使用主题模型和情感分析评估技术合法性——以德国风能为例

德国风电技术合法性评估

#

🔼 这篇文章通过分析2009年至2018年间德国四家主要报纸上关于风能的报道，探讨了风能技术在德国的合法性问题。研究运用了主题模型和情感分析等自然语言处理技术，深入挖掘了媒体报道中风能的各种议题及其情感倾向，从而揭示了风能技术在德国社会和政治语境中的演变。文章的核心观点是，技术合法性是一个动态过程，受到社会规范、价值观念、法规政策以及利益相关者参与等多重因素的影响。研究发现，最初，风能作为一种可再生能源，在应对气候变化和能源转型方面获得了广泛的认可，其技术合法性主要体现在认知层面，即公众普遍认同风能的目标和作用。然而，随着风电项目的大规模推进，环境影响、健康问题以及景观破坏等负面效应逐渐凸显，导致社会规范层面的冲突日益加剧，并引发了广泛的法律诉讼和公众抗议，尤其是在地方层面。此外，研究还指出，电力价格上涨和利益分配不均等问题损害了利益相关者的切身利益，使得风能在实际应用中面临着越来越多的挑战。文章还强调，媒体在塑造技术合法性方面发挥着关键作用，通过有选择地突出某些方面的信息，媒体能够影响公众对风能的认知、情感和态度。文章最终得出结论，风能在德国的合法性正受到多方面的挑战，尤其是在地方层面。虽然风能作为低碳能源的地位仍然得到认可，但其负面影响以及利益相关者参与不足等问题必须得到重视。政策制定者和项目开发者应通过增加公民参与、公平分配利益等措施，来解决实际操作层面上的问题。此外，研究方法也值得关注，通过自然语言处理技术，能够有效地分析大量文本数据，从而为社会科学研究提供新的视角和方法。

文本分析流程图

#

🔼 该图为一篇学术论文中描述文本分析流程的示意图。它清晰地展示了从原始新闻数据到最终分析结果的完整过程，主要分为预处理（pre-processing）和文本建模（text modelling）两个阶段。在预处理阶段，首先从四个新闻来源（Newsp1-4）收集数据，这些数据随后经过一系列清洗步骤，包括删除重复项、无关内容和序言等。接下来，对文本进行词性标注和词形还原，为后续的文本分析做好准备。经过这些处理，形成一个标准化的语料库（corpus）。此语料库再经过简化，去除不必要的词语，形成缩减语料库（reduced corpus），作为后续文本建模的基础。在文本建模阶段，首先确定模型的结构规范（Model structure specification）。然后，使用结构性主题模型（Structural topic modelling）对缩减语料库进行建模，模型评估结果用于决定是否满足要求。若不满足，需要调整模型并再次进行评估。如果模型评估通过，则进行验证和标记（Verification/Labelling）。最后，从模型中提取信息进行时间序列分析、相关性分析和情感分析，从而得出研究结果。整个流程图以一种简洁明了的方式，展示了自然语言处理技术在社会科学研究中的应用。通过明确的数据预处理和模型构建步骤，该图强调了文本分析的严谨性和可重复性。这种流程化的方法有助于研究者系统地分析大量的文本数据，并从中提取有意义的结论。图表逻辑清晰，每个环节紧密相连，整体呈现出一个闭环式的分析流程，表明研究的完整性和系统性，这对于学术研究来说至关重要。图表表达清楚，为读者理解文章内容和研究方法提供了重要的视觉辅助。

技术合法性维度与主题匹配

#

🔼 该图为概念框架图，展示了技术合法性的四个维度（认知、规范、监管和务实）与三个上下文结构（社会政治环境、能源供应系统和风能产业）之间的关系，用于分析德国风能的合法性。图中棕色圆点代表了不同主题，它们在不同的维度和上下文中被认为与机构的（不）一致性相关。该图的目的在于说明如何将通过结构主题模型分析识别出的特定主题与技术合法性的理论框架相匹配。

