🧒 初中生也能看懂的版本
① 研究背景（为什么要做？）
在德国，气候抗议已经成了政治争论的中心话题之一。从“星期五为了未来”的校园罢课，到“最后一代”把自己粘在马路和机场跑道上，街头行动的画面几乎每天都会出现在手机屏幕上。短视频平台是德国政客近年重点经营的阵地，他们既发视频，也亲自在评论区里和用户互动。可是过去研究气候抗议和对立情绪，大多盯着推特，对短视频平台关注很少。更麻烦的是，平台上的争吵不只看谁说了什么，还要看谁被点赞、谁被围攻、谁的支持者抱成一团。作者想补上这一块：把政客的视频和下面的用户评论放在一起看，弄清气候抗议话题在短视频平台上到底怎样分裂，又是谁从中得利。政客不只是发帖的人，他们还会出现在评论区，既像内容生产者，又像话题的把关人，这种双重身份过去很少被同时考察。
② 研究问题（要回答什么？）
这项研究想弄清楚，德国政客在短视频平台上谈论气候抗议时，对立到底有多深，又以什么形式出现。作者把问题拆成四步。第一步看政客用了哪些说法，比如呼吁气候行动、为抗议者辩护、否认气候变化的必要性，或者把抗议者说成极端分子和罪犯。第二步看这些说法和政党立场有没有关系，左翼、保守派和极右翼是不是各说各话。第三步看用户的支持行为会结成什么样的网络，是各自抱团，还是有一方压过另一方。第四步看同一句话在不同阵营的评论区里，会得到支持还是招来攻击。作者还想知道，抗议方式越激烈，是不是就必然带来更深的对立，还是说真正的推手另有其人。这四个问题不是并列的清单，而是从政客说了什么，一步步走到用户如何回应，试图把内容和关系放在同一条链上看。
③ 研究方法（怎么做的？）
研究者把德国政客在短视频平台上发布的视频和下面的评论一起收集起来分析。起点是一份包含三千一百多名各级政客的公开名单。作者找出其中发过气候抗议内容的五百六十个账号，共拿到一千六百多条视频，时间从二零二二年一月到二零二五年四月。视频先用语音识别转成文字，再按关键词分成三类：专门谈“星期五为了未来”、泛泛谈气候抗议，以及专门谈“最后一代”。接着，作者用一套包含十种说法的编码表，让大模型逐条判断视频里出现了哪些说法，并由两名研究者人工核对。评论部分共五万多条，同样交给大模型判断是支持、喜爱、反对、憎恨还是中立。最后，作者把“谁支持了谁的视频”当成连线，画出用户网络，再用回归模型看不同阵营对同一说法的反应。为了避免少数活跃用户刷屏影响结果，模型还给每位用户的评论按数量加了权重。
④ 结果（发现了什么？）
最醒目的发现是，极右政客和他们的支持者几乎主导了整场讨论。先看视频内容：谈“星期五为了未来”时，约一半视频在呼吁气候行动或为抗议者辩护，只有百分之九把抗议者说成极端分子或罪犯；谈“最后一代”时，超过八成视频在批评抗议者，其中百分之六十一直接把他们称作极端分子、杀人犯或罪犯。再看党派：左翼进步政客的视频九成以上在支持抗议，保守派和极右翼则九成以上在反对，极右翼对“最后一代”的反对比例高达百分之九十七。网络分析发现，极右账号只占用户约四分之一，却拿到约六成支持流量，而且保守派和极右翼在网络上几乎连成一片，中间没有明显分界。更关键的是，在跨阵营互动中，极右一方发出的仇恨和攻击性评论占了全部跨阵营评论的四成多，而左翼一方合计只有一成左右。
⑤ 讨论（这些发现说明什么？）
作者认为，这场讨论的对立并不只是由抗议方式决定的。表面上看，“最后一代”的堵路和粘跑道确实招来更多攻击，视频里的批评声也最响；但把党派和网络放在一起看，真正贯穿所有话题的是一条右翼攻击线。哪怕左翼政客只是温和地呼吁气候行动，也会在评论区遭到不成比例的反击。作者还提出一个有意思的观察：爱心表情看起来是友善的，但当它被用来给“抗议者是罪犯”这类视频点赞时，其实是在给攻击加油。也就是说，同样的表情符号，在阵营内部是抱团，在阵营之间就是敌意。作者把这种现象概括为右翼“连接性派系”的协同放大：政客负责定调，支持者负责转发、点赞和围攻，两边互相成就，最终把本来可以谈政策的讨论变成了身份对抗。换句话说，评论区里的敌意并不是偶发的情绪宣泄，而是被精英定调、被网络结构不断放大的结果。
⑥ 结论（最终结论 + 启示）
