A tanulmány címe:
A tanulmány címe:
A klímaváltozással kapcsolatos fogalmi hálók feltárása a kiválasztott Hajdú-Bihar megyei településcsoportokban
Szerzők:
Xxxx Xxxxx – Xxxxxxx Xxxxxx – Xxxxx Xxxxxx
xxxxx://xxx.xxx/00.000X0/XX000000
Az alábbi feltételek érvényesek minden, a Központi Statisztikai Hivatal (a továbbiakban: KSH) Területi Statisztika c. folyóiratában (a továbbiakban: Folyóirat) megjelenő tanulmányra. Felhasználó a tanulmány, vagy annak részei felhasználásával egyidejűleg tudomásul veszi a jelen dokumentumban foglalt felhasználási feltételeket, és azokat magára nézve kötelezőnek fogadja el. Tudomásul veszi, hogy a jelen feltételek megszegéséből eredő valamennyi kárért felelősséggel tartozik.
1) A jogszabályi tartalom kivételével a tanulmányok a szerzői jogról szóló 1DDD. évi LXXVI. törvény (Szjt.) szerint szerzői műnek minősülnek. A szerzői jog jogosultja a KSH.
2) A KSH földrajzi és időbeli korlátozás nélküli, nem kizárólagos, nem átadható, térítésmentes felhasználási jogot biztosít a Felhasználó részére a tanulmány vonatkozásában.
3) A felhasználási jog keretében a Felhasználó jogosult a tanulmány:
a) oktatási és kutatási célú felhasználására (nyilvánosságra hozatalára és továbbítására a
4. pontban foglalt kivétellel) a Folyóirat és a szerző(k) feltüntetésével;
b) tartalmáról összefoglaló készítésére az írott és az elektronikus médiában a Folyóirat és a szerző(k) feltüntetésével;
c) részletének idézésére – az átvevő mű jellege és célja által indokolt terjedelemben és az eredetihez híven – a forrás, valamint az ott megjelölt szerző(k) megnevezésével.
4) A Felhasználó nem jogosult a tanulmány továbbértékesítésére, haszonszerzési célú felhasználására. Ez a korlátozás nem érinti a tanulmány felhasználásával előállított, de az Szjt. szerint önálló szerzői műnek minősülő mű ilyen célú felhasználását.
5) A tanulmány átdolgozása, újra publikálása tilos.
6) A 3. a)–c.) pontban foglaltak alapján a Folyóiratot és a szerző(ke)t az alábbiak szerint kell feltüntetni:
„Forrás: Területi Statisztika c. folyóirat 61. évfolyam 5. számában megjelent, Xxxx Xxxxx – Xxxxxxx Xxxxxx – Xxxxx Xxxxxx által írt, A klímaváltozással kapcsolatos fogalmi hálók feltárása a kiválasztott Hajdú-Bihar megyei településcsoportokban c. tanulmány”
7) A Folyóiratban megjelenő tanulmányok kutatói véleményeket tükröznek, amelyek nem esnek szükségképpen egybe a KSH, vagy a szerzők által képviselt intézmények hivatalos álláspontjával.
A klímaváltozással kapcsolatos fogalmi hálók feltárása a kiválasztott Hajdú-Bihar megyei településcsoportokban
Exploring climate change related conceptual networks in selected settlement groups of Hajdú-Bihar County
Kiss, Emőke
(levelező szerző) Debreceni Egyetem, Tájvédelmi és Környezetföldrajzi Tanszék
E-mail: xxxx.xxxxx@xxxxxxx.xxxxxx.xx
Xxxxxxx, Xxxxxx Xxxxxxxxx Egyetem, Tájvédelmi és Környezetföldrajzi Tanszék
E-mail: xxxxxxx.xxxxxx@xxxxxxx.xxxxxx.xx
Balla, Xxxxxx Xxxxxxxxx Egyetem, Adattudomány és Vizualizáció
Tanszék, E-mail: xxxxx.xxxxxx@xxx.xxxxxx.xx
Kulcsszavak: klímaváltozás, szóasszociációs módszer, kérdőíves felmérés,
fogalmi háló
A tanulmány szóasszociációs vizsgálatot al- kalmaz Kelet-Magyarország (Hajdú-Bihar megye) két településcsoportjában (3-3 kivá- lasztott községben), egyrészt a Fenntartható Energia- és Klímaakciótervvel (Sustainable Energy and Climate Action Plan – SECAP) már rendelkező, másrészt az azzal még nem rendelkező településeken. 2020. évi felméré- sükbe az említett községek mellett a szerzők bevonták a SECAP-pal rendelkező megye- székhelyet, Debrecent is. Céljuk az volt, hogy a felnőttkorú lakosság körében feltárják a klímaváltozással kapcsolatos fogalmi háló- kat, valamint a hívófogalom és az asszociált fogalmak közötti kapcsolat erősségét a teljes mintában, az említett két településcsoport- ban, továbbá Debrecenben. A közös jelenté- sű asszociációkat kategóriákba sorolták. Eredményeik azt mutatták, hogy a klímavál- tozással kapcsolatos fogalmi hálók és kate- góriák relatív gyakorisága mindkét település- csoportban hasonló, ellenben Debrecen több szempontból is különbözik tőlük. A kategóriák társadalmi-demográfiai csopor- tonkénti vizsgálatából a tanulmány megálla- pította, hogy a klímaváltozással kapcsolatos válaszokat elsősorban a legmagasabb iskolai végzettség határozza meg.
