S. Mo Jang与P. Sol Hart在*Global Environmental Change*期刊（2015年）上发表了一项关于社交媒体上气候变化话语的原创性研究。Jang来自南卡罗来纳大学新闻与大众传播学院，Hart来自密歇根大学传播学系。这篇研究题为《各国及各州关于“气候变化”和“全球变暖”的极化框架：来自推特大数据的证据》，旨在探讨公众在日常对话中如何运用媒体框架（media frames）讨论气候变化议题，并分析这种话语模式在不同国家和美国不同政治倾向地区之间的差异。此前的研究大多集中于传统媒体如何构建气候变化的“媒体框架”，但关于公众如何吸收并在日常对话（尤其是在社交媒体上）中使用这些框架则知之甚少。该研究试图填补这一空白，通过分析推特这一社交媒体平台上长达两年的海量对话数据，揭示公众话语的框架选择、术语偏好及其与政治背景的关联，从而理解气候变化公众舆论形成与极化的动态过程。

研究的学术背景植根于环境传播（environmental communication）和科学传播（science communication）领域。气候变化作为一个全球性议题，其政策推进有赖于公众共识，而媒体和公众话语的框架对此有重要影响。先前研究表明，媒体框架为公众提供了理解社会问题的“解释性包裹”，定义了问题、原因和解决方案。然而，不同国家的媒体框架存在显著差异，例如，美国媒体相较于英国、加拿大、澳大利亚等国的媒体，更倾向于将气候变化描绘成存在争议的议题，强调其“真实性”或“骗局性”，而非专注于其成因、影响及解决方案。这种框架差异被认为影响了公众认知，尤其是在美国，气候变化已成为高度党派化的议题，共和党（Republican）支持者与民主党（Democrat）支持者之间观点极化严重。此外，研究还注意到“气候变化”（climate change）与“全球变暖”（global warming）这两个术语可能承载不同的政治意涵。在此背景下，本研究旨在利用社交媒体大数据（big data）这一新工具，首次大规模、系统性地比较跨国家、跨政治区域的气候变化话语框架，并探究“气候变化”与“全球变暖”两个术语的使用模式。

该研究的详细工作流程主要包含几个关键步骤：数据获取、数据过滤与分类、框架编码与验证、数据分析。首先，研究团队从第三方授权公司Topsy获取了完整的推特数据档案。Topsy提供了推特“Firehose”API的数据流，包含了约1亿活跃账户的实际推文及相关元数据。研究排除了“垃圾”推文，确保分析对象为真人用户。为了捕捉网络对话中的重要性传播，研究将“转推”（retweets）也纳入了分析范围。数据收集的时间跨度为2012年7月1日至2014年6月30日，为期整整两年。

其次，利用元数据对庞大数据集进行筛选。研究根据地理位置筛选出来自四个英语国家（美国、英国、加拿大、澳大利亚）的推文。为了探究美国内部的党派差异，研究者进一步将美国推文按州进行分类，依据2012年美国总统大选的投票结果，将50个州和华盛顿特区划分为三类：“蓝州”（投票中民主党候选人奥巴马领先共和党对手罗姆尼超过10%的州）、“红州”（罗姆尼领先奥巴马超过10%的州），以及“摇摆州”（两者票差在10%以内的州）。最后，为了聚焦气候变化议题，研究只纳入了在140字符限制内提到了“气候变化”或“全球变暖”任一关键词的推文。经过这些筛选，最终获得了总计570万条符合研究参数的推文作为分析样本。

