Misfortolkning af klimadata kommer ned til politisk loyalitet: Studie

Mængden af ​​arktisk havsis omkring Nordpolen har længe været på en nedadgående tendens, og satellitdata fra National Snow & Ice Data Center viser dette fald - især skarpt denne tid af året - med daglige opdateringer.

Men der er spidser i enhver nedadgående tendens, og en særlig stigning i 2013 (takket være en usædvanlig cool sommer) forårsagede en sådan udbredt fejlfortolkning langs politiske linjer, at den blev genstand for en nyudgivet sociologisk undersøgelse. Resultaterne viser, at når man fjerner politisk tilhørsforhold, træffer folk smartere beslutninger om klimavidenskab sammen. Det giver også det seneste videnskabelige eksempel på, hvordan politik ikke ofte tillader fakta at komme i vejen.

For det første er det diagrammet, som forskerne oplevede som problematisk - en slags politisk Rorschach-test - der viser en stigning i arktisk havis i 2013. F.eks. Folk, der tror klimaændringer, er en liberal hoax, der kan pege på stigningen i havisen som bevis for den nedadgående tendens ville snart vende tilbage opad.

Damon Centola, en sociolog og professor ved Annenbergs Skole for Kommunikation ved University of Pennsylvania, førte en undersøgelse af, hvorfor folk kunne fejlfortolke dataene ovenfor. Hans forskergruppe brugte sociale læringsprocesser (viser svar fra resten af ​​en gruppe mennesker sammen med spørgsmålet) for at se om de kunne fjerne polarisering mellem selvidentificerede demokrater og republikanere.

Forskningen, "Social læring og partisk bias i fortolkningen af ​​klimaudviklingen", blev offentliggjort mandag i tidsskriftet Forsøg af National Academy of Sciences.

Det skarpeste baseline fund inden eksperimentet begyndte var, at "republikanerne fejlagtigt fortolker dataene," siger Centola. "Samlet set sagde næsten 40,2 procent af republikanerne, at arktiske is is var stigende." Samtidig estimerede 73,9 procent af de liberale korrekt havsudviklingen på basislinjen.

Centola, seniorforfatteren på papiret, og hans team rekrutterede 2.400 mennesker, halv republikanske og halvdemokrat, på Amazons Mekaniske Turk (shipping giantens "markedsplads for arbejde, der kræver menneskelig intelligens"). De blev tilfældigt tildelt 40 personers bipartisan sociale netværk for at tage en "intelligens test", der bad deltagerne om at forudsige havets isniveau.

"Jo mere præcise dine svar, desto mere vinder du!", Blev emnerne i denne undersøgelse informeret. De var ikke informeret om, at dataene blev bestemt af NASA for at undgå kendte forstyrrelser i forbindelse med de organisatoriske informationskilder, skriver forskerne.

De fik lov til at revidere deres svar, samtidig med at de viste svar fra andre mennesker i deres netværk, og da der ikke var nogen festtilslutning ud for svarene fra deres netværksbørn, var deres isis forudsigelse tættere på NASA's videnskabelige forudsigelse.

Andre spørgsmål indeholdt symboler ved siden af ​​dem, subtile forslag om, at disse videnskabelige spørgsmål også havde politisk tyngdekraft. Når "emner blev udsat for partilogoer under kommunikation, blev social læring forhindret, og baseline niveauer af polarisering blev opretholdt", skriver de.

Da alle deltagere blev præsenteret med dataene, blev de bedt om at forudsige ud fra disse data og informeret om, at de ville blive betalt flere penge for præcise svar, siger Centola, at gruppen "løste NASAs problem" af mennesker, der fejlfortolker sin forskning.

"Otte og fem procent af både republikanere og demokrater var enige om, at arktiske havsniveauer faktisk gik ned", siger han om de data, der blev fremlagt nøgne, uden tilknytning eller billeddannelse. "Og endnu vigtigere var konsensusen en meget mere præcis konsensus for begge grupper."

Men da dataene blev præsenteret med republikansk elefant eller demokratisk æsel, eller ordene "konservative" eller "liberale" eller et diagram der viste, hvordan folk, der identificerede sig som konservative eller liberale, stemte, skød prognoserne væk fra de korrekte resultater.

"Fordelene ved social læring var ikke begrænset til konservative", skriver forskerne. "Liberalerne blev også forbedret i netværk uden partisaniske signaler, der afsluttede med væsentligt højere trendnøjagtighed end liberaler i kontroltilstanden. Ved udgangen af ​​undersøgelsen, i bipartisanetværk uden partisanordninger, var der ikke længere væsentlige forskelle i trendnøjagtighed mellem de liberale og konservative."

Når der præsenteres med konsensus fra gruppen uden parti tilknytning, studiet emner arbejdede sammen for at gøre den korrekte forudsigelse.

"Vi finder, at i mangel af politisk billeddannelse eliminerer tværkontaktkontrol polarisation og fører til en meget bedre forståelse af klimaændringer," siger Centola.

Abstrakt

Vital videnskabelig kommunikation bliver ofte misfortolket af lege-offentligheden som følge af motiveret begrundelse, hvor folk misforstår data for at passe deres politiske og psykologiske forstyrrelser. I tilfælde af klimaforandringer har nogle mennesker fundet systematisk at fortolke klima data på måder der strider mod klimaforskernes forventede budskab. Selv om tidligere undersøgelser har forsøgt at reducere motiveret begrundelse via bipartisan kommunikationsnetværk, har disse netværk også vist sig at forværre bias. Populære teorier fastholder, at bipartisanske netværk forstærker bias ved at udsætte folk for modstridende overbevisninger. Disse teorier er i spænding med kollektiv intelligensforskning, hvilket viser, at udveksling af overbevisninger i sociale netværk kan lette social læring og derved forbedre individuelle og gruppedomme. Tidligere eksperimenter i kollektiv intelligens har dog næsten udelukkende støttet sig på neutrale spørgsmål, der ikke involverer motiveret begrundelse. Ved hjælp af Amazons Mekaniske Turk gennemførte vi et online-eksperiment for at teste, hvordan toparts sociale netværk kan påvirke fagernes fortolkning af klimakommunikation fra NASA. Her viser vi, at udsættelse for modstridende overbevisninger i strukturerede bi-partiske sociale netværk forbedret nøjagtigheden af ​​domme blandt både konservative og liberale, hvilket eliminerer trospolarisering. Men vi finder også, at social læring kan reduceres, og trospolarisering opretholdes som følge af partisan priming. Vi finder, at en større grad af partisanship i forbindelse med kommunikation, både gennem eksponering for politiske parlamentslogoer og gennem eksponering for netværkssamfundets politiske identiteter, kan reducere den sociale læring betydeligt.