更新於 2024/12/24發佈於 2024/12/24閱讀時間約 10 分鐘

碳移除議題於社群媒體之討論趨勢分析

前言

Merry Christmas.

聖誕節到了，就再看篇論文吧。一樣是 Nature 上的新論文：Attention and positive sentiments towards carbon dioxide removal have grown on social media over the past decade

利用社群媒體的發言與討論進行輿情分析研究已經行之有年，這種類型的研究有其優勢但也有缺點。除了一些機器人帳號干擾、情緒價值誤判之外，個人認為較大的遺憾是單純觀察數據趨勢，其實很難釐清因果關係與脈絡。例如研究發現 BECCS 類型碳移除方法的評價較為負面，但到底是什麼原因造成的，並沒有辦法解釋，實屬可惜。

文章摘要

這篇研究利用2010年到2022年的推特資料，分析大眾對十種二氧化碳移除（CDR）方法的關注度和情感。研究發現，整體而言，大眾對碳移除的關注度呈指數級增長，且觀感也趨於正面，生物類型碳封存等傳統方法討論度最高且評價較佳；然而，生物能源碳捕獲與封存（BECCS）則評價較負面。此外，不同使用頻率的推特用戶關注的二氧化碳移除方法也不同，經常發文者較關注新型方法，而較少發文者則較關注傳統方法。本研究結果補充了既有的調查研究，更精細地呈現了大眾意識和觀感隨時間變化的樣貌。

研究方法

這篇研究主要利用 Twitter 數據來分析過去十年網路社群中對於碳移除（Carbon Dioxide Removal, CDR）的討論趨勢，並探討不同使用者群體對各種碳移除方法的看法。研究方法結合了資料檢索、使用者分類、情緒分析等多種技術。

資料檢索: 研究團隊使用 Twitter 學術搜尋 API，透過 54 個關鍵字查詢，蒐集了 2010 年至 2022 年間約 57 萬筆英文推文。這些關鍵字涵蓋了十種主要的碳移除方法，包括傳統方法（如土壤碳封存、生態系統恢復、植樹造林、藍碳）和新興技術（如直接空氣捕獲、加強風化、海洋施肥、海洋鹼化、生物炭、生物能源與碳捕獲和儲存）。研究也加入了與溫室氣體移除（GGR）相關的廣泛詞彙，以便捕捉隨著時間推移而變化的常用術語。為了確保資料品質，研究排除了非原創的轉推文以及每日發文超過 100 則的異常使用者。
使用者分類: 研究根據使用者在資料集中發布的 CDR 推文總數，將使用者分為三類：不常發文者：僅發布 1 或 2 則關於 CDR 的推文。中度發文者：發布 3 至 50 則關於 CDR 的推文。頻繁發文者：發布超過 50 則關於 CDR 的推文。研究團隊還人工標註了 300 位隨機抽樣的使用者，根據其個人資料，將其歸類為公司、商業人士、傳播媒體、非政府組織（NGO）、政策制定者、私人帳號或科學界。
情緒分析: 研究利用預訓練的轉換模型自動分析推文的情緒極性，判斷推文內容是正面、負面還是中性。研究團隊手動標註了 400 條推文，並比較了多個模型方法，以驗證情緒分類的準確性。
資料分析: 研究分析了不同碳移除方法的推文數量隨時間的變化，以及不同使用者群體對於不同方法的關注程度。研究也分析了不同方法在推文中的情緒分佈，以及這些情緒如何隨時間和不同使用者群體而變化。此外，研究還分析了不同碳移除方法之間的關注重疊，例如哪些使用者同時關注多種方法。研究還探討了不同用戶群組發布的推文所獲得的互動量（喜歡、轉發、回覆），以了解他們在網路上影響力。

總結來說，這篇研究通過大數據分析和多種分析方法，深入了解了網路社群對碳移除的討論趨勢，並揭示了不同使用者群體對各類方法的偏好與看法。研究結果有助於決策者更好地理解公眾對碳移除的態度，並制定更有效的氣候政策。