Keywords: climate change, word association, questionnaire survey, conceptual network
Beküldve: 2021. február 18.
Elfogadva: 2021. március 18.
The study applies a word association analysis in two groups of municipalities (3-3 selected municipalities) in Eastern Hungary (Hajdú- Bihar County), in municipalities with a Sus- tainable Energy and Climate Action Plan (SECAP) and in municipalities without one. In addition to these municipalities, the au- thors also included Debrecen, a county seat with a SECAP, in their 2020 survey. Their aim was to explore the conceptual networks related to climate change among the adult population and the strength of the relation- ship between the call term and the associat- ed concepts in the total sample, in these two groups of municipalities and in Debrecen. Associations with common meanings were categorised. Their results showed that the relative frequencies of climate change- related conceptual networks and categories are similar in both groups of settlements, while Debrecen differs in several respects. From an analysis of the categories by socio- demographic group, the study found that responses to climate change are primarily determined by the highest level of education.
Bevezetés
A klímaváltozással kapcsolatos kérdőíves felmérések
A globális klímapolitika alapjait lefektető, 2016. november 4-én hatályba lépett Pári- zsi megállapodásban foglalt célok csak az eddigieknél nagyobb erőfeszítésekkel érhe- tők el (Xxxxxx 2016, Xxxxxxxxx et al. 2015, Xxxxxx et al. 000X, Xxxxx–Xxxxxxxxx 201D). Az Európai Unió (EU) évtizedek óta a klímavédelem élén áll, és kulcsszere- pet játszik a világ klímapolitikájának alakításában (Oberthür–Xxxxx Xxxxx 2008), emellett célkitűzései ambiciózusaknak számítanak a világon (Oberthür–Groen 2017, Xxxxxxxxxxxx 2018). Nemcsak az EU országainak vezetői, hanem lakosai is súlyos problémának tekintik a klímaváltozást. Az Eurobarometer 4D0 jelentés szerint (Eu- ropean Comission 201D) 201D-ben az EU-ban tízből csaknem 8 válaszadó (7D%),
valamint a válaszadók legalább kétharmada szinte minden országban „nagyon sú- lyos” problémának tartotta a klímaváltozást, Magyarországon arányuk 85%. Míg az EU-ban a megkérdezettek 23, addig hazánkban a 17%-a a világ legsúlyosabb prob- lémájának tekintette azt.