第三，研究采用基于关键词的布尔搜索（Boolean search）方法对推文进行框架编码。研究者没有采用人工编码全部推文，而是通过识别能清晰代表特定框架的独特关键词汇和短语来进行自动化分析。为了确定与各框架相关的关键词，研究者先分析了提及“气候变化”或“全球变暖”的推文中被转发次数最多的前500条推文，并生成词云图（word clouds），以直观识别高频词汇。通过这一过程，研究者为五个核心气候变化议题框架定义了对应的搜索词串，具体如下：1）真实框架：包含“real”或“fact”的推文，用于讨论气候变化的真实性。2）骗局框架：包含“hoax”、“lie”或“fraud”的推文，用于质疑气候变化是骗局。3）影响框架：包含“impact”、“threat”、“consequences”、“effects”、“disaster”等词的推文，关注气候变化的后果。4）成因框架：包含“cause”、“carbon”、“CO2”、“human”等词的推文，讨论气候变化的成因。5）行动框架：包含“act”、“action”、“stop”、“fight”、“policy”等词的推文，关注应对气候变化的行动或政策。研究者剔除了那些产生推文过少（每年少于1000条）或引入过多噪音（与指定框架无关）的关键词。

为确保关键词搜索的准确性，研究者评估了搜索短语的“精确度”。他们采用了Stryker等人（2006）描述的程序，由两名编码员对每个框架随机抽取的100条推文（共500条）进行人工评估，判断搜索结果是否真正相关于指定框架。计算出的精确度估计值为96%，编码员间的信度为0.781（Cohen‘s Kappa），一致性达到99%。研究承认，这种基于关键词的方法可能无法检索到所有相关推文（即存在“召回率”问题），但因其核心是比较不同国家/地区间框架的“相对流行度”而非每个国家内部的“绝对分布”，只要在跨国比较中使用了相同的关键词和计算方法，就能保证测量的功能等价性，从而保证了比较结果的有效性。这是本方法学的关键预设。

数据分析部分首先计算了每个国家内部五种框架的相对比率（即包含某框架关键词的推文数占该国所有提及“气候变化”或“全球变暖”的推文总数的比例）。接着，通过卡方检验比较了美国与其他三个国家之间、以及美国内部红州与蓝州之间各框架比率的差异。此外，研究还计算了“全球变暖”与“气候变化”两个术语的使用频率比（即“全球变暖”的提及次数除以“气候变化”的提及次数），并分析了这一比率在不同国家、不同政治倾向的州以及不同框架语境下的变化模式，同样使用卡方检验来验证差异的显著性。

研究的主要结果揭示了公众在推特上讨论气候变化时的显著地域和政治分歧。首先，在跨国比较方面，假设H1a和H1b得到支持。结果显示，与其他三国相比，美国推特用户在讨论中更侧重于“真实框架”和“骗局框架”，即更多地争论气候变化是否真实存在或是一个谎言。例如，美国的“真实框架”比率显著高于英国、加拿大和澳大利亚；“骗局框架”的比率也显著高于其他三国。相反，美国用户对“成因框架”、“影响框架”和“行动框架”的关注度相对较低（除了“影响框架”在美澳间无显著差异）。这一模式与传统媒体内容分析的发现相呼应，表明美国公众的社交媒体对话也围绕气候变化议题的“合法性”展开，而非其成因、后果或解决方案。值得注意的是，澳大利亚的“成因框架”和“行动框架”特别突出，研究者认为这可能与当时澳洲政府废除碳排放定价法案引发的激烈辩论有关。

其次，在美国内部州级层面的分析验证了假设H2a和H2b。研究发现，与蓝州相比，红州的推特用户更频繁地使用“真实框架”和“骗局框架”。而蓝州用户则更侧重于“影响框架”和“行动框架”。在“成因框架”上，红州与蓝州没有显著差异。这一发现清晰地反映了美国国内在气候变化问题上的政治极化现象：红州（倾向于共和党）的讨论更聚焦于问题的存在与否（真实或骗局），而蓝州（倾向于民主党）的讨论则更多转向问题的影响和应对行动。

