“气候变化”还是“全球变暖”？——中国社交媒体平台上的气候（非）政治化

一、 研究概况

本研究由美国密歇根大学传播与媒体系（Department of Communication and Media, University of Michigan）的Yuhan Li以及中国清华大学新闻与传播学院（School of Journalism and Communication, Tsinghua University）的Beichen Yu和Jia Dai合作完成。该研究以题为《“Climate Change” or “Global Warming”? The (Un)politicization of Climate in Chinese Social Media Platform》发表于学术期刊 Environmental Communication 2024年7月第18卷第7期（网络版发表于2024年3月14日）。

二、 学术背景与研究目标

本研究属于环境传播（Environmental Communication）、科学传播与政治传播交叉领域。其背景源于学界对气候变化议题“政治化”（Politicization）现象的长期关注。在西方语境，尤其是美国，研究表明政治精英通过选择特定的术语（如“气候变化”Climate Change与“全球变暖”Global Warming）和框架（Framing）来塑造公众舆论，导致议题高度极化，甚至削弱了公众对气候政策的支持。然而，现有研究多集中于西方党派政治语境，对不同文化背景下，特别是中国这样的非西方大国，不同社会群体如何使用术语与框架、以及这种使用如何影响公众对气候变化的理解和情感反应，尚缺乏深入探讨。

基于此背景，本研究旨在回答几个核心问题：1) 在中国社交媒体上，不同参与者（政府、组织、个人）对“气候变化”与“全球变暖”这两个术语的使用偏好有何不同？2) 与这两个术语相关的视频内容框架有何差异？3) 这些术语和框架如何影响公众评论的语义主题和情感倾向？最终，研究试图揭示中国青年主导的网络空间中，气候沟通如何通过术语和框架的选择，促进或削弱气候议题的政治化，从而为理解和改善全球气候传播策略提供跨文化视角。

三、 详细研究流程与方法

本研究采用结合人工与计算机辅助的内容分析方法，对中国青年文化视频平台Bilibili上的气候相关视频及用户评论进行了系统性分析。研究流程主要包括以下步骤：

1. 数据收集：

   • 样本选取：研究者于2021年9月17日，分别以“气候变化”和“全球变暖”为关键词，使用Python网络爬虫抓取了Bilibili上各自搜索结果中浏览量最高的前1000个视频。
   • 筛选标准：为确保视频内容相关，筛选出标题、标签或简介中包含至少一个目标术语的视频。最终获得有效视频1212个（“气候变化”740个，“全球变暖”472个）。
   • 评论获取：下载了上述所有视频下的用户评论，共获得“气候变化”视频评论78,040条，“全球变暖”视频评论23,921条。
   • 聚焦分析：为深入研究高互动内容，研究根据评论数量对视频重新排序，选取了占总评论量80%的视频作为最终深度分析样本。最终数据集包括130个“气候变化”标签视频（含62,540条评论）和180个“全球变暖”标签视频（含18,864条评论）。

2. 人工内容编码：

   • 视频框架编码：基于Nisbet等学者的研究，定义了四种主要视频内容框架：影响框架（Impact Frame，关注气候变化的后果）、科学框架（Scientific Frame，从专业角度解释成因与知识）、行动框架（Action Frame，呼吁采取行动或提出解决方案）、政治框架（Political Frame，强调政治冲突、国际谈判、政府声明等）。两名独立编码员对所有视频进行手动编码，经过训练后，各框架编码的科恩卡帕系数（Cohen‘s Kappa）均达到可接受水平（例如，“气候变化”视频的政治框架编码信度为0.85）。
   • 发布者类型编码：将视频发布者账户分为三类：政府账户（如官方媒体、政府机构）、组织账户（如非政府组织、商业机构、非官方背景媒体）、个人账户（如科学家、科普博主、普通用户）。编码员同样对视频发布者类型进行了可靠的手动编码。

3. 计算机辅助内容分析：

   • 语义网络分析：用于探究用户评论的核心主题。首先对“气候变化”和“全球变暖”视频下的评论分别进行预处理（分词、去除停用词）。接着，构建词共现矩阵，并使用Gephi软件进行可视化。通过模块度（Modularity）分析识别出评论网络中不同的主题集群（即讨论框架），并比较两个术语下评论语义网络的显著差异。
   • 情感分析：用于量化用户评论的情感倾向。研究主要使用了加拿大国家研究委员会情感词典（NRC Emotion Lexicon），该词典将单词与八种基本情感（愤怒、恐惧、期待、信任、惊讶、悲伤、喜悦、厌恶）关联。同时，考虑到Bilibili独特的平台文化和网络用语，研究者手动补充构建了一个上下文情感词典（例如收录了“杠精”、“拉黑”等词并标注其情感属性），以提升分析的准确性。通过线性回归模型，分析不同视频框架（自变量）对评论中各类情感词出现比例（因变量）的影响。