研究成果

這項研究的主要成果可以分為幾個方面，主要關注推文數量、使用者群體、情緒分析以及不同碳移除方法的關注度：

推文數量和關注度：整體而言，關於碳移除（CDR）的推文數量呈現指數增長，尤其是在近年來。從2016年起，每年的推文量顯著增加，到2021年，增長率甚至達到76%。這種增長主要受到一般性溫室氣體移除（GGR）相關詞彙的推動，以及傳統碳移除方法。相較之下，新興碳移除方法的推文量較少。傳統碳移除方法（例如：植樹造林、生態系統恢復）的推文佔比最高，約佔總推文量的55%（若排除一般性GGR類別，則佔77%）。新興碳移除技術的推文比例相對較低，僅佔17%（排除GGR類別則佔23%）。其中，直接空氣捕獲（DAC）是新興方法中最受關注的。在各個碳移除方法中，植樹造林/重新造林在2019年受到了特別多的關注，其次是生態系統恢復。海洋施肥在2012年曾短暫受到關注，但之後大幅下降。
使用者群體：研究將使用者分為不常發文者、中度發文者和頻繁發文者。不常發文者更關注傳統碳移除方法，如植樹造林和生態系統恢復。頻繁發文者則更關注新興碳移除方法，如生物能源與碳捕獲和儲存（BECCS）、加強風化和直接空氣捕獲。頻繁發文者的推文互動量（喜歡、轉發、回覆）明顯高於不常發文者，顯示他們在網路上的影響力較大。雖然不常發文者佔推文總數的31%，但他們獲得的互動量卻只有18%到23%。對使用者類別的分析顯示，隨著推文頻率的增加，非政府組織（NGO）、科學界和傳播媒體的比例也隨之增長，表明這些群體更傾向於積極參與相關討論。多數用戶可以歸類到特定類別，例如：私人帳戶（17%），其次是傳播媒體（13%）、非政府組織（13%）、商業人士（12%）、公司（11%）和科學界（11%）。
情緒分析：大多數碳移除方法的推文中，正面情緒多於負面情緒，但海洋施肥是例外，負面情緒佔主導。傳統碳移除方法（如植樹造林和生態系統恢復）通常被認為更正面，而生物炭、藍碳和加強風化則整體上被視為最正面的。對於新興碳移除方法，如生物能源與碳捕捉和封存（BECCS）和直接空氣捕捉，負面情緒的比例較高，但正面情緒仍然佔多數。頻繁發文者傾向於表達較中性的情緒，而不常發文者則更傾向於表達正面情緒，特別是關於生物固碳方法（如植樹造林和生態系統恢復）。隨著時間推移，大多數碳移除方法的正面推文比例都在增加，但生物能源與碳捕捉和封存（BECCS）是個例外。整體而言，淨情緒（正面推文比例減去負面推文比例）正在緩慢增長，但關於生物能源與碳捕捉和封存（BECCS）的推文除外。
使用者關注的重疊：推文內容顯示，使用者經常對多種碳移除方法感興趣。一般性溫室氣體移除（GGR）與其他所有主題的重疊度最高。土壤碳封存、植樹造林/重新造林和藍碳之間的關注重疊度較高。海洋施肥、海洋鹼化和加強風化之間也存在很高的關注重疊。生物能源與碳捕捉和封存（BECCS）和直接空氣捕捉，以及加強風化和生物炭之間也存在明顯的重疊。

成果討論

這項研究的成果提供了許多關於社群媒體上碳移除（CDR）討論的重要發現，這些發現不僅具有學術價值，也對政策制定和公眾溝通有實質貢獻。

重要價值與貢獻：
- 提供即時和動態的公眾觀點：相較於傳統的調查方法，社群媒體數據分析能夠提供更即時、更動態的公眾觀點，可以快速追蹤公眾對新興技術的反應，並及早發現潛在的爭議點。這有助於政策制定者和研究人員及時了解公眾的態度，並做出相應的調整。
- 顯示不同使用者群體的偏好：研究區分了不同類型的使用者，並分析了他們對不同碳移除方法的關注程度和情緒傾向，這有助於更精確地了解不同群體對各種方法的偏好和疑慮。這種區分可以幫助決策者制定更具針對性的溝通策略和政策措施。
- 彌補傳統研究的不足：研究指出，傳統的公眾認知研究通常存在地域和時間上的局限性，而社群媒體數據分析可以彌補這些不足，提供更全球性和長期的視角。這有助於更全面地了解全球公眾對碳移除的態度。
- 支持跨領域研究：研究顯示，社群媒體數據分析可以與其他社會科學方法（如調查、訪談）相互補充，共同提高對公眾認知研究的理解。
改進之處：
- 語言和平台限制：研究僅限於分析英文推文，且僅使用 Twitter 數據，這可能導致研究結果存在偏差，無法完全反映全球公眾的觀點。未來研究可以考慮納入其他語言和社群媒體平台的數據。
- 使用者真實性：研究指出，社群媒體上可能存在機器人帳戶，這可能會對研究結果產生干擾。儘管研究已嘗試排除異常帳戶，但仍需進一步研究如何更有效地識別和排除機器人帳戶的影響。
- 無法確定使用者專業知識：雖然研究對使用者進行了分類，但仍難以確定每個使用者的專業知識和背景。這可能導致研究結果的解釋存在局限性。
- 平台政策變化：研究強調，Twitter 平台的政策變化可能會對研究結果產生影響，並使不同時間段的數據難以比較。這提醒研究人員需要關注社群媒體平台的動態變化，並在分析中考慮這些因素。
- 情緒分析的挑戰：研究指出，即使是人類對推文的情緒判斷也存在分歧，這突顯了自動情緒分析的挑戰。未來研究需要進一步提高情緒分析的準確性，並探索更精細的情緒分類方法。