這項研究比較了多種情感分析方法，包括手動編碼、自然語言處理工具（VADER、TEXT2DATA、LIWC-22）和ChatGPT 4.0，針對有關鴉片類藥物危機的YouTube評論進行分析。研究發現，LIWC-22在估算負面情感方面表現優異，而VADER在分類負面評論上最佳。自然語言處理工具與手動編碼的一致性一般，ChatGPT 4.0表現較差。建議使用VADER和LIWC-22來分析不平衡數據集，特別是負面情緒的情況下。 PubMed DOI

這項研究探討如何利用大型語言模型（LLM）分析媒體對中國的態度，以香港的《東方日報》為例。研究強調分析媒體數據集對理解公眾意見的重要性，並指出傳統方法常忽略隱性態度。研究使用Martin和White的框架來分類態度，並運用Meta的開源Llama2（13b）模型進行分析，針對40,000條與中國相關的表達進行量化。結果顯示，LLM能有效識別顯性和隱性態度，準確率約80%，與人類編碼者相當。研究也討論了實施過程中的挑戰及其解決策略。 PubMed DOI

這項研究探討了GPT-4及其變體在分析智利政治新聞中的應用，特別是從1,009篇文章中提取政治網絡。研究強調整合GPT-4的多種能力，如實體識別和情感分析，以分析政治關係。透過檢視「立法協議」，研究發現GPT-4識別的情感與政治家投票相似度有關。分析顯示，負面情感與較低的立法協議相關，且情感分析能顯著提升預測能力。整體而言，研究證實了GPT-4在政治網絡分析中的有效性。 PubMed DOI

這篇論文探討了不同時間和法域下氣候變遷政策的嚴格性挑戰，特別聚焦於中國的氣候治理，強調環境、經濟和社會目標的平衡。作者提出一個整合框架，運用詞彙、文本分析、機器學習及大型語言模型，量化1954年至2022年間中國的氣候政策嚴格性（PSCC）。為確保測量的有效性與可解釋性，結合思考鏈和SHAP分析，並檢視PSCC的多個子維度，最終建立一個反映政府氣候政策嚴格程度的數據集，供未來因果分析使用。 PubMed DOI

這項研究分析了2013至2023年間，美國十個政治多元城市的地方新聞媒體對警察的報導，特別是在針對黑人公民的警察暴力事件後。儘管公眾認為媒體對警察的批評變得更尖銳，研究卻發現批評程度其實相對穩定。雖然佛洛伊德被謀殺後，負面報導短暫增加，但並未造成持久變化。保守派和自由派城市的報導差異不大，顯示媒體未顯著迎合政治傾向。共和黨人認為新聞對警察支持較高，但兩派都認為批評程度未變。 PubMed DOI

這篇論文探討大型語言模型（LLMs）如ChatGPT在編輯用戶生成內容（UGC）時的意外影響，特別是情感變化。分析氣候變遷推文後發現，LLMs重述的推文通常情感更中立，這可能扭曲依賴UGC的研究結果。為了應對這些偏見，論文提出兩種策略：一是使用預測模型識別原始情感，二是微調LLMs以更好地對齊人類情感。整體而言，研究強調了LLMs對UGC情感的影響，並提供減少偏見的實用方法，確保情感分析的可靠性。 PubMed DOI

這項研究發現，澳洲人對氣候變遷的看法，堅定支持者和否認者都不太會改變想法，其他人則較願意接受新證據和可信來源。研究也證明，GPT在分析大量質性資料上很有效，對社會科學研究很有幫助。 PubMed DOI

這篇文章介紹一個全新資料集，收錄1995到2007年間美加激進環保團體的直接行動事件，資料來自團體原始報告。內容包含事件類型、日期、地點、目標及原文，還有彙整版方便統計分析，有助未來研究激進環保行動的成因和模式。 PubMed DOI

美國公共衛生協會年會的研究發現，近年來氣候變遷相關議題在公共衛生討論中不僅數量減少，主題也變得單一，主要聚焦在健康影響，像是熱傷害和心理健康，較少討論政策或人力資源。這顯示公共衛生領域需要加強能力，並更積極把氣候變遷納入核心議題，重視公平性。 PubMed DOI

**重點摘要（繁體中文）:** 這項研究測試大型語言模型是否能準確分析有關身心障礙權益的推文，特別是判斷情緒（正面/負面）以及辨識推文是反映社會觀點還是醫療觀點的身心障礙。研究使用了5,000則推文，結果顯示模型在這兩項任務上都有不錯的準確度。 PubMed DOI