这篇文档属于类型a，即报告了一项原创性研究。以下是针对该研究的学术报告：

中国碳中和目标下的公众话语与政府干预：一项基于微博数据的深度学习分析

作者及机构
本研究由Fang Zhang（清华大学公共管理学院）、Manchi Xu（清华大学公共管理学院）、Yikuan Yan（中国人民大学信息学院）和Keman Huang（中国人民大学信息学院、麻省理工学院斯隆管理学院）合作完成，发表于2023年的《Communications Earth & Environment》期刊。

学术背景
作为全球最大的能源消费国和二氧化碳排放国，中国在2020年提出了“2030年前碳达峰、2060年前碳中和”的目标。然而，实现这一雄心勃勃的目标不仅需要政策支持，更依赖公众共识。现有研究多聚焦欧美国家的气候话语，对中国公众的气候认知缺乏系统性分析。本研究填补了这一空白，旨在回答两个核心问题：1）中国公众围绕碳中和目标形成了哪些话语框架？2）政府如何通过政策和政治活动影响公众舆论？

研究基于“框架理论”（framing theory），将公众话语分为七类：科学框架（scientific）、道德框架（moral）、经济框架（economic）、协同效益框架（co-benefit）、能源安全框架（energy security）、政治框架（political）和全球框架（global）。同时，通过分析微博平台的海量数据，首次量化了中国公众对碳中和的态度分化及演变规律。

研究流程与方法
1. 数据收集与预处理
- 数据来源：从微博爬取2020年9月至2021年12月期间包含“气候变化”“碳中和”等15个关键词的98.1万条原创博文，覆盖23.5万个账号。
- 数据清洗：剔除无关内容（如酒店气候宣传），保留有效博文98.1万条，其中机构账号占比10%，个人账号占比90%。

1. 人工标注与模型训练

   • 采用“主动学习”（active learning）方法：
     
     • 初始随机抽取300条博文，由两名专家标注七类话语框架和三类态度（支持/反对/中立）。
       
     • 使用中文预训练模型MacBERT进行微调，通过迭代采样（每次新增300条高不确定性样本）提升模型性能。
       
   • 最终模型准确率：话语框架分类84.89%（Cohen’s Kappa=0.804），态度分类82.06%（Kappa=0.618）。

2. 话语分析与共识度量

   • 计算“归一化信息熵”（normalized entropy）量化群体内部共识：
     
     • 支持者共识度随时间上升（经济框架占比从30.6%增至46.6%）。
       
     • 反对者共识度显著下降（全球框架使用率从36.5%降至23.2%）。
       
   • 政策影响分析：采用事件研究法（event study）追踪6类政府活动（如政策发布、国际会议）对博文数量及态度分布的影响。

主要发现
1. 公众态度分布
- 70%博文明确支持碳中和目标，反对声仅占3%。支持博文的平均转发量是反对博文的5倍。
- 反对者多从全球框架（如“西方气候陷阱论”）和道德框架（如“精英伪善”）质疑碳中和，且内部观点日益分化。

1. 话语框架演变

   • 经济、道德和全球框架占主导（80.8%博文），能源安全框架最少（0.3%）。
     
   • 中立群体易受经济叙事影响：2021年3月后，其经济框架使用率从18.9%飙升至93.7%。

2. 政府干预效果

   • 政策有效性：实质性政策（如“停止海外煤电投资”）能持续激发3天以上的讨论，且同时动员支持者和反对者。
     
   • 政治活动局限性：纯政治表态（如中央财经委员会会议）几乎不引发舆论波动。外交部（MFA）的全球框架传播效果优于生态环境部（MEE）的专业政策宣传。

结论与价值
1. 理论贡献
- 首次揭示中国公众碳中和话语的多元框架及其动态演变，挑战了西方研究中“能源安全主导”的假设。
- 提出“政策可信度-公众响应”模型，证明具体政策比政治修辞更能塑造舆论。

1. 实践意义
   
   • 为政府提供传播策略：针对中立群体应强调经济收益，而对抗反对声音需注意其道德诉求。
     
   • 暴露治理风险：反对者虽少但内部分化可能扩大社会裂痕，需通过补偿机制缓解政策抵触。

研究亮点
1. 方法论创新：结合深度学习与框架理论，实现百万级社交媒体数据的细粒度分析。
2. 本土化发现：揭示中国公众对“经济叙事”的高度敏感，与欧美“环保道德驱动”形成对比。
3. 政策评估维度：量化比较不同政府部门的传播效能，指出外交部在气候传播中的意外主导作用。

其他发现
- 意见领袖（如明星王俊凯担任UNEP大使）能显著放大机构声量，但国有媒体（如央视）因内容重复导致影响力有限。
- 研究数据已开源（DOI:10.6084/m9.figshare.24440692），可供后续研究验证。

这篇报告完整呈现了研究的学术逻辑、方法创新和社会价值，尤其突出了大数据分析与传统社会科学理论的融合成果。