Ricerca scientifica in ambito sociale/Le attività umane come causa del cambiamento climatico

La fonte https://pmc.ncbi.nlm.nih.gov/articles/PMC11445540 dal titolo The International Climate Psychology Collaboration: Climate change-related data collected from 63 countries" descrive uno studio internazionale sulla psicologia del cambiamento climatico, che ha coinvolto 59.508 partecipanti provenienti da 63 paesi. Lo studio svolto tra luglio 2022 e luglio 2023 persegue la necessità di comprendere meglio la psicologia del cambiamento climatico, quindi le varie credenze delle persone, il loro supporto per le politiche climatiche e la volontà di agire a livello individuale tra i vari paesi, ed è consistito nel sottoporre le persone a un questionario con risposte multiple.

E' possibile scaricare il dataset con le risposte dei partecipanti da OSF qui: https://osf.io/ytf89/files/osfstorage .

Le variabili del questionario somministrato agli intervistati, che verrano esaminate in questo report sono: età (Age), istruzione (Education.2 con i valori primaria, secondaria, terziaria, dottorato/master, nessuna risposta), orientamento politico (Politics2_1 con un valore compreso tra 0 e 100 con valori alti di destra, valori bassi di sinistra, valori medi di centro) e la risposta alla domanda : "Quanto ritieni che questa affermazione sia accurata? - Le attività umane stanno causando il cambiamento climatico" (Belief.in.CC_1 con un valore compreso tra 0 e 100).

Istruzione

Le persone con istruzione terziaria (laurea) o con dottorato/master credono maggiormente che le attività umane stanno causando il cambiamento climatico ma il 4,66% dei laureati nel campione e il 4,13% dei dottorati non ci crede!

#Caricamento dati e librerie
library(dplyr)
data_notimers <- read.csv("data_notimers.csv")

data_notimers$Education.2 <- factor(data_notimers$Education.2, levels = c(1,2,3,4,5), labels = c("Primaria","Secondaria","Terziaria","Dottorato/Master","No risposta"))

df <- data_notimers[-which(is.na(data_notimers$Education.2)),]

df %>%
  group_by(Education.2) %>%
  summarise(media=mean(Belief.in.CC_1, na.rm=TRUE)) %>%
  arrange(desc(media))

Education.2        media
1 Terziaria         79.0
2 Dottorato/Master  78.5
3 Primaria          78.3
4 Secondaria        76.0
5 No risposta       71.3

df2<-data_notimers %>%
  filter(Education.2=="Terziaria")

out<-boxplot(df2$Belief.in.CC_1, plot = FALSE)$out
round(length(out)*100/nrow(df2),2)

[1] 4.66

Orientamento politico

Le persone di sinistra credono maggiormente che le attività umane stanno causando il cambiamento climatico ma il 7,3% nel campione non ci crede assieme al 4,29% a destra!

politica <- rep(NA,nrow(data_notimers))
politica[data_notimers$Politics2_1>=70] <-"Destra"
politica[data_notimers$Politics2_1>35 & data_notimers$Politics2_1<70] <-"Centro"
politica[data_notimers$Politics2_1<=35] <-"Sinistra"

data_notimers$politica <- politica

df <- data_notimers[-which(is.na(data_notimers$politica)),]

df %>%
  group_by(politica) %>%
  summarise(media=mean(Belief.in.CC_1, na.rm=TRUE)) %>%
  arrange(desc(media))

politica    media
1 Sinistra  85.2
2 Centro    75.7
3 Destra    75.1

df2<-data_notimers %>%
  filter(politica=="Sinistra")

out<-boxplot(df2$Belief.in.CC_1, plot = FALSE)$out
round(length(out)*100/nrow(df2),2)

[1] 7.3

Età

Al crescere dell'età diminuiscono gli intervistati che ritengono il cambiamento climatico causato dalle attività umane .

age_group <- rep(NA,nrow(data_notimers))
age_group[data_notimers$Age>=51] <-"Età Alta"
age_group[data_notimers$Age>25 & data_notimers$Age<51] <-"Età Media"
age_group[data_notimers$Age<=25] <-"Età Bassa"

data_notimers$age_group <- age_group

df <- data_notimers[-which(is.na(data_notimers$age_group)),]

df %>%
  group_by(age_group) %>%
  summarise(media=mean(Belief.in.CC_1, na.rm=TRUE)) %>%
  arrange(desc(media)

age_group    media
1 Età Bassa  82.4
2 Età Media  78.1
3 Età Alta   73.5

Differenze tra gli Stati

Gli USA nel campione sono agli ultimi posti nel ritenere l'uomo responsabile del cambiamento climatico

df %>%
  group_by(country) %>%
  summarise(media=mean(Belief.in.CC_1, na.rm=TRUE)) %>%
  arrange(desc(media)

country                media
 1 philippines         92.3
 2 portugal            92.2
 3 tanzania            92.1
 4 ghana               90.4
 5 kenya               89.0
 6 uganda              88.7
 7 turkey              88.2
 8 srilanka            88.1
 9 uruguay             88.1
10 chile               87.9
11 brazil              87.1
12 mexico              86.8
13 gambia              86.5
14 india               86.2
15 china               86.0
16 vietnam             85.1
17 nigeria             85.0
18 italy               84.9
19 peru                84.6
20 ecuador             84.2
21 canada              84.2
22 armenia             83.4
23 czechia             83.3
24 ukraine             83.2
25 southafrica         82.6
26 serbia              82.2
27 romania             82.1
28 venezuela           81.5
29 northmacedonia      81.4
30 southkorea          80.8
31 algeria             80.7
32 spain               80.7
33 ireland             80.5
34 singapore           80.5
35 taiwan              80.0
36 thailand            79.8
37 bulgaria            79.6
38 france              78.9
39 switzerland         78.3
40 morocco             78.2
41 poland              77.9
42 uk                  77.6
43 unitedarabemirates  77.0
44 sudan               76.3
45 russia              76.2
46 greece              76.2
47 slovenia            75.7
48 finland             75.6
49 netherlands         75.6
50 australia           75.2
51 germany             74.8
52 denmark             74.1
53 japan               73.9
54 sweden              73.8
55 newzealand          73.6
56 latvia              73.3
57 austria             73.2
58 slovakia            73.1
59 belgium             72.9
60 israel              72.0
61 norway              71.1
62 usa                 69.6
63 saudiarabia         69.5