详细内容或原文请订阅后点击阅览
机器学习模型发现，约60％的美国人对气候风险和支持气候政策感到困惑
了解公众对气候政策的支持对于塑造减少气候变化影响的有效策略至关重要。但是，预测政策支持长期以来一直具有挑战性，因为许多因素会影响公众舆论。由佛蒙特大学的Asim Zia教授领导的研究人员的跨学科团队，包括罗德岛学院的Katherine Lacasse教授，教授[…]
来源:科学特色系列了解公众对气候政策的支持对于塑造减少气候变化影响的有效策略至关重要。但是，预测政策支持长期以来一直具有挑战性，因为许多因素会影响公众舆论。由佛蒙特大学的阿西姆·齐亚（Asim Zia）教授领导的研究人员团队，包括罗德岛大学的凯瑟琳·拉卡斯（Katherine Lacasse）教授，田纳西大学的妮娜·费弗曼教授和路易斯·格罗斯教授，佛蒙特大学的布莱恩·贝克斯教授的布莱恩·贝克奇（Brian Beckage）和佛蒙特大学的布莱恩·贝克奇（Brian Beckage）都开发了一种新的机器学习方法，以更好地了解这些复杂的复杂性。他们的研究发表在同行评审期刊的可持续性中，介绍了一种称为概率的结构方程模型的方法，一种统计方法，通过考虑相互不到的概率和不确定性来探讨不同因素之间的关系，这有助于分析不同的因素，例如人们对人们对气候变化的关注，他们的信念，政治，竞争，竞争，对他们的信念，竞争，对他们的信念，对他们的支持，对他们的支持，以下方面的支持，以弥补他们的支持。
与依赖于哪些因素最重要的假设的较旧方法不同，这种新方法使用机器学习，一种人工智能，它允许计算机在数据中找到模式并改善预测而不明确编程，从而在大量数据中找到模式。 Zia教授解释说：“通过使用无监督的机器学习技术，我们让数据本身向我们展示了不同因素之间的联系，消除了来自人类猜测的偏见。”该研究使用了一项名为“美国思想中的气候变化”的长期调查的数据，该调查跨越了十多年，其中包括来自全国代表性的人的反应。这种新方法比传统的统计方法具有更高的准确性预测。