上下文结构部分，社会政治环境主要涉及社会规范、价值观、公众认知等因素，包括地方冲突、环境影响、文化影响等方面。能源供应系统关注的是能源生产、分配和消费，重点在于成本、效率、安全以及政策框架。风能产业则聚焦于市场、技术、经济等角度，包括投资、创新、公司业绩等方面。

技术合法性维度部分，认知合法性指的是对技术目的和作用的理解程度；规范合法性涉及的是技术与社会价值观、道德标准的契合度；监管合法性关注的是技术是否符合既有的法规和标准；务实合法性则考察技术是否符合利益相关者的个人利益和参与度。图中圆点表示在特定维度和上下文中发现的，与风电技术合法性相关的具体主题。棕色横线表明某些主题可能跨越多个合法性维度，表明这些主题在多个层面上影响着风能的合法性。

例如，与环境影响相关的主题（如风力涡轮机对人类和动物的影响）可能同时涉及规范维度（社会价值观）和监管维度（环境法规）。与成本和电力价格相关的主题可能与能源供应系统和务实维度相关，影响公众的自我利益和参与度。此图旨在为研究人员提供一个结构化的框架，以系统地分析媒体报道中风能的合法性，以及识别可能影响公众接受度的关键因素。通过将主题映射到不同的合法性维度和上下文结构中，可以更深入地理解风能技术在德国的合法性挑战和机遇。

德国风能相关文章数量与装机容量

#

🔼 该图表展示了2009年至2018年间德国风能相关文章的数量变化趋势，并与风能、海上风能、太阳能和沼气等能源的装机容量数据进行了对比。文章数量以每月为单位统计，装机容量则以吉瓦（GW）为单位。图中蓝色线代表每月风能相关文章的数量，可以看到，从2009年到2014年，媒体对风能的关注度相对稳定，平均每月发布约100篇相关文章。在2014年之后，文章数量显著下降，并在2017年短暂回升后再次下降。图中其他颜色的线代表各种能源的装机容量，可以看出，风能（红色线）和海上风能（蓝色线）的装机容量在此期间呈现持续增长的趋势，而太阳能（绿色线）和沼气（粉色线）的增长相对缓慢。此外，图中还用蓝色阴影区域标示了德国可再生能源法案（EEG）的主要修订时间点，可以明显看出，这些政策变化对媒体的关注度和风能装机容量都产生了影响。例如，2012年和2014年的EEG修订，可能导致了媒体关注度的波动。从整体上看，虽然媒体对风能的关注度在2014年后有所下降，但风能和海上风能的装机容量却在持续增加，这表明德国在风能领域的投资和发展仍在继续。然而，媒体关注度的下降可能预示着公众对风能的兴趣或认知发生了转变，需要进一步分析原因。该图表对了解德国风能发展趋势，以及政策和媒体关注之间的关系具有重要参考价值，为研究德国能源转型和公众认知提供了数据支撑。

