論文の概要: Temporal Analysis of Climate Policy Discourse: Insights from Dynamic Embedded Topic Modeling
- arxiv url: http://arxiv.org/abs/2507.06435v1
- Date: Tue, 08 Jul 2025 22:30:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-10 17:37:43.411509
- Title: Temporal Analysis of Climate Policy Discourse: Insights from Dynamic Embedded Topic Modeling
- Title（参考訳）: 気候政策談話の時間的分析:動的埋め込みトピックモデリングからの考察
- Authors: Rafiu Adekoya Badekale, Adewale Akinfaderin,
- Abstract要約: 時間分析は、政策立案者や研究者を含むステークホルダーが過去の優先順位を評価し、新たなテーマを特定し、ガバナンス戦略を設計し、緩和策を開発するのに役立つ。
手動のシマティックコーディングのような伝統的なアプローチは、グローバルポリシーの言説の複雑で相互に結びついた性質を捉えるのに時間がかかり、制限されている。
我々は,地球規模の気候政策に関する言論の進化を分析するために,動的組込みトピックモデル(DETM)を適用した。
- 参考スコア（独自算出の注目度）: 0.005755004576310333
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Understanding how policy language evolves over time is critical for assessing global responses to complex challenges such as climate change. Temporal analysis helps stakeholders, including policymakers and researchers, to evaluate past priorities, identify emerging themes, design governance strategies, and develop mitigation measures. Traditional approaches, such as manual thematic coding, are time-consuming and limited in capturing the complex, interconnected nature of global policy discourse. With the increasing relevance of unsupervised machine learning, these limitations can be addressed, particularly under high-volume, complex, and high-dimensional data conditions. In this work, we explore a novel approach that applies the dynamic embedded topic model (DETM) to analyze the evolution of global climate policy discourse. A probabilistic model designed to capture the temporal dynamics of topics over time. We collected a corpus of United Nations Framework Convention on Climate Change (UNFCCC) policy decisions from 1995 to 2023, excluding 2020 due to the postponement of COP26 as a result of the COVID-19 pandemic. The model reveals shifts from early emphases on greenhouse gases and international conventions to recent focuses on implementation, technical collaboration, capacity building, finance, and global agreements. Section 3 presents the modeling pipeline, including preprocessing, model training, and visualization of temporal word distributions. Our results show that DETM is a scalable and effective tool for analyzing the evolution of global policy discourse. Section 4 discusses the implications of these findings and we concluded with future directions and refinements to extend this approach to other policy domains.
- Abstract（参考訳）: 政策言語が時間とともにどのように進化するかを理解することは、気候変動のような複雑な課題に対する世界的な対応を評価するために重要である。
時間分析は、政策立案者や研究者を含むステークホルダーが過去の優先順位を評価し、新たなテーマを特定し、ガバナンス戦略を設計し、緩和策を開発するのに役立つ。
手動のシマティックコーディングのような伝統的なアプローチは、グローバルポリシーの言説の複雑で相互に結びついた性質を捉えるのに時間がかかり、制限されている。
教師なし機械学習の関連性が高まっているため、これらの制限は特に高体積、複雑、高次元のデータ条件下で対処できる。
本研究では,グローバルな気候政策の言論の進化を分析するために,動的組込みトピックモデル(DETM)を適用した新しいアプローチについて検討する。
時間とともにトピックの時間的ダイナミクスを捉えるために設計された確率モデル。
新型コロナウイルスのパンデミックによるCOP26の延期による2020年を除く、1995年から2023年までの国連気候変動枠組み条約(UNFCCC)政策決定のコーパスを収集した。
このモデルは、温室効果ガスや国際大会の初期の段階から、最近の実装、技術協力、キャパシティ・ビルディング、金融、国際協定へのシフトを明らかにしている。
第3節では、前処理、モデルトレーニング、時間的単語分布の可視化を含むモデリングパイプラインを提示している。
