加拿大气候框架数据库：面向气候新闻框架分析的大规模双语标注语料库与自动化分类方法

《Scientific Data》：CCF Database: A Machine-Learning-Annotated Corpus of 283,964 Canadian Climate Articles (1978–2026)

　　

摘要

新闻媒体塑造了社会对气候变化的认知与应对方式，然而细粒度分析仍受制于语料碎片化与临时编码方案。加拿大气候框架数据库（CCF）通过大规模双语标注语料库与可推广的标注框架同时应对这两大问题。该数据库涵盖加拿大22家新闻机构的283,964篇气候相关文章（1978–2026年），处理为9,908,776个双句单元（83.4%英语，16.6%法语）。每个单元附带65个层级式二元标注，涵盖八个主要框架、行为主体、事件、解决方案、语气、地理区域及紧迫性，由128个基于4,000余条专家编码句子训练的BERT和CamemBERT分类器生成。相较于由独立标注员双重的1,000句金标准（Cohen’s κ = 0.596，Krippendorff’s α = 0.698，Gwet’s AC1 = 0.894），分类器达到0.866的总体宏平均F₁（平均各类别宏平均F₁ = 0.773），每个类别均标注A/B/C可靠性等级。该数据库——含句级标注、单篇聚合及六张关系表中10,192,740个BAAI/bge-m3嵌入——以Zenodo（CC-BY 4.0）公开发布，提供PostgreSQL版本与Apache Parquet镜像，由CCF观测站约每六个月更新一次。