这项研究最后给出的判断是，气候抗议的线上讨论已经被极右网络单方面主导。作者提醒，不能把“大家不再吵了”当成好事。如果最后只剩下一个声音特别整齐的阵营，而反对者被挤得说不出话，那不是健康的协商，而是另一种更隐蔽的主导。对气候传播来说，这意味着只靠事实和温和呼吁很难扭转局面，因为攻击者争夺的不是政策细节，而是“抗议者是不是罪犯”这样的身份标签。作者建议继续研究跨平台的应对办法，因为这种有组织的网络攻击不只影响气候政策讨论，也会侵蚀更广泛的民主协商空间。作者也承认，样本从政客视频出发，不能代表整个平台，但这条从精英到受众的链条足以说明问题。后续研究还需要追问，什么样的平台规则和传播策略，才能让被压住的一方重新获得说话的空间。
🎓 专业 IRMaD 结构解读
I. Introduction（引言）
气候危机的政治化与气候抗议的战术分化，使社交媒体上的气候传播成为极化研究的关键场域。既有研究集中于 Twitter/X、Facebook 与博客，发现气候抗议讨论沿左右轴分裂为倡导者与反对者两个网络（Meyer, Pröschel et al., 2025; Meyer, Zerrer et al., 2026），但 TikTok 作为政客直接面向年轻受众、兼具内容生产与守门功能的平台，仍缺乏系统证据（Baran & Stoltenberg, 2023）。本文以德国为案例，比较三类抗议指涉——改革型的 Fridays for Future、泛化的气候抗议、破坏型的 Letzte Generation——并把政客视频与评论区用户立场联结为网络。研究贡献有三：其一，将 Discursive Polarization 操作化为说法、意识形态与网络互动三个可测量层次；其二，把大语言模型分类、Louvain 社区检测与聚类稳健 logistic 回归结合为一条可复用的流水线；其三，提出并检验右翼 Connective Faction 在 TikTok 上主导气候抗议辩论的假说。
I. Theoretical Framework & Hypotheses（理论框架与假设）
理论框架建立在 Brüggemann 与 Meyer（2023）的 Discursive Polarization 之上：极化不是单一的态度分布，而是说法层面的意识形态分歧、情感层面的群际敌意与互动层面的网络结构三者叠加。说法被理解为 Entman（1993）意义上的解释包，包含问题定义、因果归因与道德评价；当群体对“气候行动是否必要”“抗议者是否罪犯”这类事实前提失去共识时，意识形态极化即出现。互动层面借用 Bennett 与 Segerberg（2012）的 Connective Action：用户以个性化、可扩散的说法聚集为松散的支持网络；其反面是 Meyer 等（2025）的 Connective Counteraction，即有组织的反制网络；Knüpfer 等（2025）的 Connective Faction 则描述右翼精英与党派媒体生态协同生产叙事的紧密网络。由此提出四个研究问题（表 1）。
| 编号 | 研究问题 | 对应理论 |
|---|---|---|
| RQ1 | 改革型、破坏型与泛化气候抗议辩论中分别出现哪些说法 | 框架理论；Discursive Polarization 意识形态维度 |
| RQ2 | 政客意识形态与说法使用如何关联 | 气候态度的左右分野；非对称极化 |
| RQ3 | 评论区形成怎样的意识形态社区网络 | Connective Action / Connective Counteraction |
| RQ4 | 说法与社区归属如何塑造（情感性）评论互动 | 情感极化；群际接触与身份威胁 |
M. Materials & Methods（材料与方法）
- 样本与抽样：以 Abgeordnetenwatch.de 提供的 3,152 名联邦、州、地方及欧洲议会层级政客为抽样框，筛出 560 个发过气候抗议相关内容的 TikTok 账号，共 1,663 条视频（2022 年 1 月至 2025 年 4 月）。视频经 OpenAI Whisper 自动转写，并用三套运动词典（FFF、泛化气候抗议、LG）过滤；图 1 标注的转写计数为 FFF 765、泛化 673、LG 525。
