了解公眾對氣候政策的支持是確定減少氣候變化的有效策略的必要條件。但是，很長一段時間以來，政策支持預測一直是一個挑戰，因為有許多因素影響人們的意見。由佛蒙特大學的Asim Zia教授領導的譜系研究人員，包括羅德島州的凱瑟琳·拉卡斯教授，田納西大學的妮娜·費弗曼教授和路易·格羅斯教授以及佛蒙特大學的布萊恩·貝卡奇教授。他們的研究發表在《可持續性雜誌》上，這些研究已由朋友檢查，提出了稱為結構方程的方法，這些方法可能是一種統計方法，它通過考慮概率和不確定性來檢查不同因素之間的關係。
與舊方法不同，具體取決於最重要的因素的假設。這種新方法使用人工智能的學習，該學習允許計算機在數據中搜索數據並改進程序，而無需明確的程序搜索大型數據集。 “通過使用不間斷的機器的學習技術，我們允許我們展示有關人類因素的聯繫的信息”。該研究使用了長期調查的數據，稱為“美國思想的氣候變化”，該數據已有十多年了，其中包括國家一級人民十字架的反應。這種新方法使預測比傳統的統計方法更準確。
最令人驚訝的發現之一是發現了美國大多數人的“溫暖支持者”群體。這與強大的讚助商或氣候政策的穩定反對者不同。這些人對氣候風險和對氣候政策運作的支持或抵抗的困惑感到困惑。研究表明，人們不會以一種方式考慮天氣的風險。研究，將風險風險分為兩種類型：分析（邏輯評估）和情緒（情緒反應）：“我們發現諸如關注之類的情緒在支持政策而不是實際氣候風險評估中具有更大的作用，”俄羅斯教授說。他還觀察到：“情感和分析都可以用來說服60％的混亂，其中大多數是中等的，使人們感到困惑以支持整體行動。”
俄羅斯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對政策支持有很大的影響。根據有關氣候變化的大量證據，那些信任我，科學共識，專家之間的一般協議的人傾向於支持氣候政策，而那些不抗拒的氣候政策。但是，機器的學習模型表明，政治身份是與政治信仰的人的關係或其他在問題上指定他們對問題的看法的關係，並不能完全指定人們的觀點。通過考慮各種因素，例如對風險，競爭和人口背景的感知，該模型對各個群體對氣候政策做出響應的方法有了更深刻的了解。
這一發現對製定者和努力增加公眾對天氣運營的支持的人們具有重要意義。了解不同政策支持者的類型有助於提高溝通策略。例如，吸引熱情支持者的信息連接情緒，而不是只關注科學事實可能會更有效。該研究還強調需要在氣候政策計劃中包括公眾輿論的趨勢，以確保政策反映了隨著時間的流逝而改變的態度。
通過學習這種研究機制，它提出了一種新的方式來了解是什麼推動了公眾對氣候政策的支持。這是一種遵循信息來應對氣候交流中最大挑戰之一的方法：減少政治機構並就氣候運營的必要性提高更廣泛的協議。
參考期刊
Zia，A.，Lacasse，K.，Fefferman，NH，Gross，LJ和Beckage，B。可持續性，2024，16，10292。 doi： https://doi.org/10.3390/su162310292
關於作者
Asim Zia研究活動，教學和公共關係，重點關注綜合社會和環境體系的可持續性和靈活性的發展，ASIM ZIA在佛蒙特大學（UVM）計算機科學系社區發展和應用經濟學系擔任公共政策和計算機科學教授。佛蒙特大學可持續發展政策，經濟學和監督計劃
凱瑟琳·拉卡斯（Katherine Lacasse）她是公路島學院的心理學教授，她的研究重點是對氣候變化，當地生態系統，環境基礎設施項目和健康行為中使用的風險和行為變化的看法。她的大部分最新作品都是跨學科團隊的一部分，重點是人類社會以氣候和流行病學的形式組合。
妮娜·費弗曼教授 研究的研究重點是自我組織的流行病，生態，進化和行為和行為，尤其是網絡所描述的系統的數學。儘管Fefferman實驗室的研究通常集中在人類和/或動物的疾病上，以及與疾病有關的生態，行為和疾病的方法可能會影響實驗室人口長期進化的短期生存和成功。
路易·J·格羅斯 Golden是田納西大學的生態學和生物學，進化與數學教授，Golden He是美國國家數學和生物學合成研究所的主任，該研究所是NSF支持的中心，該中心在數學和生物學之間促進研究和教育。他是美國生態協會科學協會和數學生物學協會的發展協會的朋友。
Brian Beckage教授對計算和復雜性有普遍的興趣。他只對氣候變化，森林物種的多樣性以及社會過程與自然系統的交集感興趣。他專注於使用定量方法檢查這些系統，包括統計模型，分析和計算。
