气候变化动机性推理的 LLM 支持内容分析
社会与信息网络
2026-05-27 v1
摘要
尽管对人为气候变化（ACC）存在科学共识，但围绕气候变化的公众话语仍然两极分化。本研究考察了 ACC 的“信徒”和“怀疑者”在 YouTube 评论话语中的差异。我们使用大型语言模型（LLM）作为定性标注器，分析了来自 30 个视频的 44,989 条评论，识别出十个不同的主题。这些标注与社会网络分析相结合，以考察参与模式。线性混合效应模型表明，与虚假信息相比，关于政府政策和自然循环的评论产生的交互显著较低，表明这些主题是社区内意识形态上已定论的问题。这些模式反映了动机性推理，即用户选择性地参与与其身份和信仰一致的内容。我们的发现突出了 LLM 在大规模定性分析中的效用，并强调了气候话语不仅受内容塑造，还受潜在认知和意识形态动机的塑造。
引用
@article{arxiv.2508.21305,
title = {LLM-Supported Content Analysis of Motivated Reasoning on Climate Change},
author = {Yuheun Kim and Qiaoyi Liu and Jeff Hemsley},
journal= {arXiv preprint arXiv:2508.21305},
year = {2026}
}
备注
11 pages, 3 figures. Accepted for ASIS&T 2025