大语言模型辅助的国际气候新闻框架识别与传播分析

将传播框架理论转为五维代码本，对国际气候新闻比较四种大模型编码策略，并结合原文证据分析媒体叙事差异。

• 技术与任务大模型与智能体 · 自然语言处理 · 统计与数据分析
• 应用方向信息与人工智能 · 经管与人文社科 · 能源与环境

项目亮点

• 传播理论如何变成可执行规则
• 证据优先策略为什么有用
• 媒体差异如何回到样本解释

数据与任务

同样报道气候变化，不同媒体可能强调风险、责任或解决方案。这个项目从传播理论出发，研究怎样用统一代码本让大语言模型辅助文本编码，再回到新闻原文解释媒体差异。

先说清楚，它到底在做什么

语料覆盖 Global Voices 与 Mongabay 在 2021—2025 年的 400 篇英文气候新闻。代码本将问题界定、责任解释、价值评价、行动建议与跨文化受众适配操作化，120 篇参考样本用于策略比较。

搞懂它，你能在面试里讲清楚什么

传播理论如何变成可执行规则

每个维度需要定义类别、判断条件与例子，再要求模型按固定结构返回判断。这样才能检查不同文章是否遵循同一规则，并追踪分歧来自概念还是文本理解。

证据优先策略为什么有用

先定位原文证据，再给出框架判断，使编码过程可阅读、可核对。实验同时评价分类一致性、输出结构和证据定位；引文能定位到原文与引文语义上支持标签是两个需要分别理解的问题。

媒体差异如何回到样本解释

代码本引导的五维平均 Macro-F1 为 0.342，证据优先策略结构化成功率为 95.8%。样本统计呈现 Global Voices 更强调风险后果、Mongabay 更强调解决行动；参考标签尚未完成双人独立重叠编码，结论按项目样本口径解释。

怎样阅读实验与配图

方法图说明理论、代码本和大模型的分工，结果图呈现策略比较与跨媒体分布。技术文档保留从编码规则到新闻案例的阅读路线，方便在答辩中解释统计发现背后的文本依据。

面试与答辩可以怎样准备

理论中的框架维度怎样转成清晰的标签规则？

分类一致性、结构化成功率与证据有效性分别衡量什么？

怎样避免把样本中的媒体差异直接推广到所有报道？

配套讲解材料围绕整体思路、关键步骤与结果解读展开，并提供面试问答与简历表达参考。准备时可以先按流程说明输入和输出，再选一个样例解释方法，最后用结果图回答具体问题。简历描述结合实际参与内容调整，配图可以放入 PPT 模板组织汇报。

配套资料

技术文档从任务背景、数据组织讲到模型与实验，再结合图表解释结果，包含面试问答和项目表达参考。下面展示正文选页，便于了解讲解内容与图文组织。

代码覆盖数据处理、核心方法和实验分析。下面是实际源码中的关键函数节选，可以结合文档中的流程与公式阅读，再沿输入、计算与输出理解具体实现。

适合谁

新闻传播、国际传播、环境传播与计算社会科学方向。 项目资料可用于学习、选题交流与面试答辩准备；沿着数据、方法、实验和解释逐步掌握，形成能够独立讲清楚的项目经历。