L'attention comme catalyseur des communications environnementales axées sur la peur
Bibliographic record
Abstract
Cette étude sur l'attention comme catalyseur des communications environnementales axées sur la peur a pour but d'accroître l'efficacité des communications éco persuasives axées sur la peur, en optimisant les processus attentionnels de traitement de l'information, précisément, de définir le répertoire visuel le plus représentatif de la perception d'un risque environnemental élevé pour les jeunes québécois âgés de 18 à 25 ans, et d'identifier le type de visuels plus propices à l'adoption de comportements écologiques réels chez ces jeunes. Nous avons procédé par une approche exclusivement qualitative où nous avons présenté des images des risques climatiques susceptibles de se produire au Québec à un échantillon de 20 jeunes québécois divisés en 4 groupes de discussion composés de 5 jeunes par groupe. Nous avons ensuite procédé à l'analyse directe des enregistrements des données de chaque groupe sans transcription. Il en ressort de notre analyse, en ce qui concerne le répertoire visuel qui représente les perceptions du risque environnemental chez les jeunes que ; les images qui mettent en évidence des inondations ne sont pas automatiquement reliées aux changements climatiques ; contrairement à nos attentes, les images de canicule suscitent de l'excitation plutôt que la peur chez les jeunes qui sont au contraire heureux de pouvoir profiter du soleil plus longtemps ; l'ampleur des dégâts causés par un risque climatique est proportionnelle au niveau de perception du risque comme étant élevé. En ce qui concerne les images propices à l'adoption de comportements réels, il en ressort que ; les images qui mettent en évidence des animaux et des humains en détresse sont plus efficaces que celles reliées aux plantes ; les images qui présentent le feu ou la chaleur comme risque climatique sont tout de suite perçues comme de grandes menaces dues à la propriété de destruction du feu, contrairement à l'eau qui est vue comme un élément utile dans la vie quotidienne. Au regard de ces résultats, nous pensons que l'efficacité des communications environnementales pourrait s'améliorer si celles-ci faisaient davantage usage d'images qui présentent des animaux ou des humains en détresse sous la menace d'un risque environnemental causé par le feu, mais surtout, mettre un accent sur l'éducation des plus jeunes dès le bas âge aux risques liés aux changements climatiques.
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 | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| 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 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".