Reframing climate change as a public health issue : a Canadian case study, 2008-2020
Bibliographic record
Abstract
Les changements climatiques représentent une menace majeure pour la santé publique au Canada et ailleurs. À l’inverse, l’action climatique pourrait procurer des éventuels co-bénéfices santé. Bien que la recherche en matière de communication sur les changements climatiques soit en plein essor, seulement une poignée d’études ont exploré comment les médias relient les changements climatiques à leurs impacts sur la santé humaine. Les médias peuvent jouer un rôle clef, de par leur capacité à modeler la compréhension du public ainsi que son adhésion à des politiques nouvelles. Cette analyse de contenu examine la couverture des impacts sanitaires des changements climatiques dans le journal canadien The Globe and Mail entre 2008 et 2020. Notre étude suggère que le cadrage santé demeure sous-utilisé à ce jour, et que les journalistes ne réussissent pas à faire des liens exhaustifs entre climat et santé. Lorsque la question est abordée, le contenu est le plus souvent imprécis ; sans risque sanitaire, facteur social médiateur ou population vulnérable identifiés. Les co-bénéfices santé émanant de l’action climatique peuvent convier des émotions positives et ainsi inciter davantage à un changement comportemental. Malgré tout, ils demeurent rarement mentionnés. Tandis que des études précédentes montraient que les professionnels de la santé sont les mieux équipés pour communiquer les risques, nous avons constaté que ce sont les membres de la société civile, la plupart n’ayant pas d’expertise médicale, qui sont les plus souvent cités dans les articles. Enfin, la pandémie de Covid-19 peut être décrite comme une opportunité manquée pour recadrer les changements climatiques, puisque notre étude démontre que le cadrage santé n’était pas plus utilisé en 2020 qu’auparavant.
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.003 | 0.008 |
| Science and technology studies | 0.011 | 0.003 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
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; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
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".