Polarisation de l'opinion publique canadienne sur la question climatique : portrait de la dernière décennie
Bibliographic record
Abstract
La littérature en science politique sur les changements climatiques identifie les clivages au sein de l’opinion publique comme contribuant à l’inaction des politiques sur la question climatique. Comprendre l’ampleur de cette polarisation et les axes sur lesquels elle se décline est une première étape essentielle pour adresser cette polarisation. Ce mémoire cherche à décrire comment se décline l’évolution de la polarisation de l’opinion publique au Canada autour des changements climatiques et comment elle a évolué pendant la dernière décennie. La revue de littérature identifie trois principaux axes de polarisation autour de la question climatique au Canada : le soutien pour un parti politique, l’idéologie politique et la région. Les données utilisées sont tirées d’une série de sondages menés tous les ans entre 2011 et 2021 à travers le Canada par le professeur Erick Lachapelle. Trois mesures de l’opinion sur la question climatique sont utilisées pour observer la polarisation : la croyance aux changements climatiques et en ses causes anthropogéniques, la perception d’une menace et le soutien pour une taxe carbone. L’analyse des résultats combine des analyses descriptives et des régressions linéaires multivariées. Ces analyses montrent une polarisation principalement partisane et idéologique, mais également régionale, qui oppose les provinces pétrolières au reste du Canada. L’opinion publique s’est de plus en plus polarisée pendant la dernière décennie, mais principalement autour du débat sur la taxe carbone. De plus, la polarisation partisane était particulièrement marquée lorsque les changements climatiques étaient saillants dans les débats politiques lors des élections fédérales de 2015 et 2019.
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 | 0.008 | 0.016 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.006 | 0.011 |
| Science and technology studies | 0.011 | 0.016 |
| Scholarly communication | 0.017 | 0.008 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.003 | 0.007 |
| Insufficient payload (model declined to judge) | 0.018 | 0.002 |
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".