主题相关性网络图

#

🔼 该图展示了论文中通过结构主题模型（STM）识别出的44个主题之间的相关性网络。图中每个节点代表一个主题，节点的大小表示该主题在文章中的平均占比，颜色则代表该主题所属的上下文环境：蓝色表示能源供应系统，红色表示社会政治环境，青色表示风能产业。节点间的连线表示主题之间的相关性强度，连线越粗，相关性越高。该图的主要目的是揭示不同主题如何在文章中相互关联，以及它们在不同的上下文环境中如何分布，为深入理解风能在德国的接受度提供基础。从整体布局来看，图中的主题可以被划分为三个明显的群组，每个群组内部的主题之间具有较强的关联性。例如，能源供应系统（蓝色）群组内的主题主要围绕能源政策、电力价格和能源转型等议题，反映了风能在能源系统中的作用及其所受的政策影响；社会政治环境（红色）群组内的议题则涉及风能项目的地方冲突、法律纠纷以及风能对人类和动物的影响，揭示了风能发展所面临的社会接受度挑战；而风能产业（青色）群组则侧重于风能市场的经济发展，包括投资、公司重组以及国际合作等。通过分析这些主题之间的关联性，我们可以理解风能这一主题在德国社会语境中是如何被多维度讨论的，从而识别出影响风能技术合法性的关键因素。例如，‘法律冲突与立法’主题与社会政治环境的其他主题高度相关，这暗示了风能项目在地方层面面临的法律和政治障碍。‘风力涡轮机对人类和动物的影响’与’区域冲突’也高度相关，揭示了环境和社会影响是地方层面冲突的重要驱动因素。此外，‘电价和可再生能源附加费’主题与能源供应系统的其他主题高度相关，这表明了能源成本和经济因素在风能政策制定中的重要性。总体而言，这张图提供了风能议题在不同上下文环境中的复杂相互作用，支持了论文关于技术合法性是多维度且动态变化的论点。对该图的深入分析可以帮助政策制定者和行业参与者更好地理解和应对风能发展所面临的挑战，从而促进可持续能源转型的顺利进行。

不同背景下风力发电的预期普及率

#

🔼 该图表展示了2009年至2018年期间，在德国的报纸文章中，三个不同背景（社会政治环境、风力发电产业以及能源供应系统）下，关于风力发电的预期普及率。图中的普及率是通过样条模型进行建模的，阴影区域表示模型的不确定性。

首先，从整体趋势来看，社会政治环境在整个时期内呈现出逐渐上升的趋势。在2009年，其普及率约为0.26，到2018年则增长至0.38左右。这表明，随着时间的推移，社会政治环境逐渐成为讨论风力发电问题的重要背景。另一方面，能源供应系统在2009年至2014年期间的普及率较高，约为0.4，但在之后呈现下降趋势，到2018年下降至0.28左右。这可能反映出初期人们更关注风力发电在能源转型中的作用，而后期则更多关注社会政治因素。风力发电产业的普及率在整个时期内则较为平稳，基本保持在0.3上下波动，并在2017年以后呈现微弱下降趋势。

具体来看，能源供应系统在2010年至2015年间经历了显著的波动，这与政府宣布德国能源转型有关，而之后逐渐平缓下降。社会政治环境则在2014年后成为关注的重点。在2014年左右，三种环境的普及率曲线交汇，表明当时多种因素共同影响了对风力发电的讨论。2017年后，社会政治环境呈现明显的上升趋势，表明公众对风力发电项目的社会和政治影响越来越关注，这也可能与地方冲突和法律诉讼的增加有关。图中阴影区域代表模型预测的不确定性范围，在2012年后，不确定性降低。

总之，此图通过量化的方式呈现了风力发电在德国不同背景下的讨论趋势，揭示了从能源供应到社会政治因素转变的讨论重点，并清晰地展示了风力发电在不同背景下所受到的关注程度的演变。

所有主题的情感和加权情感

#

🔼 该图表分为两个子图，分别展示了所有主题的情感分布和加权情感随时间的变化趋势。子图 (a) 是一个箱线图，展示了所有44个主题的情感极性分布。每个红点代表一个主题，箱体表示情感值的主要分布范围，中间的横线是中位数，菱形是均值。图表显示，大部分主题的情感值集中在 0 附近，但也有一些主题的情感值明显为负，表明这些主题的讨论倾向于负面情绪。子图 (b) 呈现了加权情感随时间变化的趋势，蓝线代表包含所有主题的加权情感变化，红线则排除了“Prokon破产”(#5) 这个特定主题的影响。两者的趋势都显示，从 2009 年到 2014 年左右，情感值呈现下降趋势，表明这段时期报纸对风能的报道情绪逐渐变得负面。2014 年之后，排除 Prokon 破产事件影响的红线显示情感值有小幅回升的趋势，而包括该事件的蓝线则波动性更大。图表中，每一个黑点代表一个数据点，阴影区域则显示趋势线的不确定性范围。这个分析揭示了，在考察风能的舆论时，特定的事件（如 Prokon 破产事件）会对整体情感产生显著影响。此外，情感的整体趋势显示，在 2014 年之前，风能相关报道的负面情绪逐渐积累，之后虽然有所缓解，但整体基调依然偏负面，这与文章中提到的风能合法性挑战相符。图表的分析结果，可以帮助我们理解媒体如何构建风能的公共认知，以及这种认知如何随时间演变，从而支持或削弱风能的社会合法性。

