Framing Nature's Fury: Analysing the Reporting of the 2023 British Columbia Wildfires in Major North American Newspapers
Bibliographic record
Abstract
Diese Arbeit untersucht die Berichterstattung großer nordamerikanischer Zeitungen über die Waldbrandsaison 2023 in British Columbia, Kanada, und konzentriert sich auf die Framing-Analyse der Waldbrände selbst. Darüber hinaus geht es um die Frage, was diese Darstellung für die Ökologie als Ganzes bedeutet und ob diese Frames für die Beziehung zwischen Mensch und natürlicher Umwelt destruktiv oder förderlich sind. Die zunehmende Häufigkeit und Stärke von Naturkatastrophen, wie sie in der bisher verheerendsten Waldbrandsaison Kanadas zu beobachten waren, und die anschließende Berichterstattung in den Medien zeigen die entscheidende Rolle von Framing bei der Gestaltung der öffentlichen Wahrnehmung. Die Ökolinguistik, die die entscheidende Funktion der Sprache bei der Beeinflussung des Verständnisses ökologischer Fragen untersucht, dient als Grundlage für die Theorie und die Analyse dieser Arbeit. Im zweiten Kapitel wird die aktuelle Literatur zum Framing von Naturkatastrophen und insbesondere von Waldbränden erörtert, bevor die Forschung zur Ökolinguistik und zum Framing vorgestellt wird. Im darauffolgenden Kapitel wird die Methodik präsentiert, gefolgt von der Analyse der Daten aus Artikeln der New York Times, der Washington Post, der CBC News, der Vancouver Sun und des Calgary Herald. Die Ergebnisse aus diesem Teil werden dann in ihrer Gesamtheit diskutiert und mit dem aktuellen Forschungsstand verglichen. Es wird deutlich, dass Framings und Metaphern häufig verwendet werden, um ein konfliktäres Verhältnis zwischen Mensch und Natur zu vermitteln, wobei die Koexistenz oder die Rolle menschlicher Aktivitäten bei der Vergrößerung der Waldbrandgefahr weniger betont werden. Vorteilhafte Frames aus ökolinguistischer Sicht wiesen auf die Rolle des Menschen innerhalb der Ökologie hin und schärften das öffentliche Bewusstsein für komplexe Prozesse in der Natur wie den Klimawandel oder natürliche Feuerzyklen. Typische Frames personifizierten die Waldbrände oder charakterisierten den Umgang mit ihnen als Kampf. Der letzte Abschnitt erörtert Implikationen der Ergebnisse und weist auf mögliche weitere Forschungsbereiche hin. Insgesamt unterstreicht diese Arbeit die entscheidende Rolle von Framing im Umweltdiskurs.
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 | 0.002 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.006 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 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 teacher head, 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".