- 说法编码：编码表含 10 类说法，5 支持、5 反对，演绎自 Meyer 等（2025）并通过对 100 条随机视频的归纳补充；支持侧为呼吁气候行动、末日场景、为抗议者辩护、呼吁破坏性行动、支持者呼吁口头或身体攻击；反对侧为否认或相对化气候行动必要性、否认气候变化、温和批评抗议者、把抗议者说成极端分子/杀人犯/罪犯、反对者呼吁口头或身体攻击。由 GPT-4o 逐条判断说法是否出现。
- 编码信度：两名人工编码者复核 200 条视频分类；60 条转写的编码者间 Krippendorff α=.79，LLM 分类相对人工的宏平均 F1=.86（附录 A2）。
- 意识形态分组：左翼进步（342 账号、1,002 条视频）、右翼保守（60、151）、极右与右翼边缘（155、501），见表 2；分组不区分主流与左翼，依据既有研究关于倡导者/反对者阵营的发现。
- 评论立场分类：53,076 条评论由 GPT-4.1 分为一般支持、情感支持（含爱心等非文本符号）、一般反对、情感反对/憎恨、中立或不清五类；提示词附带视频主题、发帖政党与视频已识别说法。500 条人工标注中，100 条双编码 α=.86，LLM 相对人工宏平均 F1=.80（附录 A4）。
- 网络构建：以“用户对某视频发表支持性评论”为有向边，节点同时包括发帖政客与评论者（N≈23,000），在 Gephi 中用 Louvain 算法做社区检测（Blondel et al., 2008），以加权入度衡量被支持程度，可视化时保留 k-core≥3。
- 回归模型：二值 logistic，因变量为评论表达（情感性）支持而非拒绝：
logit(p_ij) = β₀ + Σβ_k·Frame_k + γ·Group_i + Σδ_k·(Frame_k × Group_i)。以评论者为聚类单位估计稳健（三明治）标准误，并按每位用户评论总数的倒数加权，避免高频用户主导；系数转换为 OR，分组 OR 由主效应与交互项的线性组合求得，p 值经 Benjamini–Hochberg FDR 校正（附录 A5）。 - 跨组互动：在 Advocate 与 Antagonist 两社区之间，分析 N≈2,800 个账号对“对方阵营”视频的评论类型分布。
R. Results（结果）
- RQ1 说法分布：FFF 相关视频中 51% 含明确呼吁气候行动或为抗议者辩护，40% 含反对方框，仅 4% 否认气候变化、9% 把 FFF 说成极端分子/罪犯；泛化气候抗议中支持性说法占 56%，但极端/诽谤性说法升至 26%，政策型批评减少；LG 相关视频 81% 使用反对方框，61% 直接把抗议者说成极端分子、杀人犯或罪犯，仅 8% 为抗议者辩护、6% 呼吁气候行动。
- RQ2 意识形态分歧：左翼进步政客的说法九成以上为支持性（FFF 91%、泛化 91%、LG 约 66%）；右翼保守分别为 14%、10%、8%；极右与边缘仅 4%、6%、3%，对 LG 的反对比例达 97%。即便在 FFF 议题上，右翼保守也极少进入气候政策讨论。
- RQ3 网络结构：整体网络分裂为两个意识形态极，Louvain 社区与政党归属几乎完全重合。极右账号约占 28%、保守派约 8%、中左约 63%，但加权入度份额分别为 60%、12%、28%；保守派与极右之间不存在结构性边界，二者在同一网络中互相放大，极右占据最中心位置。
- RQ4 回归：同一说法在两社区得到相反反应（表 3）。把抗议者说成极端分子只在 Antagonist 社区显著提升支持（OR=2.79）；为抗议者辩护在 Advocate 社区最强（OR=2.08），在 Antagonist 社区则显著压低支持（OR=0.51）。否认气候行动必要性与温和批评抗议者两类政策型说法在反对阵营也未获显著支持，说明反对阵营的动员主要靠情感与诽谤性内容。
- 跨组互动：Antagonist 对 Advocate 视频的评论中，44% 为情感性拒绝/仇恨、30% 为拒绝、9% 为支持或中立；Advocate 对 Antagonist 视频的评论中，情感性拒绝与拒绝各约 5%，支持或中立约 7%。Antagonist 的仇恨性跨组评论占全部跨组评论的 44%。
| 议题 | 左翼进步（支持性说法占比） | 右翼保守 | 极右与边缘 | 整体反对方框 |
