Aufmerksamkeitszyklen in der medialen Klimaberichterstattung: Machine learning-gestützte Zeitreihenanalyse & Modellierung
Jakob Lochner, Universität Potsdam
Die Klimakrise ist eine der größten Herausforderungen unserer Zeit. Doch auch die neusten Klimaschutzziele, welche die Staatengemeinschaft auf der UN-Klimakonferenz im Herbst 2021 vorstellte, reichen nicht, um die Erwärmung der Erde zu stoppen. Einen großen Einfluss auf politische Entscheidungen, etwa zu Klimaschutz- und Anpassungsmaßnahmen, hat die Aufmerksamkeit der Öffentlichkeit. Diese ist jedoch nicht gleichbleibend hoch, sondern schwankt zwischen Hoch- und Tiefphasen, in sogenannten Aufmerksamkeitszyklen. Zudem kann die Gewöhnung an Klimafolgen, etwa an sehr heiße und trockene Sommer, zu einer reduzierten Aufmerksamkeit und somit potenziell zu unzureichenden Klimaschutzvorkehrungen führen.
In meiner Doktorarbeit werde ich die Aufmerksamkeitszyklen zum Klimawandel und insbesondere zu Wetterextremen anhand einer systematischen und quantitativen Analyse medialer Berichterstattung untersuchen. Hierbei approximiere ich öffentliche Aufmerksamkeit durch die Anzahl an themenspezifischen Pressebeiträgen, ein in der Literatur etabliertes Vorgehen. Ich fokussiere meine Analyse auf das Medium „Zeitung“ und werde Zeitungsarchiv-Daten aufbereiten, klassifizieren und statistisch analysieren. Aus den Erkenntnissen der empirischen Analyse und aus existierenden allgemeineren Theorien werde ich eine erklärende Theorie zu Aufmerksamkeitszyklen in der medialen Klimaberichterstattung ableiten.
Methodisch setze die Machine-Learning Technik „Topic Modelling“ ein, welche es erlaubt Themen von Zeitungsartikeln automatisiert zu erkennen und in verwandten Studien eine Analyse von über 50.000 Zeitungsartikeln erlaubte. So adressiere ich Limitierungen bisheriger Studien zu Aufmerksamkeitszyklen, welche aufgrund der Verwendung eines manuellen Codingverfahrens: händisches Identifizieren der Themen von Zeitungsartikeln, in ihren Analysen auf einzelne Länder und kurze Zeiträume beschränkt sind.
Die kumulative Arbeit ist in drei Arbeitspaketen strukturiert: (1) die Datenerhebung mit einer anschließenden grundlegenden Analyse, (2) die Identifikation von Aufmerksamkeitszyklen und (3) die Entwicklung einer erklärenden Theorie. Das Promotionsprojekt ist im Bereich der Nachhaltigkeitsforschung angesiedelt, gliedert sich in die Arbeit der Forschungsgruppe Datenbasierte Analyse klimarelevanter Entscheidungsprozesse von Dr. Leonie Wenz am Potsdam-Institut für Klimafolgenforschung (PIK) ein und entsteht in enger Kooperation mit Professor Anders Levermann.