokhoz kötődő aktivisták jelentették. A tanulmány felépítése a következő: először a félelem természetére vonatkozó kiindulópontokat tisztázom, azaz szemléltetem, hogy mitől lesz politikai érzelem a félelem. Ezt követően rátérek a kutatás fókuszát képező migrációs félelem és klímaszorongás bemutatására, majd pedig az előbbi specifikus érzelmi típusok kontextualizálásával, vagyis a magyar politikai viszonyok általi értelmezésével igyekszem kézzelfoghatóvá tenni a kutatás témáját. A kontextuális tényezők bemutatása után a módszertani alapvetések elméleti és gyakorlati aspektusait ismertetem, majd az empirikus eredmények részletei következnek és megválaszolom a kutatási kérdéseket. A kutatás legfőbb megállapításai közé tartozik, hogy a migrációt és a klímaváltozást tekintve csak igen ritkán mutatkoznak szélsőségesebb ideológiai álláspontok a megkérdezettek között. A migrációt illetően a legfőbb különbség a kormánypárti és az ellenzéki interjúalanyok között az, hogy míg a Fidesz-pártiak esetében ténylegesen félelemként jelenik meg a bevándorlás, addig az ellenzékiek elsősorban megoldandó problémaként tekintenek rá. A második téma esetében lényegében teljes konszenzus uralkodott az interjúalanyok körében arról, hogy a klímaváltozás korunk egyik legfontosabb kihívása, nagyobb érzelmi bevonódás azonban nem igazán jellemezte az adatközlőket. A legfontosabb különbség a kormánypártiak és az ellenzékiek között abban mutatkozott meg, hogy a Fideszes interjúalanyok (és ugyanúgy a jobboldaliak, csak kevésbé karakteresen) nagy eséllyel fogalmaztak meg negatív véleményeket a zöldpolitikát/ zöldaktivizmust illetően, amely egyébként sokszor egyfajta életmódkritikában kristályosodott ki (elvadult vegánok).
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.005 | 0.012 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".