A klímaváltozással kapcsolatos lakossági kérdőíves felmérés világszerte elterjedt (Greenhill et al. 2014, Baranyai–Varjú 2015, Tranter–Booth 2015, Magyar Termé- szetvédők Szövetsége 2016, Baranyai–Varjú 2017, Xxxxxxx 2017, xxx xxx Xxxxxx 2018, Xxxxxxxx et al. 201D, Xxxxxxxxx et al. 201D, Xxxxxx et al. 2020). Segítségével ugyanis információk nyerhetők a klímaváltozás súlyosságának megítéléséről, az egyén tévképzeteiről, a klímaváltozás okaival és következményeivel kapcsolatos ismeretek szintjéről, a kockázatészlelésről, az aggodalom szintjéről és az attitűdökről (Leiserowitz 2006, Whitmarsh 200D, Whitmarsh 2011, Xxxxx–Leiserowitz 2012, Yu et al. 2013, Xxxxxxxx et al. 2020, Hoogendoorn et al. 2020). Ezen információk feltá- rása létfontosságú, ugyanis ezek a tényezők határozzák meg az enyhítésükre és a hozzájuk való alkalmazkodásra irányuló lépéseket (X'Xxxxxx et al. 1DDD, Bord et al. 2000). Xxxxxx et al. (2020) szerint minél jobban aggódik valaki a klímaváltozás miatt, annál valószínűbb, hogy meg is teszi a szükséges lépéseket. Az aggodalmat, valamint a kockázatértékelést a demográfiai tényezők közül legerősebben a megkér- dezett neme befolyásolja (Slovic 1DDD, Xxxx–Xxxxxx 2001). Az állítást Xxxxxxxx et al. (2007) eredményei is alátámasztják, ugyanis a demográfiai tényezőket vizsgálva arra a következtetésre jutott, hogy a nők nagyobb arányban aggódnak a klímaválto- zás miatt, mint a férfiak. A kockázatértékelést a klímaváltozás okainak és következ- ményeinek ismerete határozza meg, és az iskolai végzettség az egyetlen társadalmi- demográfiai tényező, ami hatással van rá. Emellett az életkor növekedése is befolyá- solhatja a tudást, ezáltal az aggodalom szintjét is (Sundblad et al. 2007, Whitmarsh 2011). Sokan úgy vélik, hogy az ózonlyuk vagy a szélsőséges időjárás a klímaváltozás oka (Xxxxxxxxx et al. 2006, Leiserowitz 2012), mely tévképzetek kialakulásához ve- zet (Leiserowitz 2006). A tudás szintje, az aggodalom mértéke, valamint a tévhitek könnyen feltárhatók szóasszociációs vizsgálattal és a fogalmi hálók értékelésével, amelyekkel kimutathatóak a társadalmi-demográfiai tényezők hatása és a közöttük lévő különbségek is.
A kérdőíves felmérések eredményeit ismertető tanulmányok legnagyobb része országos szintű kutatásokon alapul, amelyek azonban torzíthatják a szubnacionális (régió, állam, megye, település stb.) szintek változatosságát (Howe et al. 2015). Emellett kevés tanulmány foglalkozik települési szintű felmérésekkel, valamint azzal, hogy a meglévő klímadokumentumok hogyan befolyásolják az egyén klímaváltozás- sal kapcsolatos érzékenységét, tudását, attitűdjét. A klímaváltozáshoz, a fenntartható várostervezéshez és a vidékföldrajzhoz kötődő regionális kutatások az ezredforduló óta sikeresen alkalmazkodtak az információs társadalom elvárásaihoz, így a hazánk- ban (Xxxxxx–Xxxxxx 2018, Xxxxxx et al. 2018, Jakobi 201D, Csete–Buzási 2020, Bodor–Xxxxxxx 2021) és a külföldön (Caruso–Conto 2018, Daugirdas–Pociūtė-
Sereikienė 2018, Xxxxxxxxx et al. 2020) közzétett regionális kutatási eredmények a jövőben várhatóan szélesebb körben hasznosulhatnak.
Szóasszociációs módszer
A szóasszociációs módszer a fogalmi struktúrák feltárására szolgál. Lényege, hogy egy hívófogalom megadásával arra kérik a válaszadót, hogy szabadon asszociáljon, és írja le mit jut eszébe róla (Xxxxxx et al. 1DD6, Hovardas–Korfiatis 2006). Az asz- szociált szavak (vagy képek) utalhatnak mentális reprezentációra vagy kognitív tarta- lom megjelenítésére (Leiserowitz 2003, Leiserowitz 2006). A válaszok a hívófoga- lomtól, valamint az arról alkotott képektől és ismeretektől függenek (Xxxxxx et al. 1DD6). A módszer legfőbb előnye, hogy a szabad asszociációk minimalizálják a kér- dőívekben lévő zárt végű kérdések által előidézett kutatói elfogultságot, ugyanis közvetlenek, összefüggéstelenek és szűretlenek, ezáltal egyedülálló eszközt biztosíta- nak a szubjektív jelentések eléréséhez és értékeléséhez (Leiserowitz 2006, Xxxxxxxxx et al. 2006, Xxxxx–Leiserowitz 2012). A klímaváltozással kapcsolatban Magyarorszá- gon eddig nemzeti és szubnacionális szinten egyaránt kevés szóasszociációs vizsgála- tot végeztek.