各领域加权情感随时间的变化

#

🔼 该图展示了2009年至2018年期间，在德国四家全国性报纸上，与风能相关的三个主要领域（社会政治环境、风能产业和能源供应系统）的加权情感随时间的变化趋势。加权情感是通过将每个主题的情感得分（取值范围为-1到1）乘以该主题在该时间点的文章中的平均出现频率（即流行度）来计算的。图中的点代表每个月度数据，而平滑的曲线则通过局部加权散点平滑（LOESS）模型拟合而成，阴影区域表示95%的置信区间。从图中可以观察到几个关键趋势：首先，社会政治环境领域（红色）的加权情感整体呈下降趋势，表明公众对风能在社会政治层面的看法逐渐负面。这可能与风电项目对当地社区、环境以及法律诉讼等负面影响有关，这些内容在文章中日益增多。其次，风能产业领域（蓝色）的加权情感波动较大，整体趋势较为平稳，在2014年左右显著下降，随后略有回升，但总体保持在较低水平。这可能反映了风能产业在技术进步、市场竞争和政策调整等方面的动态变化。最后，能源供应系统领域（深蓝色）的加权情感在2013年左右达到最低点，随后有所上升，但整体上一直处于负值区域，表明与能源供应相关的成本、可靠性和基础设施建设等问题仍然是公众关注的重点。总体而言，该图突出了风能技术在德国的复杂性。尽管风能被认为是能源转型的重要组成部分，但其社会政治和经济方面的挑战日益突出。加权情感的变化表明，公众对风能的看法随着时间和具体问题的发展而变化，同时也揭示了新闻媒体在塑造公众认知中的作用。因此，该图对于理解风能技术在德国的社会接受度，以及政策制定者如何应对不同维度的挑战具有重要意义。

风电相关话题关联图

#

🔼 该图展示了论文中通过结构主题模型(STM)分析得到的不同主题之间的相关性。图中每个节点代表一个主题，连线的粗细表示主题之间的相关性强度。颜色较深的节点（如红色）可能表示与冲突或争议相关的议题。左图侧重展示了“法律冲突与立法”（#33）与其他议题之间的关联，可以看到，“法律冲突与立法”与“风力涡轮机对人类和动物的影响”（#28）、“区域冲突与风电项目”（#3）以及“联邦能源政治”（#34）等议题紧密相连。这表明在风电发展过程中，法律法规、动物保护以及国家政策等问题存在着高度的交织与关联，突显了风电发展中政策、环境、社会等多方面因素的复杂性。右图则以“区域冲突与风电项目”(#3)为中心，展示其与“风力涡轮机对人类和动物的影响”（#28）、“风力涡轮机与物理环境的相互作用”（#37）以及“区域选举和联盟”（#21）等主题的关联。图示表明，地方层面的风电项目冲突与风力涡轮机对环境的影响以及地方选举政治密切相关。整体来看，这张图表呈现了风电议题中，议题之间不是孤立存在，而是相互影响、相互作用的。特别是，法律冲突、地方政治、环境影响等问题是理解风电发展及其社会影响的关键因素。这些连接不仅突显了风电项目在实施过程中可能引发的争议点，也为制定更全面、更平衡的能源政策提供了重要启示。通过此图可以看出，风电的推进不仅是能源技术问题，更是复杂的社会问题，需要综合考虑各方利益和影响。