Show simple item record

Vliv užití vědecké argumentace na klimatický aktivismu na Twitteru
dc.contributor.advisorUrban, Jan
dc.creatorBicanová, Jana
dc.date.accessioned2020-10-13T10:02:04Z
dc.date.available2020-10-13T10:02:04Z
dc.date.issued2020
dc.identifier.urihttp://hdl.handle.net/20.500.11956/121612
dc.description.abstractCílem této práce je na datech z Twitteru otestovat hlavní princip Gateway Belief Model (GBM) tak, jak navrhli a experimentálně ověřili již jiní autoři. van der Linden a kol. (2015 a 2019). GBM předpokládá, že vnímání vědeckého konsensu o antropogenní změně klimatu zvyšuje pravděpodobnost veřejného zájmu a akce proti nebo ve prospěch zmírněného tématu změny klimatu. V této práci analyzuji náhodný vzorek 115 940 434 tweetů stažených v průběhu prvních šesti měsíců roku 2020. Tato data jsou předběžně zpracována typem strojového učení bez učitele (Latent Dirichlet Allocation) a následně strojovým učením s učitelem (Naïve Bayes Classifier) tak, aby byla vygenerována klíčová slova pro získání pouze klimaticky tematizovaných tweetů ze všech vytěžených dat. A dále aby bylo možné klasifikovat buď přítomnost, nebo nepřítomnost klimatického aktivismu. V rámci datového souboru bylo zjištěno 5 857 ekologicky tematických tweetů, z nichž pouze 94 bylo explicitně spojeno s myšlenkou vědeckého konsensu o antropogenní změně klimatu. Získaný datový soubor se tedy ukázal jako nevhodný pro testování GBM, a to nejen kvůli malému počtu tweetů obsahujících zprávu o tom, že 97 % klimatologů dosáhlo konsensu, ale také proto, že většina tweetů obsahujících tuto zprávu konsenzus zpochybňuje. A proto nepředstavují nezávisle...cs_CZ
dc.description.abstractThe aim of this thesis is to test the main principle of the Gateway Belief Model (GBM) on Twitter data, as suggested and experimentally validated by other authors. van der Linden et al. (2015 and 2019). The GBM predicts that the perception of scientific consensus on anthropogenic climate change increases the probability of support for public action against or in favor of the mitigation of the climate change. In this work I analyse a random sample of 115,940,434 tweets gathered over the course of the first six months of 2020. The big data is pre-processed using unsupervised (Latent Dirichlet Allocation) and supervised (Naïve Bayes Classifier) machine learning algorithms in order to generate keywords for filtering environmentally themed tweets and to classify either absence or presence of the climate activism. Within the dataset, 5,857 environmentally themed tweets were detected, finding that only 94 out of them were explicitly linked to the message of scientific consensus about anthropogenic climate change. The harvested dataset proved to be unsuitable for testing the GBM, not only because of the small number of tweets which contain the message about 97 % of climatologists reaching the consensus, but also because the majority of these tweets deny the consensus and therefore, do not represent a...en_US
dc.languageEnglishcs_CZ
dc.language.isoen_US
dc.publisherUniverzita Karlova, Fakulta sociálních vědcs_CZ
dc.subjectKlimatický aktivismuscs_CZ
dc.subjectsociální hnutícs_CZ
dc.subjectglobální oteplovánícs_CZ
dc.subjectklimatická změnacs_CZ
dc.subjectTwittercs_CZ
dc.subjectClimate activismen_US
dc.subjectsocial movementsen_US
dc.subjectglobal warmingen_US
dc.subjectclimate changeen_US
dc.subjectTwitteren_US
dc.titleThe Effect of Scientific Argumentation on Climate Activism on Twitteren_US
dc.typediplomová prácecs_CZ
dcterms.created2020
dcterms.dateAccepted2020-09-22
dc.description.departmentDepartment of Sociologyen_US
dc.description.departmentKatedra sociologiecs_CZ
dc.description.facultyFakulta sociálních vědcs_CZ
dc.description.facultyFaculty of Social Sciencesen_US
dc.identifier.repId214149
dc.title.translatedVliv užití vědecké argumentace na klimatický aktivismu na Twitterucs_CZ
dc.contributor.refereeSoukup, Petr
thesis.degree.nameMgr.
thesis.degree.levelnavazující magisterskécs_CZ
thesis.degree.disciplineSociologiecs_CZ
thesis.degree.disciplineSociologyen_US