Klímastratégiák
A Polgármesterek Klíma- és Energiaügyi Szövetségét (Covenant of Mayors Climate and Energy) 2008-ban az Európai Bizottság hozta létre, melynek célja helyi szinten a CO2-kibocsátás csökkentése, a klímaváltozáshoz való alkalmazkodás, valamint a biztonságos és fenntartható energia elérése. Az aláíró települések elkötelezettek ab- ban, hogy aktívan támogatják az EU klímavédelmi célkitűzésének megvalósítását: az üvegházhatásúgáz-kibocsátás 40%-os mérséklését 2030-ig és a klímaváltozáshoz történő alkalmazkodást. A szövetség tagjai vállalják, hogy helyi stratégiát, Fenntart- ható Energia- és Klíma Akciótervet (Sustainable Energy and Climate Action Plan – SECAP) készítenek, melyben vázolják a végrehajtandó legfontosabb feladatokat ([1], [2]).
Magyarországon 2018-ban lépett hatályba a második Nemzeti Éghajlatváltozási Stratégia (NÉS-2), mely a 2008-ban elfogadott első ilyen stratégiát váltotta fel. Szin- tén 2018-ban készültek el a megyei szintű klímastratégiák (1D), valamint Budapest klímastratégiája is. A megyei stratégiákat követően elkezdődött a 10 000 fő feletti települések klímastratégiájának kidolgozása is, mely jelenleg is folyamatban van. Magyarországon helyi szintű stratégiák már számos településen elérhetők, azonban a SECAP-pal rendelkező települések száma még mindig alacsony.
Kutatásunk célja az volt, hogy a felnőttkorú lakosság körében feltárjuk a klíma- változással kapcsolatos fogalmi hálókat, valamint megvizsgáljuk a hívófogalom és az asszociált fogalmak közötti kapcsolat erősségét.
Anyag és módszer
A mintaterület bemutatása
Felmérésünket Hajdú-Bihar megye 3-3 SECAP-pal már rendelkező és azzal még nem rendelkező településén végeztük. A kiválasztott SECAP-pal rendelkező közsé- gek és állandó népességük a 2011. évi népszámlálás szerint a következők voltak: Bedő (255 fő), Körösszakál (886 fő), Újszentmargita (1546 fő) (KSH 2011). Ezek mellé közel azonos állandó népességű és 50 kilométernél nem távolabbi települése- ket választottunk a megyében. A feltételeknek Told (316 fő), Gáborján (D14 fő) és Hortobágy (157D fő) felelt meg. (A továbbiakban mindkettőt településcsoportnak nevezzük.) A 6 vizsgált község mellett a SECAP-pal rendelkező megyeszékhelyet, Debrecent (1D6 858 fő) is bevontuk a felmérésbe annak érdekében, hogy komple- xebben kimutathassuk a SECAP-pal rendelkező és nem rendelkező településcsopor- tok, valamint a megyeszékhely eredményei közötti eltéréseket és hasonlóságokat. A települések elhelyezkedését az 1. ábra mutatja.
1. ábra
A kiválasztott Hajdú-Bihar megyei települések elhelyezkedése Location of the selected settlements in Hajdú-Bihar County
Települések SECAP-pal Települések SECAP nélkül Megyeszékhely SECAP-xxx Xxxxx-Bihar megye Megyehatár
Xxx Xxxx, Told, Körösszakál és Gáborján az országhatár menti periferikus terü- lethez, addig Újszentmargita a belső periferikus területhez tartozik. A perifériák általános jellemzője a népesség csökkenése, az országos átlaghoz képest alacsonyabb iskolázottság, magasabb munkanélküliségi arány, valamint gazdasági elmaradottság és az infrastruktúra hiányossága (Xxxx-Xxxxx–Xxxxx 2003, Pap–Xxxx 2005, Xxxx 2006, Xxxxxx 2014, Pénzes et al. 2015, Pénzes et al. 2018). Hortobágy hasonló hely- zetű, azonban emellett országos jelentőségű turisztikai központ, mivel itt található Magyarország legrégebbi nemzeti parkja (Vasvári–Martonné 2015, Formádi et al. 2017). Debrecen az ország második legnagyobb városa, dinamikusan fejlődő regio- nális, gazdasági, oktatási és turisztikai központ (Formádi et al. 2017).
