National Repository of Grey Literature 2 records found  Search took 0.01 seconds. 
Discourse on Future in Politics, Media, and Ecological Activism
Simon, Michal ; Zmrzlá, Petra (referee) ; Kotásek, Miroslav (advisor)
Tato práce se zaměřuje na diskurz o budoucnosti týkající se extrémních výkyvů počasí a klimatických změn. Pomocí diskurzivní analýzy zkoumá, jakým způsobem je budoucnost predikována v politickém a mediálním diskurzu a také v příspěvcích klimatických aktivistů na sociálních sítích. Analyzovaný politický diskurz obsahuje části projevu prezidenta Bidena a slyšení výboru Senátu Spojených států amerických. Mediální diskurz je ilustrován analýzami dvou článků ze zpravodajských médií a YouTube videa z kanálu magazínu The Economist. Zatímco analýza politického diskurzu v této práci zdůrazňuje rétorické prvky, modalitu a persvazi, analýza mediálního diskurzu se zaměřuje i na senzacionalismus v nadpisech článků a obrázcích. Prostředky, jako jsou například rétorika, modalita a senzacionalismus, přispívají k ovlivňování a případné manipulaci publika. Cílem této práce je posoudit, jak politici, média a klimatičtí aktivisté ovlivňují vnímání budoucnosti a jakou roli mohou mít při vyvolávání klimatické úzkosti.
The Effect of Scientific Argumentation on Climate Activism on Twitter
Bicanová, Jana ; Urban, Jan (advisor) ; Soukup, Petr (referee)
The aim of this thesis is to test the main principle of the Gateway Belief Model (GBM) on Twitter data, as suggested and experimentally validated by other authors. van der Linden et al. (2015 and 2019). The GBM predicts that the perception of scientific consensus on anthropogenic climate change increases the probability of support for public action against or in favor of the mitigation of the climate change. In this work I analyse a random sample of 115,940,434 tweets gathered over the course of the first six months of 2020. The big data is pre-processed using unsupervised (Latent Dirichlet Allocation) and supervised (Naïve Bayes Classifier) machine learning algorithms in order to generate keywords for filtering environmentally themed tweets and to classify either absence or presence of the climate activism. Within the dataset, 5,857 environmentally themed tweets were detected, finding that only 94 out of them were explicitly linked to the message of scientific consensus about anthropogenic climate change. The harvested dataset proved to be unsuitable for testing the GBM, not only because of the small number of tweets which contain the message about 97 % of climatologists reaching the consensus, but also because the majority of these tweets deny the consensus and therefore, do not represent a...

Interested in being notified about new results for this query?
Subscribe to the RSS feed.