以上の結果から,DEMはグローバルな政策談話の進化を分析するための,スケーラブルで効果的なツールであることが示唆された。
第4節では,これらの知見の意義について論じ,今後の方向性と改良をまとめて,このアプローチを他の政策領域に拡張した。
関連論文リスト
- AI-Driven Climate Policy Scenario Generation for Sub-Saharan Africa [0.005755004576310333]
我々は、サハラ以南のアフリカの気候政策シナリオをシミュレートするために、ジェネレーティブAIを使用します。
このプロジェクトの目的は、地域気候の目標やエネルギーの課題に合わせて、多様で多様な政策シナリオを作成することである。
構造化された埋め込みベースの評価フレームワークは、生成AIが一貫性があり、関連性があり、信頼性があり、多様であるシナリオを効果的に生成していることを示している。
論文 参考訳（メタデータ） (2025-05-24T13:38:17Z) - Multi-Agent Reinforcement Learning Simulation for Environmental Policy Synthesis [5.738989367102034]
気候政策の開発は、深い不確実性、複雑なシステムのダイナミクス、および競合する利害関係者による重大な課題に直面している。
本稿では,これらの制約に対処するため,MARL(Multi-Agent Reinforcement Learning)を用いた気候シミュレーションのフレームワークを提案する。
論文 参考訳（メタデータ） (2025-04-17T09:18:04Z) - Reimagining Urban Science: Scaling Causal Inference with Large Language Models [39.231736674554995]
都市因果研究は、都市を形成する複雑なダイナミックなプロセスを理解するために不可欠である。
現在の慣行は、しばしば非効率で偏りのある仮説の定式化によって制約される。
本研究では,仮説生成,データエンジニアリング,実験設計と実行,政策洞察による結果解釈の4つの異なるモジュールエージェントからなる概念的枠組みであるUrbanCIAを提案する。
論文 参考訳（メタデータ） (2025-04-15T16:58:11Z) - Crafting desirable climate trajectories with RL explored socio-environmental simulations [3.554161433683967]
統合アセスメントモデル(IAM)は、社会、経済、環境シミュレーションを組み合わせて、潜在的な政策効果を予測する。
従来の解決法を置き換えるために強化学習(RL)を用いた最近の予備研究は、不確実でノイズの多いシナリオにおける意思決定において有望な結果を示している。
我々は、様々な利害関係者や国家間の複雑な相互作用の相互作用をモデル化するための予備分析として、複数の対話的RLエージェントを導入することにより、この研究を拡大する。
論文 参考訳（メタデータ） (2024-10-09T13:21:50Z) - CoUDA: Coherence Evaluation via Unified Data Augmentation [49.37157483044349]
コヒーレンス評価は、談話の組織と構造を評価することを目的としている。
談話構造に関する言語理論から着想を得て,CoUDAというデータ拡張フレームワークを提案する。
233Mパラメータだけで、CoUDAはポイントワイドのスコアリングとペアワイドのランキングタスクの両方で最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2024-03-31T13:19:36Z) - AI For Global Climate Cooperation 2023 Competition Proceedings [77.07135605362795]
国際機関が国際気候協定の遵守を保証できない。
RICE-NはAIエージェントを使用した地域意思決定のモデリングをサポートする。
IAMは、これらの決定の気候・経済的な影響を未来にモデル化する。
論文 参考訳（メタデータ） (2023-07-10T20:05:42Z) - AI for Global Climate Cooperation: Modeling Global Climate Negotiations,
Agreements, and Long-Term Cooperation in RICE-N [75.67460895629348]
n個の戦略エージェントによる気候変動緩和に関する長期的な協力は、複雑なゲーム理論の問題を引き起こす。
地球温暖化と経済をシミュレートするマルチリージョン統合アセスメントモデルであるRICE-Nを紹介する。
本稿では,多エージェント強化学習を用いて理性エージェントをRICE-Nで訓練する方法について述べる。
論文 参考訳（メタデータ） (2022-08-15T04:38:06Z) - Analyzing Sustainability Reports Using Natural Language Processing [68.8204255655161]
近年、企業は環境への影響を緩和し、気候変動の状況に適応することを目指している。
これは、環境・社会・ガバナンス(ESG)の傘下にある様々な種類の気候リスクと暴露を網羅する、ますます徹底した報告を通じて報告されている。
本稿では,本稿で開発したツールと方法論について紹介する。
論文 参考訳（メタデータ） (2020-11-03T21:22:42Z) - Dynamical Landscape and Multistability of a Climate Model [64.467612647225]
2つの気候モデルのうちの1つで第3の中間安定状態が見つかる。
我々のアプローチを組み合わせることで、海洋熱輸送とエントロピー生産の負のフィードバックが地球の気候の地形をどのように大きく変えるかを特定することができる。
論文 参考訳（メタデータ） (2020-10-20T15:31:38Z) - When and How to Lift the Lockdown? Global COVID-19 Scenario Analysis and
Policy Assessment using Compartmental Gaussian Processes [111.69190108272133]
新型コロナウイルス(COVID-19)の世界的な感染拡大を受け、多くの国が前例のないロックダウン措置を講じている。
さまざまなロックダウンポリシーシナリオの下で、新型コロナウイルスの死亡率を予測するデータ駆動モデルが不可欠だ。
本稿では,グローバルな状況下での新型コロナウイルスロックダウンポリシーの効果を予測するためのベイズモデルを開発する。
論文 参考訳（メタデータ） (2020-05-13T18:21:50Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。