Mintavétel és a kérdőíves felmérés kivitelezése
A kérdőíves vizsgálatot 2020. július–szeptember között végeztük el. Az adatfelvétel során a mintavételi keretet a 2011. évi népszámlálás Hajdú-Bihar megyei településtí- pusonkénti és településsoros adatai biztosították (KSH 2011). A megkérdezetteket kvótás mintavétellel választottuk ki, településenként nemek és életkor szerint egy- aránt reprezentatívan. Az iskolai végzettségre vonatkozóan nem volt lehetőségünk reprezentatív mintavételre, így a megkérdezettek száma nem egyenletesen oszlik meg a településcsoportok között (1. táblázat). A mintakiválasztás során a KSH által hasz- nált 15–1D éves korcsoportból csak a 18. életévüket betöltött, felnőttkorú lakosságot vettük figyelembe. A teljes minta elemszáma 512 volt. Az 1. táblázat a megkérdezet- tek számát mutatja be településcsoportonként. A reprezentativitás fenntartása érde- kében Toldon és Xxxxx a 65 éves és idősebb férfiak közül egyaránt egyet kérdez- tünk meg. Az adatgyűjtést személyes megkérdezéssel, véletlen sétás mintavételi technikával, a Xxxxxx Xxxx-féle szisztematikus mintavétel alkalmazásával, lakások felkeresésével végeztük.
A kérdőív több kérdésből állt, azonban a tanulmányban csak a szóasszociációs kérdés eredményeit ismertetjük. A következő kérdéssel kezdtük: „Önnek mi jut eszébe, ha a klímaváltozásról hall? Maximum 3-at soroljon fel!” Emellett röviden ismertetjük há- rom, a klímadokumentumokkal kapcsolatos kérdésre kapott válaszok főbb eredmé- nyeit. A következő kérdést az összes településen feltettük: „Ön hallott már a települési, megyei, és országos klímastratégiákról?” (Válaszlehetőségek: 1. Településiről; 2. Megyeiről; 3. Országosról; 4. Mindegyikről; 5. Egyikről sem; G. Egyéb). Majd 2 kérdést csak a SECAP- pal rendelkező településeken tettünk fel: „Ön tudja, hogy a településen létezik helyi szintű stratégia, azaz SECAP: Fenntartható Energia és Klíma Akcióterv?” (Válaszlehetőségek:
1. igen; 2. nem.); „Véleménye szerint hasznos a SECAP: Fenntartható Energia és Klíma Akcióterv?” (A megkérdezettek ötfokozatú Likert-skálán fogalmazhatták meg véle- ményüket [1=egyáltalán nem; 5=teljes mértékben].)
1. táblázat
A klímaváltozással kapcsolatosan Hajdú-Bihar megyében megkérdezettek száma településcsoportok és társadalmi-demográfiai mutatók szerint, 2020 Number of people surveyed on climate change in Hajdú-Bihar County
by settlement groups and socio-demographic indicators, 2020
Megnevezés | Megkérdezettek száma, fő |
SECAP-pal rendelkező településcsoport | N=156 |
Újszentmargita | D0 |
Xxxxxxxxxxx | 00 |
Bedő | 16 |
SECAP-pal nem rendelkező településcsoport | N=156 |
Hortobágy | D0 |
Gáborján | 50 |
Told | 16 |
Debrecen | N=200 |
Teljes minta | N=512 |
Társadalmi-demográfiai mutatók
Nem
Nők Férfiak
Korcsoport, éves 18–34
35–4D
50–64
65–
Legmagasabb iskolai végzettség (nem reprezentatív) 8 általános vagy kevesebb
Szakmunkásképző Szakközépiskola Gimnázium Technikum
Főiskola vagy egyetem
Célkitűzés
273
23D
153
131
130
D8
110
D4 48
107
32
121
Munkánk során célul tűztük ki, hogy szóasszociációs vizsgálatot végezzünk annak érdekében, hogy feltárjuk a klímaváltozással kapcsolatos fogalmi hálókat, az asszoci- ációk számát és típusát, valamint a hívófogalom és az asszociált fogalmak közötti kapcsolat erősségét:
(1) a teljes mintára,
(2) a SECAP-pal rendelkező és nem rendelkező településcsoportra,
(3) Debrecenre.
További célunk volt az asszociációk témák szerinti kódolása és kategóriákba sorolása
(4) a teljes mintára,
(5) a SECAP-pal rendelkező és nem rendelkező településcsoportra,
(6) Debrecenre,
(7) valamint a különböző társadalmi-demográfiai csoportok független kemény változóira (nem, életkor és legmagasabb iskolai végzettség).
