基于机器学习与动态分析解读公众对地球工程与气候议题的关注度
计算机与社会
2024-05-14 v1 计算与语言
摘要
随着围绕使用地球工程遏制气候变化讨论的加剧，迫切需要与公众互动并深入理解他们对地球工程研究、开发及潜在部署的看法。通过一次全面的数据驱动调查，本文探讨了引人注目的新闻类型。我们分析了BBC和纽约时报30,773篇英文新闻文章，结合2018至2022的Google Trends数据，探讨公众对地球工程兴趣如何对更广泛的气候议题新闻覆盖产生响应。采用BERT基主题建模、情感分析和时间序列回归模型，我们发现能源相关新闻的积极情感是公众对地球工程兴趣提高的良好预测器，这一趋势在时间上具有持久性。我们的发现表明，公众对地球工程和气候行动的参与度并不均匀，某些议题在塑造兴趣方面更具影响力，例如与能源、灾害和政治相关的气候新闻。了解这些模式对旨在为科学家、政策制定者和教育者提供有效策略以与公众互动并培育围绕新兴气候技术对话的科学家至关重要。
引用
@article{arxiv.2405.07010,
title = {Deciphering public attention to geoengineering and climate issues using machine learning and dynamic analysis},
author = {Ramit Debnath and Pengyu Zhang and Tianzhu Qin and R. Michael Alvarez and Shaun D. Fitzgerald},
journal= {arXiv preprint arXiv:2405.07010},
year = {2024}
}
备注
46 page, 6 main figures and SI