第三，关于术语使用的研究结果支持了所有假设（H3， H4， H5）。总体而言，所有四个国家的推特用户都更频繁地使用“气候变化”而非“全球变暖”。然而，美国用户对“全球变暖”的偏好程度显著高于英、加、澳三国。更重要的是，在美国内部，红州用户比蓝州用户更倾向于使用“全球变暖”而非“气候变化”。最关键的发现在于框架与术语的关联性：在所有四个国家中，当讨论涉及“骗局框架”时，用户都显著更倾向于使用“全球变暖”而非“气候变化”（比率大于1）。相反，当讨论涉及“影响框架”或“行动框架”时，“全球变暖”的使用率则远低于“气候变化”（比率小于1）。这表明“全球变暖”这个术语与质疑气候变化科学性的“骗局框架”存在特定关联，而“气候变化”则更多地与讨论影响和解决方案的中性或行动导向框架相连。

基于以上结果，研究得出结论：社交媒体（推特）上的公众对话在很大程度上反映并可能强化了传统媒体和政治精英话语中存在的极化框架。美国，特别是其共和党倾向的红州，在气候变化话语中更突出“骗局框架”，并且更偏爱使用具有争议性政治意涵的术语“全球变暖”。这种话语模式可能通过社交媒体的“同质性”传播（即用户倾向于与观点相似者互动）而得到加强，形成一个“强化螺旋”，使得公众，尤其是美国公众，更多地接触质疑气候变化科学性的观点，从而加剧认知两极分化，阻碍气候缓解政策的共识形成与推进。

本研究的科学价值和应用价值显著。在科学价值上，它创新性地将大数据方法应用于环境传播和框架理论的研究中，克服了传统方法难以捕捉日常人际对话的局限，为分析公众话语提供了新的实证途径。研究首次大规模地展示了气候变化框架和术语使用的跨国、跨地区差异，并将政治地理变量（红州/蓝州）纳入分析，深化了对政治意识形态如何塑造环境话语的理解。研究结果验证了先前基于调查和实验的发现（如术语“全球变暖”与怀疑论的关联）在真实世界、大规模自然对话数据中的表现。在应用价值上，研究为政策制定者、科学家和科学传播者提供了重要启示：要有效进行气候变化沟通，需要意识到不同地区和政治群体存在截然不同的话语框架和术语偏好。例如，使用“气候变化”一词可能比“全球变暖”更能减少党派偏见引发的抵触，尤其是在与保守派受众沟通时。同时，研究也警示，社交媒体可能并非扮演纠正主流媒体偏见的“监督者”角色，而可能是放大既有极化观点的“回音室”。

本研究的亮点在于：第一，研究方法的创新性：率先利用推特全量大数据进行长达两年的追踪分析，为框架研究提供了前所未有的规模和历时性视角。第二，研究对象的特殊性：将分析单位从传统媒体或调查受访者扩展到海量、自发的公众社交媒体对话，直接洞察公众话语的动态。第三，重要的研究发现：不仅证实了国家间的话语差异，更精细地揭示了美国内部因政治倾向导致的话语分化，并明确了“全球变暖”术语与“骗局框架”之间的强关联，这为理解术语的政治符号意义提供了有力证据。第四，比较研究的系统性：同时对四个英语国家以及美国内部各州进行多层比较，增强了结论的普适性和解释力。第五，对现实议题的深刻启示：研究指出了社交媒体可能加剧气候议题政治极化的风险，对促进科学共识和社会动员具有现实警示意义。

此外，研究者在讨论部分也指出了本研究的局限性和未来方向。例如，基于关键词的自动化分析无法捕捉所有相关推文，且可能遗漏带有讽刺、幽默等文化敏感性的复杂表达。未来研究可以采用人工编码随机样本的方法来更精确地描述框架的绝对分布。另一个有价值的方向是探究社交媒体中的层级结构，分析是否有少数意见领袖或机构主导了信息流动，从而判断社交媒体内容与传统媒体的相似性是源于“媒体间议程设置”还是精英对两种媒体的同时掌控。这些思考为进一步深化相关研究开辟了路径。