Adatelemzés és adatvizualizáció
Az adatelemzés a következő négy fő lépésből állt:
1. A nyers adatok adatbázisba szervezése.
2. Az azonos jelentéstartalmú asszociációk összevonása annak érdekében, hogy tisztán lássuk a fogalmak kapcsolatának erősségét (például: válto- zás/változó/állandó változás; nincs négy évszak/nincsenek évszakok/nincs meg a négy évszak/nincs tél, tavasz, nyár, ősz; meleg/meleg van/melegebb van/nagy meleg/nagyon meleg van/égető meleg/állandó meleg).
3. Az adatkör szűkítése, illetve a könnyebb összehasonlíthatóság miatt az asz- szociációk kategóriákba sorolása. A fogalmakat közös jelentésű témák szerint kódoltuk, így 27 kategóriát alakítottunk ki, melyek meghatározása a függelék- ben található.
4. A fogalmi hálók összevont jelentéstartalom alapján, a fogalmak relatív gyakori- sága szerinti ábrázolása. Az asszociációk relatív gyakoriságának meghatározásá- hoz az egyes fogalmakat említők számát elosztottuk a vizsgált csoport válasz- adóinak számával. Egy fogalom tehát úgy érhetett el 100%-os gyakoriságot, ha minden egyes megkérdezett említette. Ebből kifolyólag nem alakulhattak ki magas arányok. Xxxxx et al. (2020) alapján az ábrázolásnál csak azokat a fogal- makat tüntettük fel, amelyek legalább 3% gyakoriságot értek el (2. táblázat).
2. táblázat
A relatív gyakoriságok erőssége és ábrázolásának módja
The strength of relative frequencies and the way they are represented
Relatív gyakoriság, % | Kapcsolódás erőssége | Ábrázolás módja |
– 3,0 | Nagyon gyenge | Nem ábrázolt |
3,0– 5,0 | Gyenge | |
5,1–10,0 | Közepes | |
10,1–20,0 | Erős | |
20,1– | Nagyon erős |
A kategóriák megoszlását a vizsgált településcsoportokban szintén relatív gyako- riságuk szerint ábrázoltuk, azonban esetükben az összes kategóriát szerepeltetjük, a könnyebb összehasonlíthatóság érdekében. Az áttekintő térkép szerkesztését ArcGIS Desktop 10.2-es verziójában végeztük el. Az adatvizualizációt yED Graph Editor-al, valamint Tableau Desktop-pal kiviteleztük.
Eredmények
A klímadokumentumokra irányuló kérdések főbb eredményei
A teljes minta 4,1%-a mindegyik klímadokumentumról hallott már, 76,8%-a egyikről sem. A SECAP-ról a megkérdezettek 3,7, a megyei stratégiáról az 5,5, az országos stratégiáról a 12,1%-a hallott. Ugyan a megkérdezettek csak 8,3%-a tudott arról, hogy a településén létezik SECAP, emellett 22,7%-uk teljes mértékben hasznosnak, valamint 50%-a inkább hasznosnak ítélte annak meglétét.
Az előforduló asszociációk száma és a fogalmi hálók
A teljes minta 8%-a egyetlen asszociációt sem tudott felsorolni, egy szót 28,D, két szót 25,6, míg három szót 37,5%-a említett. A SECAP-pal rendelkező településeken (Újszentmargita, Körösszakál, Bedő) az egyetlen szót sem említők aránya 13,5, míg a SECAP nélküli településeken (Hortobágy, Gáborján, Told) csak 6,4%. Debrecenben volt a legmagasabb (61,5%) a maximális három szót említők aránya (2. ábra).
A klímaváltozással kapcsolatosan különböző számú asszociációt említő
2. ábra
Hajdú-Bihar megyei válaszadók aránya településcsoportok szerint, 2020 Percentage of respondents in Hajdú-Bihar County mentioning different numbers of associations with climate change by settlement group, 2020
Teljes minta Települések SECAP-pal
Települések SECAP nélkül
Debrecen
Asszociációk száma, szó
28,D
25,6
37,5
0
8,
13,5
34,0
32,0
20,5
6,4
41,7
28,2
23,7
5,0
15,0
18,5
61,5
0
1
2
3
0 10 20 30 40 50 60 70
0 10 20 30 40 50 60 70
0 10 20 30 40 50 60 70 0 10 20 30 40 50 60 70
% % % %
Mivel a megkérdezettek maximum három szót sorolhattak fel, ami az 512 válasz- adó esetében összesen 1536 szó lett volna. Ehelyett azonban a teljes mintában csak D86 szót említettek, ami 64,2%-os válaszadási arányt jelent. Ez az arány Debrecen- ben 78,8, a SECAP-pal rendelkező településcsoportban 53,2, a SECAP nélküliben pedig 56,4%.
