Понимание общественной поддержки климатической политики имеет решающее значение для разработки эффективных стратегий по снижению последствий изменения климата. Однако прогнозирование поддержки политики долгое время было сложной задачей из-за множества факторов, влияющих на общественное мнение.
Междисциплинарная команда исследователей под руководством профессора Асима Зии из Университета Вермонта, в которую также входят профессор Кэтрин Лакассе из Колледжа Род-Айленд, профессор Нина Фефферман и профессор Луи Гросс из Университета Теннесси и профессор Брайан Бекадж из Университета Вермонта, разработала новый подход на основе машинного обучения для лучшего понимания этих сложностей. Их исследование, опубликованное в рецензируемом журнале Sustainability, представляет метод, называемый вероятностной моделью структурных уравнений. Это статистический метод, который изучает взаимосвязи между различными факторами, учитывая изменяющиеся вероятности и неопределённости. Он помогает анализировать, как различные факторы, такие как обеспокоенность людей изменением климата, их убеждения, политические взгляды, раса и демографический фон, влияют на их поддержку климатической политики.
В отличие от старых методов, которые опираются на предположения о том, какие факторы наиболее важны, новый подход использует машинное обучение — тип искусственного интеллекта, который позволяет компьютерам находить закономерности в данных и улучшать прогнозы без явного программирования. «Используя методы неконтролируемого машинного обучения, мы позволяем самим данным показать нам связи между различными факторами, устраняя предвзятость, возникающую из-за человеческих догадок», — пояснил профессор Зия. В исследовании используются данные долгосрочного опроса «Изменение климата в сознании американцев», который проводится уже более десяти лет и включает ответы репрезентативной выборки населения страны. Этот новый метод делает прогнозы с гораздо большей точностью, чем традиционные статистические подходы.
Одним из самых удивительных открытий исследования стало выявление ранее нераспознанной группы «тёплых сторонников», которые составляют большинство населения Соединённых Штатов. В отличие от активных сторонников или ярых противников климатической политики, эти люди запутались в оценке климатических рисков и колеблются в поддержке или противодействии действиям в области климатической политики. Исследование показывает, что люди не думают об климатических рисках одинаково. Вместо этого исследование разделяет восприятие риска на два типа: аналитический (логическая оценка) и аффективный (эмоциональный отклик). «Мы обнаружили, что эмоции, такие как беспокойство, играют более важную роль в формировании поддержки политики, чем чисто логическая оценка климатических рисков», — отметил профессор Зия. Он также отметил, что «как эмоциональные, так и аналитические сообщения могут быть использованы для убеждения 60% растерянной, в основном умеренной и колеблющейся общественности поддержать коллективные действия».
Исследование профессора Зии и его коллег также подтверждает, что политические взгляды и представления о климатической науке сильно влияют на поддержку политики. Люди, которые доверяют научному консенсусу, основанному на большом объёме доказательств, по изменению климата, с большей вероятностью будут поддерживать климатическую политику, а те, кто этого не делает, склонны противодействовать ей. Однако модель машинного обучения показывает, что политическая идентичность, принадлежность человека к определённым политическим убеждениям или партиям, которые формируют его взгляды на проблемы, сама по себе не полностью определяет взгляды людей. Учитывая также такие факторы, как восприятие риска, раса и демографический фон, модель обеспечивает более глубокое понимание того, как разные группы реагируют на климатическую политику.
Эти выводы имеют важное значение для политиков и тех, кто работает над повышением общественной поддержки действий по борьбе с изменением климата. Понимание различных категорий сторонников политики позволяет разработать более эффективные стратегии коммуникации. Например, обращение к «тёплым сторонникам» с эмоционально окрашенными сообщениями, а не только с научными фактами, может быть более эффективным. Исследование также подчёркивает необходимость учёта тенденций общественного мнения при планировании климатической политики, чтобы гарантировать, что политика отражает меняющиеся со временем настроения.
Используя машинное обучение, это исследование предлагает новый способ понять, что движет общественной поддержкой климатической политики. Оно предлагает основанный на данных подход к решению одной из самых больших проблем в области климатической коммуникации: сокращению политических разногласий и поощрению более широкого согласия относительно необходимости действий по борьбе с изменением климата.
**Ссылка на журнал**
Zia, A., Lacasse, K., Fefferman, N.H., Gross, L.J., & Beckage, B. «Machine Learning a Probabilistic Structural Equation Model to Explain the Impact of Climate Risk Perceptions on Policy Support». Sustainability, 2024, 16, 10292. DOI: https://doi.org/10.3390/su162310292
**Об авторах**
Асим Зия занимается исследованиями, преподаванием и просветительской деятельностью, направленной на повышение устойчивости и жизнеспособности интегрированных социоэкологических систем. Асим Зия работает профессором государственной политики и информатики в Департаменте развития сообществ и прикладной экономики, а также по совместительству в Департаменте информатики Университета Вермонта (UVM). Он директор Института экологической дипломатии и безопасности (IEDS) и докторской программы в области политики устойчивого развития, экономики и управления в Университете Вермонта.
Кэтрин Лакассе — профессор психологии в Колледже Род-Айленд. Её исследования сосредоточены на восприятии рисков и изменении поведения, применяемых к изменению климата, местным экосистемам, проектам экологической инфраструктуры и поведению в отношении здоровья. Большая часть её недавних работ проводится в рамках междисциплинарных команд, направленных на включение обратной связи социальных систем человека в климатические и эпидемиологические модели.
Исследования профессора Нины Фефферман сосредоточены на математике эпидемиологии, эволюционной и поведенческой экологии, а также на самоорганизующемся поведении, особенно систем, описываемых сетями. Хотя исследования в лаборатории Фефферман часто сосредоточены на заболеваниях в человеческих и/или животных популяциях и на том, как болезни и поведенческая экология, связанная с болезнями, могут влиять на краткосрочное выживание и долгосрочный эволюционный успех популяции, сотрудники лаборатории работали над такими разнообразными проблемами, как безопасность компьютерных сетей и социальное поведение в общественных организациях, делающее движение восприимчивым к радикализации.
Луи Дж. Гросс — заслуженный профессор экологии и эволюционной биологии и математики в Университете Теннесси в Ноксвилле. Он почётный директор Национального института математических и биологических синтезов, финансируемого NSF центра, способствующего исследованиям и образованию на стыке математики и биологии. Он член Американской ассоциации содействия развитию науки, Экологического общества Америки и Общества математической биологии.
Профессор Брайан Бекадж широко интересуется вычислениями и сложностью. У него есть конкретные интересы в области изменения климата, видового разнообразия, динамики лесов и пересечения социальных процессов с естественными системами. Он подчёркивает использование количественных подходов для исследования этих систем, включая статистические, аналитические и вычислительные модели.
Добавить комментарий