四、 主要研究发现

研究结果清晰地揭示了“气候变化”与“全球变暖”这两个术语在中国Bilibili平台上的使用差异，及其与气候议题（非）政治化的紧密关联。

1. 术语与框架的使用偏好差异显著：

   • 发布者偏好：卡方检验显示，政府账户与个人账户在术语使用上存在极显著差异。约80%的政府账户发布的视频使用“气候变化”术语，而77.3%的个人账户视频使用“全球变暖”术语。组织账户对两者的使用相对均衡。
   • 框架偏好：“气候变化”标签的视频显著更倾向于使用政治框架（占52.3%）。这些视频多由官方账号制作，内容聚焦于国际关系（如美国退出《巴黎协定》）、国家利益、中国气候行动成就以及对西方国家环境抗议的报道。而“全球变暖”标签的视频则显著更倾向于使用影响框架（占42.8%）和科学框架，多由个人和组织账号制作，内容侧重于描绘全球变暖对地球和人类的灾难性影响，或进行科学辟谣。

2. 用户评论的语义主题印证了（非）政治化分野：

   • “气候变化”评论网络：最主要的语义集群是“中美关系”框架（占网络48.70%），核心节点包括“中国”、“美国”、“西方国家”、“碳排放”等，讨论高度政治化，涉及碳排放权、国际责任分配等政治冲突。
   • “全球变暖”评论网络：最主要的语义集群是“人类命运”框架（占39.58%）和“地球生态”框架（占31.94%），核心节点包括“人类”、“地球”、“冰川”、“物种”、“温度”等，讨论更侧重于生态、科学和人道主义关怀，政治讨论比例较低（“中美关系”框架仅占15.03%）。

3. 视频框架有效引发特定的公众情感反应：

   • 线性回归模型分析显示，情感模式在两类术语视频中具有一致性，但验证了框架的情感唤醒作用：
     • 政治框架与行动框架显著正向关联于评论中的愤怒与厌恶情绪。这些情绪通常指向外国领导人的气候言论、对中国消费模式的批评以及国际气候公正辩论。
     • 影响框架显著正向关联于评论中的恐惧与悲伤情绪。这反映了用户对气候灾难后果的忧虑。
     • 在“全球变暖”视频中，影响框架和科学框架甚至与喜悦情绪呈负相关。
     • 在“气候变化”视频中，科学框架和政治框架与信任情绪呈正相关，这可能源于对科学家科普努力或对国家气候治理承诺的信任。

五、 研究结论与价值

本研究得出结论：在中国Bilibili平台，“气候变化”这一术语及其相关框架（主要是政治框架）倾向于导致气候议题的“政治化”，而“全球变暖”这一术语及其相关框架（主要是影响和科学框架）则倾向于导致“去政治化”（Unpoliticization）。这种模式与美国语境（如共和党偏好用“全球变暖”与“骗局”框架关联）截然不同。

• 科学价值：

  1. 提供了非西方语境的关键证据：首次在中国社交媒体语境下，系统验证了气候术语选择与议题政治化/去政治化的关联，强调了文化背景在理解气候传播中的核心作用。
  2. 构建了综合分析框架：研究通过整合发布者分析、内容框架分析、公众语义网络分析和情感分析，提供了一个理解科学议题（非）政治化驱动因素和后果的综合性分析框架，超越了单纯的现象描述或效果评估。
  3. 深化了对政治化的辩证认识：研究没有简单批判政治化，而是指出有益的气候沟通需要整合政治、科学和人文视角。政治化触及气候问题的根本（如公正、责任），但过度政治化可能引发负面情绪、阻碍合作；而纯粹的科学/人文视角虽能凝聚生态共识，却可能忽视结构性政治问题。

• 应用价值：

  1. 为气候传播实践提供策略参考：提示传播者需考虑社会文化语境选择术语。在中国，若想促进生态共识、减少政治对立情绪，使用“全球变暖”和“影响框架”可能更有效。平台应鼓励政府、组织和个人账户的多元视角共存与互动，防止观点激进化和茧房效应。
  2. 对全球气候治理的启示：研究表明，在发展中国家使用“气候变化”一词可能易于引发与国际政治冲突相关的联想和负面情绪。虽然追求环境正义至关重要，但煽动对西方国家的负面情绪可能无助于实质解决问题。全球气候合作需要基于国家利益、意愿和能力，寻求政治、科学与人文之间的平衡关系。

六、 研究亮点

1. 研究对象的独特性与重要性：聚焦中国最大的青年视频社区Bilibili，揭示了作为全球最大温室气体排放国和关键气候行动方的中国，其年轻一代网络民众如何讨论气候变化，填补了非西方语境研究的空白。
2. 方法上的混合与创新：巧妙结合了人工精准编码与大规模计算分析方法（语义网络、情感分析），既保证了框架识别的理论深度和准确性，又能处理海量用户生成内容，挖掘宏观模式。
3. 富有洞察力的核心发现：提出了“气候变化”关联政治化、“全球变暖”关联去政治化这一与中国国情紧密结合的鲜明论断，并提供了从发布者行为到公众反应的全链条证据支撑。
4. 辩证的理论视角：对“政治化”现象进行了超越价值判断的审视，指出了其在引入多元行动者和根本性问题讨论方面的潜在积极作用，以及需要在政治、科学、人文之间寻求平衡的深刻观点。

七、 其他说明

研究也指出了自身的局限性，如Bilibili用户年龄层相对年轻（86%小于35岁）且民族主义情绪可能较浓，样本可能无法完全代表全体中国网民；研究聚焦最受欢迎视频，未能考察长期动态和视频多模态元素的影响；情感分析等方法在准确性上仍有提升空间。这些为未来研究指明了方向，例如在更广泛的平台、更长时间跨度上收集数据，或采用更精细的机器学习方法建立因果关系。