DOI: https://doi.org/10.1038/s41598-023-50591-6
PMID: https://pubmed.ncbi.nlm.nih.gov/38355774
تاريخ النشر: 2024-02-14
المؤلف: Dimitrios Gounaridis وآخرون
الموضوع الرئيسي: التواصل حول تغير المناخ والإدراك
نظرة عامة
تستخدم هذه الدراسة الذكاء الاصطناعي وتحليل الشبكات للتحقيق في إنكار تغير المناخ في الولايات المتحدة باستخدام بيانات من تويتر (الآن X). تشير النتائج إلى أن حوالي 14.8% من الأمريكيين لا يؤمنون بتغير المناخ، مع كون الإنكار بارزًا بشكل خاص في المناطق الوسطى والجنوبية من البلاد. ومن الجدير بالذكر أن الإنكار موجود أيضًا في تجمعات داخل ولايات مثل كاليفورنيا، حيث يكون الإيمان بتغير المناخ عمومًا مرتفعًا. تحدد الأبحاث الانتماء السياسي كأهم عامل يؤثر على الإنكار، يليه مستوى التعليم، ومعدلات التطعيم ضد COVID-19، وكثافة الكربون الإقليمية، والدخل.
تسلط التحليل الضوء على دور وسائل التواصل الاجتماعي في نشر المعلومات المضللة حول تغير المناخ، خاصة من خلال المؤثرين الرئيسيين مثل دونالد ترامب ووسائل الإعلام المحافظة. يستغل هؤلاء المؤثرون أحداثًا مثل الطقس البارد ومؤتمرات المناخ لتضخيم الشكوك تجاه علم المناخ. تؤكد الدراسة على أهمية فهم التباين الجغرافي لآراء تغير المناخ من أجل استراتيجيات التواصل والتوعية الفعالة. من خلال استخدام نموذج التعرف على النصوص بتقنية التعلم العميق لتحليل 7.4 مليون تغريدة مشفرة جغرافيًا من 2017 إلى 2019، تقدم الأبحاث ملفًا تفصيليًا عن منكري تغير المناخ على مستوى المقاطعة وتوضح الآليات التي من خلالها تستمر وسائل التواصل الاجتماعي في تعزيز الإنكار. يدعو المؤلفون شركات وسائل التواصل الاجتماعي إلى اتخاذ إجراءات ضد الحسابات التي تنشر معلومات مضللة والانخراط في مبادرات تعليمية لمكافحة إنكار المناخ.
الطرق
توضح قسم “الطرق” في ورقة البحث التصميم التجريبي والتقنيات التحليلية المستخدمة للتحقيق في فرضية البحث. استخدمت الدراسة نهجًا كميًا، مع دمج التحليلات الإحصائية لتقييم البيانات التي تم جمعها من تجارب مختلفة. شملت المنهجيات المحددة التجارب المنضبطة، حيث تم التلاعب بالمتغيرات بشكل منهجي لمراقبة آثارها على النتائج ذات الصلة.
شملت جمع البيانات تدابير نوعية وكمية، مما يضمن فهمًا شاملاً للظواهر قيد الدراسة. تم إجراء التحليل باستخدام برامج إحصائية قياسية، وتطبيق تقنيات مثل تحليل الانحدار وANOVA لتحديد أهمية النتائج. يبرز القسم صرامة الطرق لضمان إمكانية تكرار النتائج وموثوقيتها، وهو أمر حاسم للتحقق من استنتاجات البحث.
النتائج
تكشف الدراسة أن 14.8% من الأمريكيين ينكرون واقع تغير المناخ، وهو رقم يتماشى مع الأبحاث الوطنية السابقة. تشير تحليلات الموقع الجغرافي إلى أن إنكار تغير المناخ هو الأكثر انتشارًا في وسط الولايات المتحدة وجنوبها، حيث تظهر ولايات مثل أوكلاهوما، ميسيسيبي، ألاباما، ونورث داكوتا معدلات إنكار تتجاوز 20%. بالمقابل، يكون الإيمان بتغير المناخ أقوى على طول السواحل الغربية والشرقية، وكذلك في نيو إنجلاند. ومن الجدير بالذكر أن معدلات الإنكار يمكن أن تختلف بشكل كبير داخل الولايات، حيث تظهر مقاطعة شاستا، كاليفورنيا، معدلات إنكار تصل إلى 52%، على الرغم من أن المعدل العام للإنكار في الولاية أقل من 12%.