thesis.degree.programSociologyen_US
thesis.degree.programSociologiecs_CZ
uk.faculty-name.csFakulta sociálních vědcs_CZ
uk.faculty-name.enFaculty of Social Sciencesen_US
uk.faculty-abbr.csFSVcs_CZ
uk.degree-discipline.csSociologiecs_CZ
uk.degree-discipline.enSociologyen_US
uk.degree-program.csSociologiecs_CZ
uk.degree-program.enSociologyen_US
thesis.grade.csVýborněcs_CZ
thesis.grade.enExcellenten_US
uk.abstract.csCílem této práce je na datech z Twitteru otestovat hlavní princip Gateway Belief Model (GBM) tak, jak navrhli a experimentálně ověřili již jiní autoři. van der Linden a kol. (2015 a 2019). GBM předpokládá, že vnímání vědeckého konsensu o antropogenní změně klimatu zvyšuje pravděpodobnost veřejného zájmu a akce proti nebo ve prospěch zmírněného tématu změny klimatu. V této práci analyzuji náhodný vzorek 115 940 434 tweetů stažených v průběhu prvních šesti měsíců roku 2020. Tato data jsou předběžně zpracována typem strojového učení bez učitele (Latent Dirichlet Allocation) a následně strojovým učením s učitelem (Naïve Bayes Classifier) tak, aby byla vygenerována klíčová slova pro získání pouze klimaticky tematizovaných tweetů ze všech vytěžených dat. A dále aby bylo možné klasifikovat buď přítomnost, nebo nepřítomnost klimatického aktivismu. V rámci datového souboru bylo zjištěno 5 857 ekologicky tematických tweetů, z nichž pouze 94 bylo explicitně spojeno s myšlenkou vědeckého konsensu o antropogenní změně klimatu. Získaný datový soubor se tedy ukázal jako nevhodný pro testování GBM, a to nejen kvůli malému počtu tweetů obsahujících zprávu o tom, že 97 % klimatologů dosáhlo konsensu, ale také proto, že většina tweetů obsahujících tuto zprávu konsenzus zpochybňuje. A proto nepředstavují nezávisle...cs_CZ
uk.abstract.enThe aim of this thesis is to test the main principle of the Gateway Belief Model (GBM) on Twitter data, as suggested and experimentally validated by other authors. van der Linden et al. (2015 and 2019). The GBM predicts that the perception of scientific consensus on anthropogenic climate change increases the probability of support for public action against or in favor of the mitigation of the climate change. In this work I analyse a random sample of 115,940,434 tweets gathered over the course of the first six months of 2020. The big data is pre-processed using unsupervised (Latent Dirichlet Allocation) and supervised (Naïve Bayes Classifier) machine learning algorithms in order to generate keywords for filtering environmentally themed tweets and to classify either absence or presence of the climate activism. Within the dataset, 5,857 environmentally themed tweets were detected, finding that only 94 out of them were explicitly linked to the message of scientific consensus about anthropogenic climate change. The harvested dataset proved to be unsuitable for testing the GBM, not only because of the small number of tweets which contain the message about 97 % of climatologists reaching the consensus, but also because the majority of these tweets deny the consensus and therefore, do not represent a...en_US
uk.file-availabilityV
uk.grantorUniverzita Karlova, Fakulta sociálních věd, Katedra sociologiecs_CZ
thesis.grade.codeB
uk.publication-placePrahacs_CZ


Files in this item

Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record


© 2017 Univerzita Karlova, Ústřední knihovna, Ovocný trh 560/5, 116 36 Praha 1; email: admin-repozitar [at] cuni.cz

Za dodržení všech ustanovení autorského zákona jsou zodpovědné jednotlivé složky Univerzity Karlovy. / Each constituent part of Charles University is responsible for adherence to all provisions of the copyright law.

Upozornění / Notice: Získané informace nemohou být použity k výdělečným účelům nebo vydávány za studijní, vědeckou nebo jinou tvůrčí činnost jiné osoby než autora. / Any retrieved information shall not be used for any commercial purposes or claimed as results of studying, scientific or any other creative activities of any person other than the author.

DSpace software copyright © 2002-2015  DuraSpace
Theme by 
@mire NV