Compreender o apoio público à política climática é fundamental para o desenvolvimento de estratégias eficazes para reduzir os impactos das alterações climáticas. No entanto, prever o apoio político tem sido um desafio há muito tempo porque muitos factores influenciam a opinião pública. Uma equipe de pesquisa interdisciplinar liderada pelo professor Asim Zia da Universidade de Vermont e incluindo os professores Katherine Lacasse do Rhode Island College, Nina Fefferman e Louis Gross da Universidade do Tennessee, e Brian Beckage da Universidade de Vermont, desenvolveu um novo método de aprendizado de máquina para compreender melhor essas complexidades. O seu estudo, publicado na revista Sustainability, revista por pares, introduz uma abordagem chamada modelação de equações estruturais probabilísticas, um método estatístico que examina as relações entre diferentes factores, tendo em conta probabilidades e incertezas covariantes, ajudando a analisar como diferentes factores, como as preocupações das pessoas sobre as alterações climáticas, crenças, opiniões políticas, raça e antecedentes demográficos influenciam o seu apoio à política climática.
Ao contrário dos métodos mais antigos que se baseavam em suposições sobre quais os factores que eram mais importantes, esta nova abordagem utiliza a aprendizagem automática, um tipo de inteligência artificial que permite aos computadores encontrar padrões em dados e melhorar as previsões sem serem explicitamente programados para encontrar padrões em grandes quantidades de dados. “Ao usar técnicas de aprendizado de máquina não supervisionadas, permitimos que os próprios dados nos mostrem as conexões entre diferentes fatores, eliminando o preconceito que vem das suposições humanas”, explica o professor Zia. O estudo utilizou dados de uma pesquisa de longo prazo chamada “Mudanças Climáticas nas Mentes dos Americanos”, que durou mais de uma década e incluiu respostas de uma população representativa nacionalmente. A precisão da previsão deste novo método é muito maior do que a dos métodos estatísticos tradicionais.
Uma das descobertas mais surpreendentes do estudo foi a identificação de um grupo anteriormente não reconhecido de “apoiadores apáticos” que constituem uma grande parte da população dos EUA. Ao contrário dos fortes apoiantes ou fortes opositores da política climática, estes indivíduos estão confusos sobre os riscos climáticos e ambivalentes quanto ao apoio ou oposição à acção política climática. A investigação mostra que as pessoas não pensam nos riscos climáticos de uma só forma. Em vez disso, o estudo dividiu as percepções de risco em dois tipos: analítica (avaliação lógica) e afetiva (resposta emocional). O Professor Zia observou: “Descobrimos que emoções como a preocupação desempenham um papel mais importante na definição do apoio político do que avaliações puramente lógicas dos riscos climáticos”. Ele observou ainda que “tanto as mensagens emocionais como as analíticas podem ser usadas para persuadir 60% de um público confuso, na sua maioria moderado e ambivalente a apoiar a acção colectiva”.
A investigação do Professor Zia e colegas também confirma que as opiniões e crenças políticas sobre a ciência climática influenciam fortemente o apoio político. As pessoas que acreditam no consenso científico sobre as alterações climáticas (ou seja, o consenso geral entre os especialistas com base num conjunto de evidências) são mais propensas a apoiar a política climática, enquanto as pessoas que não acreditam nela tendem a opor-se à política climática. No entanto, os modelos de aprendizagem automática mostram que a identidade política (a associação de uma pessoa com certas crenças políticas ou partidos que influenciam as suas opiniões sobre questões) por si só não determina totalmente as opiniões das pessoas. Ao ter em conta factores como a percepção do risco, a raça e a origem demográfica, o modelo pode proporcionar uma compreensão mais profunda de como os diferentes grupos respondem à política climática.
As conclusões têm implicações importantes para os decisores políticos e para aqueles que trabalham para aumentar o apoio público à ação climática. A compreensão das diferentes categorias de constituintes políticos permite o desenvolvimento de estratégias de comunicação mais eficazes. Por exemplo, pode ser mais eficaz apelar aos apoiantes apáticos com informações emocionalmente relevantes, em vez de se concentrar apenas em factos científicos. A investigação também destaca a necessidade de incorporar as tendências da opinião pública no planeamento da política climática para garantir que as políticas reflectem a mudança de atitudes ao longo do tempo.
Ao utilizar a aprendizagem automática, este estudo fornece uma nova forma de compreender o que impulsiona o apoio público à política climática. Oferece uma abordagem baseada em dados para um dos maiores desafios nas comunicações climáticas: reduzir as divisões políticas e encorajar um consenso mais amplo sobre a necessidade de acção climática.
Referência do diário
Zia, A., Lacasse, K., Fefferman, NH, Gross, LJ, e Beckage, B. “Modelagem de equações estruturais probabilísticas de aprendizado de máquina para explicar o impacto das percepções de risco climático no apoio político.” Sustentabilidade, 2024, 16, 10292. DOI: https://doi.org/10.3390/su162310292
Sobre o autor
Asimziaa pesquisa, o ensino e a extensão do grupo concentram-se na promoção da sustentabilidade e da resiliência em sistemas socioambientais integrados. Asim Zia é atualmente professor de políticas públicas e ciência da computação no Departamento de Desenvolvimento Comunitário e Economia Aplicada da Universidade de Vermont (UVM) e professor adjunto do Departamento de Ciência da Computação. É Diretor do Instituto de Diplomacia e Segurança Ambiental (IEDS) e doutor pelo Instituto de Diplomacia e Segurança Ambiental. Programa em Política de Sustentabilidade, Economia e Governança na Universidade de Vermont.
Catarina Lacasseé professor de psicologia no Rhode Island College. A sua investigação centra-se nas percepções de risco e nas mudanças comportamentais aplicadas às alterações climáticas, ecossistemas locais, projectos de infra-estruturas ambientais e comportamentos de saúde. Grande parte do seu trabalho recente foi conduzido como parte de equipes interdisciplinares focadas na incorporação de feedbacks de sistemas sociais humanos em modelos climáticos e epidemiológicos.
Professora Nina Fefferman Sua pesquisa concentra-se em epidemiologia, evolução e ecologia comportamental, bem como na matemática do comportamento auto-organizado, especialmente de sistemas descritos por redes. Embora a pesquisa no laboratório de Fefferman muitas vezes se concentre em doenças em populações humanas e/ou animais e em como as doenças e a ecologia comportamental associada às doenças afetam a sobrevivência a curto prazo e o sucesso evolutivo a longo prazo da população, as pessoas no laboratório têm trabalhado em questões que vão desde a segurança da rede informática ao comportamento social em organizações de base que tornam o movimento vulnerável à radicalização.
Louis J. Grosso é Professor Emérito de Ecologia, Biologia Evolutiva e Matemática do Chanceler na Universidade do Tennessee, Knoxville. Ele é diretor emérito do Instituto Nacional de Matemática e Biologia Integradas, um centro financiado pela National Science Foundation que promove a pesquisa e a educação entre matemática e biologia. Ele é membro da Associação Americana para o Avanço da Ciência, da Sociedade Ecológica da América e da Sociedade de Biologia Matemática.
Professor Brian BeckageAmplamente interessado em computação e complexidade. Ele está particularmente interessado em mudanças climáticas, diversidade de espécies, dinâmica florestal e interseção de processos sociais com sistemas naturais. Ele enfatiza o uso de métodos quantitativos para estudar esses sistemas, incluindo estatística, análise e modelagem computacional.