|---|---|---|---|---|
| FFF | 91%（80 温和 / 11 极端） | 14%（12 / 2） | 4%（4 / 0） | 40% 视频含反对方框 |
| 泛化气候抗议 | 91%（83 / 8） | 10% | 6% | 极端/诽谤性说法 26% |
| Letzte Generation | 约 66%（57 / 9） | 8%（6 / 2） | 3% | 81% 视频含反对方框 |
| 视频中的说法 | Advocate 社区 OR | Antagonist 社区 OR | 判读 |
|---|---|---|---|
| 为抗议者辩护 | 2.08 | 0.51 | 同一说法在两组呈完全反向 |
| 呼吁气候行动 | 1.32 | 0.66 | 倡导者支持、反对者拒绝 |
| 温和批评抗议者 | 弱/不显著 | 弱/不显著 | 政策型批评动员力有限 |
| 否认气候行动必要性 | 弱/不显著 | 弱或负向、不显著 | 同上 |
| 对口头的或身体的攻击呼吁 | 0.67 | 1.13 | 攻击性说法只在反对阵营获支持 |
| 抗议者是极端分子/罪犯 | 不显著 | 2.79 | 极端标签是反对阵营的身份动员符 |
| 辩论网络 | 反对·极端/诽谤 | 反对·温和/政策 | 支持·温和/政策 | 支持·极端 |
|---|---|---|---|---|
| FFF | 40% | 30% | 28% | 2% |
| 泛化气候抗议 | 60% | 16% | 24% | 1% |
| Letzte Generation | 81% | 15% | 4% | — |
a / D. Discussion & Conclusion（讨论与结论）
- 理论贡献一：把 Discursive Polarization 落到可测量的三层——说法、意识形态、网络互动——并用“支持性评论即连线”把政客与受众放进同一张图，避免只做内容分析或只做网络分析的单层解释。
- 理论贡献二：揭示“爱心”等看似正向的情感符号可以承担敌意功能：当它们用于给诽谤性视频点赞时，既强化阵营内 affection，又加剧跨阵营敌意，是情感极化的微观机制。
- 理论贡献三：经验上支持“非对称极化”而非对称两极化。右翼保守与极右在网络中无结构边界，形成 Knüpfer 等（2025）意义上的 Connective Faction；在 LG 辩论中，倡导者网络几乎消失，最极端的形态不是两个阵营对峙，而是单一右翼网络的主导。
- 规范含义：看似“去极化”的高度凝聚未必是健康协商，也可能是右翼话语霸权；判断极化好坏需看谁占据冲突轴、谁被挤出对话。
- 局限：视频样本以政客发帖为种子，结论不宜外推到政客之外的 TikTok 生态；三分类意识形态方案必然简化，尤其无法区分中左与激进左翼；依赖商业大模型（GPT-4o/GPT-4.1），未来需用开放模型复现；数据因版权与伦理限制不公开。
- 实践启示：气候传播不能只靠事实澄清与温和呼吁，需识别并应对有组织的跨平台攻击；平台治理应关注“高凝聚、低对抗”的右翼网络，而非只以“极化程度”作为风险指标。
🧠 IRMaD 思维导图
mindmap
root((极右主导气候抗议))
I 引言
TikTok 成政客主战场
气候抗议日趋对立
既有研究偏重推特
政客兼具创作者身份
R 研究问题
RQ1 抗议说法分布
RQ2 意识形态差异
RQ3 支持网络结构
RQ4 跨阵营互动
M 方法
三千余名政客名单
五百六十个账号
一千六百多条视频
五万三千条评论
十类说法大模型编码
Gephi 社区检测
聚类稳健 logistic
R 结果
最后一代八成负面
极右九成七反对
极右占账号两成八
极右拿六成流量
跨阵营仇恨四成四
极端标签比值比二点七九
a 讨论
破坏性抗议招致反扑
右翼连接性派系放大
爱心表情也是攻击
温和帖也遭反击
去极化可能是假象
D 结论
极右单方面主导
警惕整齐的假协商
气候传播需跨平台应对
民主协商受侵蚀
图：本研究的 IRMaD 思维导图。蓝色 I 引言；橙色 R 研究问题；绿色 M 方法； 橙色 R 结果；紫色 a 讨论；红色 D 结论。