في تكساس، يبلغ متوسط معدل الإنكار 21%، لكنه يتراوح من 13% في مقاطعة ترافيس إلى 67% في مقاطعة هوكلي. للتحقق من هذه النتائج، قارنت الدراسة نتائجها مع استبيانات آراء المناخ من جامعة ييل، كاشفة عن فرق مطلق متوسط قدره ثلاث نقاط مئوية (S.D. = 2.7). أشارت بيانات تويتر إلى نسبة أعلى من المنكرين، خاصة في الولايات الجنوبية مثل ميسيسيبي، ألاباما، تينيسي، وتكساس. على الرغم من هذه التباينات، كان هناك ارتباط قوي بين النسب على مستوى الولاية والمقاطعة من المؤمنين والمنكرين في كلا المجموعتين (p < 0.001).
المناقشة
تستكشف قسم المناقشة في ورقة البحث خصائص وديناميات إنكار تغير المناخ في الولايات المتحدة، باستخدام بيانات من تويتر (الآن X) وعوامل ديموغرافية وسياسية مختلفة. تكشف التحليلات أن منكري تغير المناخ هم في الغالب من الجمهوريين، وأقل تعليمًا، ويعيشون في مناطق تعتمد بشكل كبير على الكربون ومعدلات تطعيم منخفضة ضد COVID-19، مما يشير إلى شك أوسع تجاه العلم. تم تحديد تجمعات جغرافية للإنكار، خاصة في المناطق الريفية من الغرب الداخلي، ووسط الولايات المتحدة، وأبلاشيا، بينما كان الإيمان بتغير المناخ أكثر انتشارًا على طول الساحل الهادئ وفي المناطق الحضرية. تشير هذه العلاقة المكانية إلى أن الجهود التعليمية المستهدفة قد تكون مفيدة في المناطق ذات الإنكار العالي.
بالإضافة إلى ذلك، تفحص الدراسة الطبيعة المستقطبة للخطاب حول تغير المناخ على تويتر، حيث تحدد مجتمعين متميزين: المؤمنين والمنكرين. مجتمع المؤمنين أكبر وأكثر تأثيرًا، بينما يتميز مجتمع المنكرين بعدد أقل من المستخدمين المؤثرين بشكل كبير، بما في ذلك الرئيس السابق دونالد ترامب ووسائل الإعلام المحافظة. تشير تحليلات نشاط التغريد على مر الزمن إلى أن كلا المجتمعين يتفاعلان بشكل انتقائي مع الأحداث المهمة، مما يعزز غالبًا رواياتهما الخاصة. تؤكد النتائج على التحديات التي تواجه مكافحة المعلومات المضللة في غرف الصدى، حيث يكون التواصل المتبادل بين وجهات النظر المتعارضة ضئيلًا. يقترح المؤلفون أن معالجة إنكار تغير المناخ تتطلب جهود تواصل استراتيجية، خاصة في ضوء المخاطر المتزايدة المرتبطة بتغير المناخ.
القيود
تقدم الدراسة عدة قيود تتعلق بنهج النمذجة الخاص بها. أولاً، قد تعيق القيود المفروضة من قبل X (سابقًا تويتر) على عدد المنشورات التي يمكن للمستخدم الوصول إليها يوميًا الأبحاث المعتمدة على بيانات وسائل التواصل الاجتماعي لتقييم المعتقدات والمشاعر عبر الإنترنت. قد تؤثر هذه القيود على إمكانية تكرار النتائج عبر دول ومواضيع وفترات زمنية مختلفة. ثانيًا، يظهر النموذج عدم يقين أعلى في المناطق ذات الكثافة السكانية المنخفضة، مثل المناطق الريفية، بسبب أحجام العينات الصغيرة، وهي مشكلة تتفاقم في البلدان ذات الاستخدام المحدود لوسائل التواصل الاجتماعي. للتخفيف من هذه المشكلة، قامت الدراسة بتطبيع بيانات الإدخال حسب عدد سكان المقاطعة واستخدمت نهجًا موزونًا بناءً على إجمالي عدد التغريدات لكل من العلاقات الثنائية ونماذج الانحدار.
بالإضافة إلى ذلك، صنف نظام التصنيف المستخدم في الدراسة التغريدات بشكل صارم على أنها إما داعمة أو معارضة لتغير المناخ، متجاهلاً 5-15% من السكان الذين قد يحملون آراء محايدة. اعتمد التصنيف الثنائي على كلمات رئيسية محددة تتعلق بتغير المناخ تشير إلى موقف محدد، مما يطرح تحديات في تصنيف التغريدات التي تعبر عن السخرية أو الغموض بدقة. لتعزيز دقة التصنيف، حسب المؤلفون مستويات الثقة لكل توقع، مع تصفية تلك التي لديها فترات ثقة منخفضة (CI < 0.75).
DOI: https://doi.org/10.1038/s41598-023-50591-6
PMID: https://pubmed.ncbi.nlm.nih.gov/38355774
Publication Date: 2024-02-14
Author(s): Dimitrios Gounaridis et al.
