公众对核能的态度及可持续性认知：来自中国社交媒体数据挖掘的证据

《Energy Strategy Reviews》：Public attitudes and sustainability perceptions towards nuclear power: Evidence from Chinese social media data mining

中国公众对核能的动态态度及可持续性感知研究，基于微博多模态数据，提出融合深度学习与主题模型的分析框架。研究发现，公众正态度多源于环境效益讨论，负态度则与核辐射风险等议题相关，且存在单向因果关系：公众态度影响可持续性感知。方法创新包括构建3000维文本嵌入与2048维图像嵌入，采用CNN模型实现多模态分析，结合LDA主题建模揭示"绿色发展"与"核辐射"等核心议题，并通过Granger因果检验证实态度对感知的驱动作用。研究为能源政策制定提供数据支持。

　　核能作为一种重要的清洁能源，其在应对全球气候变化和实现能源安全方面具有关键作用。然而，核能的公众态度却呈现出复杂的动态变化，这种变化不仅受到技术发展和政策导向的影响，还与公众的感知、信任以及社会事件密切相关。本文通过构建一个跨模态分析框架，结合深度学习驱动的情感分析和主题建模技术，探讨了中国公众对核能的情感变化及其可持续性认知的演变。这一研究旨在揭示公众态度如何在核能议题中被塑造，并进一步分析公众情感与可持续性认知之间的因果关系，为政策制定者提供数据支持，以制定更有效的沟通策略。

在中国，核能发展迅速，已成为国家能源战略的重要组成部分。政府通过政策支持和经济激励，推动了核能技术的广泛应用，使其在全球核能运营中占据重要地位。然而，尽管核能被视为一种低排放、可持续的能源选择，公众对其态度却并非单一。研究发现，公众情感呈现出两极分化，一方面，对核能的环保效益和科技发展的认可推动了正面情绪；另一方面，对核能安全性和政府管理的信任缺失则引发了负面情绪。这种复杂的情感结构表明，仅依靠静态分析难以全面理解公众对核能的态度，因此需要一种能够捕捉动态变化的分析方法。

为了深入研究公众对核能的情感变化，本文采用了深度学习技术，构建了一个跨模态情感分析模型。该模型结合了文本和图像数据，能够更全面地反映公众对核能的看法。通过对社交媒体平台“微博”上的用户生成内容（UGC）进行数据挖掘，研究者收集了大量与核能相关的微博数据，并利用深度学习算法对这些数据进行了情感极性预测。研究发现，该模型的预测准确率达到92.6%，能够有效识别公众对核能的正面和负面情绪。此外，通过对情感变化的动态分析，研究者发现公众情绪在特定事件后会出现显著波动，例如核泄漏事故和核废水排放等，这些事件往往引发公众对核能安全性的担忧，进而影响其可持续性认知。

公众对核能的可持续性认知不仅受到情感的影响，还与社会、经济和环境等多个维度相关。通过主题建模技术，研究者识别出多个关键主题，这些主题反映了公众对核能的不同看法。在正面情感的微博中，公众更关注“绿色发展”、“国际合作”、“新能源”、“核能产业”、“核电站”、“科技发展”和“科学普及”等话题，这些话题强调了核能的环保优势和科技进步带来的希望。而在负面情感的微博中，公众则更多关注“食品安全”、“核辐射”、“核治理”、“核污染”、“核武器”、“公众抗议”和“国际反对”等议题，这些话题突显了公众对核能潜在风险的担忧。

此外，研究还发现公众在不同性别中的参与模式存在显著差异。女性用户在负面情绪的微博中更倾向于关注核辐射等风险性话题，而男性用户则更关注核污染和国际反对等议题。相反，在正面情绪的微博中，女性用户更积极参与“科学普及”和“核能产业”的讨论，而男性用户则更关注“国际合作”和“新能源技术”的发展。这种性别差异在风险感知的研究中已有相关理论支持，进一步验证了公众情感与性别在核能议题中的互动关系。

为了揭示公众情感与可持续性认知之间的因果关系，研究采用了格兰杰因果分析（Granger Causality）和脉冲响应函数（IRF）进行实证分析。结果显示，公众情感是可持续性认知的格兰杰原因，而中国二氧化碳排放量则对可持续性认知产生一定的影响。这一发现表明，公众情感不仅会影响其对核能可持续性的看法，还可能通过社会互动和媒体报道，对整体社会对核能的态度产生深远影响。因此，政策制定者在推广核能时，需要充分考虑公众情感的动态变化，并通过有效的沟通策略，增强公众对核能技术的信任，从而促进其可持续发展。

研究还指出，公众对核能的可持续性认知并非静态，而是随着时间的推移不断变化。在核能相关事件发生后，公众的情感和认知会出现明显的波动，这表明社会媒体上的公众讨论对核能政策的制定具有重要参考价值。通过分析这些动态变化，政策制定者可以更好地理解公众情绪的演变过程，并据此调整宣传策略，以缓解公众对核能的担忧，提升其对核能可持续性的认可。

尽管本文的研究提供了重要的实证证据，但仍然存在一些局限性。首先，研究仅基于“微博”平台的数据，可能无法全面反映中国公众对核能的整体态度。其次，由于“微博”平台上缺乏系统的用户信息验证机制，研究结果可能受到数据真实性的影响。此外，研究未能深入探讨不同年龄群体对核能议题的参与差异，这可能限制了研究结果的普适性。未来的研究可以考虑采用多平台数据对比分析，以提高研究的广泛适用性。同时，可以引入更先进的数据验证机制，以增强研究的可靠性和准确性。

总的来说，本文通过构建一个跨模态分析框架，结合深度学习和主题建模技术，深入探讨了公众对核能的情感变化及其可持续性认知的动态演变。研究发现，公众情感在核能议题中扮演着关键角色，其变化不仅受到具体事件的影响，还与社会、经济和环境因素密切相关。此外，研究还揭示了公众情感与可持续性认知之间的因果关系，为核能政策的制定提供了重要的理论支持和实践指导。通过这一研究，我们不仅能够更好地理解公众对核能的态度，还能够为未来能源政策的制定提供科学依据，推动核能在全球范围内的可持续发展。