論文の概要: Addressing Climate Action Misperceptions with Generative AI

• arxiv url: http://arxiv.org/abs/2602.22564v1
• Date: Thu, 26 Feb 2026 03:03:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-27 18:41:22.501136
• Title: Addressing Climate Action Misperceptions with Generative AI
• Title（参考訳）: ジェネレーティブAIによる気候行動の誤解に対処する
• Authors: Miriam Remshard, Yara Kyrychenko, Sander van der Linden, Matthew H. Goldberg, Anthony Leiserowitz, Elena Savoia, Jon Roozenbeek,
• Abstract要約: 気候に敏感な人でさえ、どの行動が二酸化炭素排出量を最も減少させるかについての誤解を抱くことが多い。 気候知識を備えた大規模言語モデル(LLM)による気候行動の議論が,より正確な知覚を促進するかどうかを検討するため,1201名の気候意識者を募集した。 パーソナライズされた気候 LLM は、気候行動の影響に関する知識が増大し、影響のある行動を採用する意図が強まった唯一の条件であった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Mitigating climate change requires behaviour change. However, even climate-concerned individuals often hold misperceptions about which actions most reduce carbon emissions. We recruited 1201 climate-concerned individuals to examine whether discussing climate actions with a large language model (LLM) equipped with climate knowledge and prompted to provide personalised responses would foster more accurate perceptions of the impacts of climate actions and increase willingness to adopt feasible, high-impact behaviours. We compared this to having participants run a web search, have a conversation with an unspecialised LLM, and no intervention. The personalised climate LLM was the only condition that led to increased knowledge about the impacts of climate actions and greater intentions to adopt impactful behaviours. While the personalised climate LLM did not outperform a web search in improving understanding of climate action impacts, the ability of LLMs to deliver personalised, actionable guidance may make them more effective at motivating impactful pro-climate behaviour change.
• Abstract（参考訳）: 気候変動の緩和には行動の変化が必要である。 しかし、気候変動に苦しむ人でさえ、どの行動が二酸化炭素排出量を最も減少させるかについての誤解を抱くことが多い。 気候知識を備えた大規模言語モデル(LLM)を用いて気候行動について議論するかどうかを検討するため,1201人の温暖な個人を募集した。 我々は、参加者がウェブ検索を実行し、特定されていないLLMと会話し、介入しないのと比較した。 パーソナライズされた気候 LLM は、気候行動の影響に関する知識が増大し、影響のある行動を採用する意図が強まった唯一の条件であった。 パーソナライズされた気候 LLM は、気候行動の影響の理解を改善するためのウェブサーチよりも優れていなかったが、パーソナライズされた実用的なガイダンスを提供するための LLM の能力は、影響のあるプロ気候の行動変化を動機付けるのにより効果的である可能性がある。

関連論文リスト

• ClimateBench-M: A Multi-Modal Climate Data Benchmark with a Simple Generative Method [61.76389719956301]
  我々は、ERA5の時系列気候データ、NOAAの極度の気象イベントデータ、NASAの衛星画像データを調整するマルチモーダル気候ベンチマークであるClimateBench-Mに貢献する。 また,各データモダリティの下では,天気予報,雷雨警報,作物の分断作業において,競争性能を向上できる簡易かつ強力な生成手法を提案する。
  論文  参考訳（メタデータ） (2025-04-10T02:22:23Z)
• From Efficiency Gains to Rebound Effects: The Problem of Jevons' Paradox in AI's Polarized Environmental Debate [69.05573887799203]
  これらの2次の影響を理解するには、ライフサイクルアセスメントと社会経済分析を組み合わせた学際的アプローチが必要であると論じる。 AIの真の気候フットプリントを誤って表現し、意味のある介入の範囲を制限している、と我々は主張する。
  論文  参考訳（メタデータ） (2025-01-27T22:45:06Z)
• Climate Change from Large Language Models [7.190384101545232]
  気候変動は重大な問題を引き起こし、広範囲の理解と低炭素のライフスタイルの認識を必要としている。 大規模言語モデル(LLM)はこの危機に対処するための強力なツールを提供する。 本稿では,気候危機知識を評価するための自動評価フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-12-19T09:26:46Z)
• ClimateNLP: Analyzing Public Sentiment Towards Climate Change Using Natural Language Processing [0.0]
  本稿では、自然言語処理(NLP)技術を用いて、気候変動に関する話題を分析し、気候変動に関連するツイートの感情を定量化する。 目的は、個人が表現する感情を識別し、気候変動に関する世論のパターンを明らかにすることである。
  論文  参考訳（メタデータ） (2023-10-12T07:48:50Z)
• Climate-sensitive Urban Planning through Optimization of Tree Placements [55.11389516857789]
  気候変動は、熱波を含む多くの極端な気象事象の強度と頻度を増している。 最も有望な戦略の1つは、街路樹の恩恵を利用して歩行者レベルの環境を冷やすことである。 物理シミュレーションでは、樹木の放射的および熱的影響が人間の熱的快適性に与える影響を推定できるが、高い計算コストが生じる。 我々は,屋外の熱的快適さの駆動因子である点平均放射温度を,様々な時間スケールでシミュレーションするためにニューラルネットワークを用いた。
  論文  参考訳（メタデータ） (2023-10-09T13:07:23Z)
• ClimateGAN: Raising Climate Change Awareness by Generating Images of Floods [89.61670857155173]
  実画像上でのリアルな洪水をシミュレートする手法を提案する。 本研究では、教師なし領域適応と条件付き画像生成のためのシミュレーションデータと実データの両方を活用するモデルであるClimateGANを提案する。
  論文  参考訳（メタデータ） (2021-10-06T15:54:57Z)
• Machine learning reveals how personalized climate communication can both succeed and backfire [55.41644538483948]
  オンライン広告は、気候変動に対する人々の信念を増大させる一方で、他人に対する信念を低下させることを示す。 特に,年齢や民族によって広告の効果が変化する可能性が示唆された。
  論文  参考訳（メタデータ） (2021-09-10T20:47:34Z)
• Powering Effective Climate Communication with a Climate Knowledge Base [1.951890354110457]
  我々は,個人が予測する気候情報を最もモチベーションの高いモチベーションとして提示し,その個人的価値観を考慮し行動を起こすよう促すシステムを構築することを目指している。 このシステムは、気候変動の原因と影響の知識ベース(クライメートKB)と、その個人的価値との関連に依存している。 今後の研究や応用を促進するために、ClimateKBと関連するコードをオープンソース化する予定です。
  論文  参考訳（メタデータ） (2021-07-23T17:02:06Z)
• The Human Effect Requires Affect: Addressing Social-Psychological Factors of Climate Change with Machine Learning [2.0178765779788495]
  我々は、気候変動に対する機械学習に基づく介入を強化するために、どのように影響を組み込むことができるかを調査する。 本稿では, 気候変動とシミュレートされた気候変動社会ジレンマの両面において, 情緒的エージェントベース・モデリングを応用することを提案する。 私たちは、感情的なMLを利用することで、介入をより強力なツールにし、緩和行動が広く採用されるようになることを期待しています。
  論文  参考訳（メタデータ） (2020-11-24T23:34:54Z)

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。