Key points are not available for this paper at this time.
Zweck: Fehlinformationen rund um die Ziele für nachhaltige Entwicklung (SDGs) haben zur Bildung von Fehlvorstellungen in der Öffentlichkeit beigetragen. Ziel dieses Papiers ist es, das öffentliche Sentiment und die Fehlvorstellungen zu den SDGs auf der YouTube-Plattform zu untersuchen. Design/Methodik/Ansatz: Die Autoren extrahierten 8.016 Kommentare aus YouTube-Videos, die mit SDGs verbunden sind. Die Autoren verwendeten eine vortrainierte Python-Bibliothek NRC-Lexikon für Sentiment- und Emotionsanalysen und zur Extraktion latenter Themen verwendeten sie BERTopic für die Themenmodellierung. Ergebnisse: Die Autoren fanden acht Emotionen, wobei Negativität Positivität überwiegt, in der Kommentarspalte. Außerdem identifizierten die Autoren die 20 wichtigsten Themen, die verschiedene SDGs und damit verbundene Fehlvorstellungen diskutieren. Praktische Auswirkungen: Die Autoren berichteten über Themen, die mit öffentlichen Fehlvorstellungen über SDGs und zugehörigen Keywords in Verbindung stehen. Diese Keywords können verwendet werden, um Strategien zur Moderation von Inhalten in sozialen Medien zu formulieren, um Inhalte herauszufiltern, die diese Fehlvorstellungen erzeugen. Das Ergebnis der hierarchischen Clusterbildung kann verwendet werden, um Reaktionsstrategien der Regierungen und politischen Entscheidungsträger zu entwickeln und zu optimieren, um öffentlichen Fehlvorstellungen entgegenzuwirken. Originalität/Wert: Diese Studie stellt einen ersten Versuch dar, ein tieferes Verständnis der Fehlvorstellungen der Öffentlichkeit bezüglich SDGs zu gewinnen. Die Autoren identifizierten neuartige Fehlvorstellungen über SDGs, die in der vorherigen Literatur nicht untersucht wurden. Darüber hinaus führen die Autoren einen Algorithmus BERTopic zur Themenmodellierung ein, der die Transformatorarchitektur für kontextbewusste Themenmodellierung nutzt.
Verma et al. (Sun,) untersuchten diese Frage.