Primary Topic: Climate Change Communication and Perception
Overview
This study employs artificial intelligence and network analysis to investigate climate change denialism in the United States using data from Twitter (now X). The findings indicate that approximately 14.8% of Americans do not believe in climate change, with denialism being particularly pronounced in the central and southern regions of the country. Notably, denialism also exists in clusters within states like California, where belief in climate change is generally high. The research identifies political affiliation as the most significant factor influencing denialism, followed by education level, COVID-19 vaccination rates, regional carbon intensity, and income.
The analysis highlights the role of social media in disseminating misinformation about climate change, particularly through key influencers such as Donald Trump and conservative media outlets. These influencers exploit events like cold weather and climate conferences to amplify skepticism towards climate science. The study underscores the importance of understanding the geographic variability of climate change opinions for effective communication and outreach strategies. By utilizing a Deep Learning text recognition model to analyze 7.4 million geocoded tweets from 2017 to 2019, the research provides a detailed profile of climate change deniers at the county level and elucidates the mechanisms through which social media perpetuates denialism. The authors advocate for social media companies to take action against accounts spreading misinformation and to engage in educational initiatives to combat climate denialism.
Methods
The “Methods” section of the research paper outlines the experimental design and analytical techniques employed to investigate the research hypothesis. The study utilized a quantitative approach, incorporating statistical analyses to evaluate the data collected from various experiments. Specific methodologies included controlled trials, where variables were systematically manipulated to observe their effects on the outcomes of interest.
Data collection involved both qualitative and quantitative measures, ensuring a comprehensive understanding of the phenomena under study. The analysis was performed using standard statistical software, applying techniques such as regression analysis and ANOVA to determine the significance of the results. The section emphasizes the rigor of the methods to ensure reproducibility and reliability of the findings, which are critical for validating the research conclusions.
Results
The study reveals that 14.8% of Americans deny the reality of climate change, a figure consistent with prior national research. Geolocation analysis indicates that climate change denial is most prevalent in the Central U.S. and the South, with states like Oklahoma, Mississippi, Alabama, and North Dakota showing denial rates exceeding 20%. In contrast, belief in climate change is stronger along the West and East Coasts, as well as in New England. Notably, denial rates can vary significantly within states, with Shasta County, California, exhibiting denial rates as high as 52%, despite the state’s overall denial rate being below 12%.
In Texas, the average denial rate is 21%, but it ranges from 13% in Travis County to 67% in Hockley County. To validate these findings, the study compared its results with the Yale Climate Opinion Surveys, revealing a mean absolute difference of three percentage points (S.D. = 2.7). The Twitter data indicated a higher percentage of deniers, particularly in Southern states such as Mississippi, Alabama, Tennessee, and Texas. Despite these discrepancies, there was a strong correlation between the state and county-level percentages of believers and deniers in both datasets (p < 0.001).
Discussion
The discussion section of the research paper explores the characteristics and social dynamics of climate change denialism in the United States, utilizing data from Twitter (now X) and various demographic and political factors. The analysis reveals that climate change deniers are predominantly Republican, less educated, and reside in regions with high carbon dependency and low COVID-19 vaccination rates, indicating a broader skepticism of science. Geographic clusters of denialism were identified, particularly in rural areas of the interior West, Central U.S., and Appalachia, while belief in climate change was more prevalent along the Pacific Coast and in urbanized regions. This spatial correlation suggests that targeted educational efforts could be beneficial in areas with high denialism.
Additionally, the study examines the polarized nature of climate change discourse on Twitter, identifying two distinct communities: believers and deniers. The believer community is larger and more influential, while the denier community is characterized by a smaller number of highly influential users, including former President Donald Trump and conservative media outlets. The analysis of tweet activity over time indicates that both communities react selectively to significant events, often reinforcing their respective narratives. The findings underscore the challenges of combating misinformation in echo chambers, where cross-communication between opposing views is minimal. The authors suggest that addressing climate change denialism requires strategic communication efforts, particularly in light of the increasing risks associated with climate change.
Limitations
The study presents several limitations regarding its modeling approach. Firstly, the restrictions imposed by X (formerly Twitter) on the number of posts a user can access daily may hinder research reliant on social media data for evaluating online beliefs and sentiments. This limitation could affect the replicability of the findings across different countries, time periods, and topics. Secondly, the model exhibits higher uncertainty in regions with low population densities, such as rural areas, due to smaller sample sizes, a challenge that is exacerbated in countries with limited social media usage. To mitigate this issue, the study normalized input data by county population and utilized a weighted approach based on the total tweet count for both bivariate relationships and regression models.
Additionally, the classification scheme employed in the study categorized tweets strictly as either supportive or opposing climate change, neglecting the 5-15% of the population that may hold neutral views. The binary classification relied on specific climate change-related keywords that indicated a definitive stance, which poses challenges in accurately categorizing tweets that express sarcasm or ambivalence. To enhance classification accuracy, the authors calculated confidence levels for each prediction, filtering out those with low confidence intervals (CI < 0.75).