一種機械學習模型表明，有60％的美國人對氣候和氣候政策支持的矛盾風險感到困惑
了解公眾對氣候政策的支持對於製定減少氣候變化影響的有效策略至關重要。但是，預測政策支持長期以來一直具有挑戰性，因為許多因素會影響公眾輿論。 An interdisciplinary team of researchers, led by Professor Asim Zia from the University of Vermont, including Professor Katherine Lacasse from Rhode Island College, Professor Nina Fefferman and Professor Louis Gross from the University of Tennessee, and Professor Brian Beckage from Vermont University have developed a new approach to teaching machinery to understand machinery to understand machinery to understand machinery to learn.複雜的。他們的研究發表在同伴修訂的雜誌的可行性上，提出了一種稱為概率結構方程模型的方法，一種統計方法，一種統計方法，研究了不同因素之間的關係，這些方法考慮了機會和不確定性的可靠可能性，這有助於分析不同的因素，人的關注點和人際背景，從而有助於POLES的POLES。
與最古老的方法依賴於哪些因素最重要的假設不同，這種新方法使用機械學習，這是一種人工智能，允許計算機在數據中找到模型並改進預測，而沒有明確編程的大型數據組中的模型。 Zia教授解釋說：“使用無人看管的機械技術，我們允許數據向我們展示不同因素之間的聯繫，從而消除了來自人類假設的偏見。”該研究使用了一項名為“美國思想中的氣候變化”的長期研究中的數據，該研究包括十多年，其中包括國家代表性部分的答案。這種新方法比傳統的統計方法具有更高的準確性預測。
該研究最令人驚訝的發現之一是發現了一個以前未知的“不冷不熱支持”群體，這些群體構成了美國大部分人口。與強大的支持者或氣候政策的強烈反對者不同，這些人對支持或反對氣候政策行動的氣候和矛盾的風險感到困惑。研究表明，人們不會以一種方式考慮氣候風險。相反，該研究將風險感知分為兩種類型：分析（邏輯評估）和情感反應（情緒反應）。齊亞教授指出：“我們發現，諸如關注之類的情緒在製定政策支持中起著更大的作用，而不是純粹的邏輯評估氣候風險。”他進一步指出，“情感和分析信息都可以用來說服60％的公眾困惑，大多數是溫和，矛盾的，以支持集體行動。”
Zia教授及其同事的研究還證實，關於氣候科學的政治觀點和信念強烈影響政策支持。信任科學共識的人，基於大量證據，關於氣候變化的專家之間的一般協議更有可能支持氣候政策，而那些傾向於反對它們的人則更有可能支持氣候政策。但是，學習機械的模型表明，政治身份，即具有某些政治信仰的人的聯繫或在問題上構成他們觀點的政黨的聯繫並不能完全定義人們的觀點。考慮到諸如風險感知，種族和人群來源之類的因素，該模型對不同群體如何應對氣候政策有更深入的了解。
這些發現對政策制定者以及致力於增加公眾對氣候行動支持的人具有重要意義。了解不同類別的政策支持者可以提供更有效的溝通策略。例如，吸引與情感相關的信息的不冷不熱的支持者，而不是僅僅專注於科學事實，這可能更有效。該研究還強調需要在氣候政策計劃中包括公眾輿論趨勢，以確保政策反映了隨著時間的推移態度的變化。
使用機械學習，這項研究提供了一種新的方法來了解是什麼推動了公眾對氣候政策的支持。它提供了一種基於數據的方法來解決氣候交流中最大的挑戰之一：減少政治分裂並鼓勵對氣候行動的需求達成更廣泛的協議。
日記
Zia，A.，Lacasse，K.，Fefferman，NH，Gross，LJ和Beckage，B。 “學習機器是一種概率結構方程的模型，以解釋氣候風險感知對政策支持的影響。”可持續性，2024，16，10292。 doi：
關於
Asim Zia研究，教學和接近活動的重點是推進綜合社會環境系統的可持續性和抵抗力。 Asim Zia在社區發展與應用經濟學系擔任公共政策和計算機科學教授，在佛蒙特大學（UVM）的計算機科學系中學會議。他是環境外交與安全研究所（IEDS）和博士學位的主任。佛蒙特大學可持續發展的政治，經濟學和治理計劃。
凱瑟琳·拉卡斯（Katherine Lacasse）他是羅德島學院的心理學教授。它的研究重點是風險感知和行為變化，適用於氣候變化，當地生態系統，環境基礎設施項目和健康行為。它的大部分最新工作都是作為跨學科團隊的一部分進行的，重點是將人類社會系統的反應納入氣候和流行病學模型。
妮娜·費弗曼教授 研究重點是流行病學，進化生態學以及自組織行為和行為的數學，尤其是網絡描述的系統。儘管Fefferman實驗室的研究經常關注人群和/或動物的疾病，以及疾病行為的疾病和生態如何影響人群的短期生存和長期進化成功，但實驗室中的人們處理的問題與社交行為的計算機網絡安全和生根組織一樣。
路易·J·格羅斯 他是諾克斯維爾大學田納西大學生態與進化生物學和數學榮譽教授。他是美國國家數學與生物合成研究所名譽主任，該研究所是NSF資助的中心，旨在促進數學與生物學之間的界面研究和教育。他是美國科學發展，美國生態學會和數學生物學學會的成員。
Brian Beckage教授它對計算和復雜性非常感興趣。它對氣候變化，物種多樣性，森林動態和社會過程與自然系統的交集具有特定的興趣。它強調使用定量方法研究這些系統，包括統計，分析和計算器模型。