Az ismétléseket figyelembe véve összesen 465 különféle asszociáció fordult elő a teljes mintában. Az azonos jelentéstartalmú asszociációk összevonása után számuk 272-re csökkent. A megkérdezettek fogalmi hálóját az összevont jelentéstartalom alapján ábrázoltuk, a fogalmak relatív gyakorisága szerint. A teljes mintában 10 foga- lom ért el 3%-nál magasabb relatív gyakoriságot, tehát a válaszadóknak ez a 10 foga- lom jut eszébe leggyakrabban a klímaváltozással kapcsolatban (3. ábra). Az asszociá- ciók jelentős változatossága miatt nagyon erős (20,1% feletti) kapcsolat egyetlen fogalom esetében sem fordult elő. Erős (10,1–20,0%) a kapcsolat a „felmelegedés” és a „globális felmelegedés”, míg közepes erősségű (5,1–10,0%) volt a kapcsolat az
„időjárás-változás” és a „meleg” esetében. Gyenge (3,0–5,0%) a kapcsolat a „vihar”,
„szélsőséges időjárás”, „levegőszennyezés”, „időjárás”, „forróság” és az „aszály” fogalmaknál. Tehát a megkérdezettek leginkább a klímaváltozás szinonimájára és általános megnyilvánulására, a felmelegedésre, illetve a lehetséges következményekre asszociáltak. Emellett megjelenik a levegőszennyezés is, mely a klímaváltozást kivál- tó lehetséges okra utal.
3. ábra
A teljes Hajdú-Bihar megyei minta klímaváltozással kapcsolatos fogalmi hálója, relatív gyakoriság szerint, 2020 (%)
Climate change related conceptual network of the total Hajdú-Bihar County sample, by relative frequency, 2020 (%)
Teljes minta
D,8
10,4
D,0
4,7
4,D
3,D
4,3
3,5
változás
Időjárás-
Forróság
Aszály
Levegő-
szennyezés
3,1
Időjárás
Vihar
Klímaváltozás
Meleg
Szélsőséges időjárás
14,5
Globális felmelegedés
Felmelegedés
4. ábra
A Hajdú-Bihar megyei településcsoportok klímaváltozással kapcsolatos fogalmi hálója, relatív gyakoriság szerint, 2020 (%)
Climate change-related conceptual network of Hajdú-Bihar County settlement groups, by relative frequency, 2020 (%)
SECAP-pal rendelkező települések
12,8
14,7 14,7
6,4 5,1
5,1
5,1
3,8
3,2
3,2
3,2
3,2
3,2
Nincs tél
Időjárás
Hőség
Eső
Szennyezés
Szélsőséges időjárás
Vihar
Forróság
Klímaváltozás
Évszakok
eltolódása
Globális
felmelegedés
Időjárás- változás
Meleg
Felmelegedés
SECAP-pal nem rendelkező települések
8,3
11,5 11,5
7,1 7,1
Környezet-
szennyeződés
4,5
5,1
4,5 3,8
3,2
3,2
3,2
Szélsőséges időjárás
Nincsenek évszakok
Árvíz
Vihar
Forróság
Hőség
Klímaváltozás
Időjárás
Globális
felmelegedés
Meleg
Időjárás-
változás
Felmelegedés
A SECAP-pal rendelkező és nem rendelkező településcsoportok fogalmi hálója hasonló egymáshoz (4. ábra). Előbbinél 13, utóbbinál 12 asszociáció szerepel a fo- galmi hálóban. A „felmelegedés” és az „időjárás-változás” egyaránt erős, a „globális felmelegedés” közepes, míg a „szélsőséges időjárás” gyenge kapcsolatot mutat. Emellett eltérő erősséggel mindkét településcsoport hálójába bekerültek a „meleg”,
„vihar”, „hőség”, „forróság” fogalmak, illetve a hasonló jelentésű „szennyezés” és
„környezetszennyezés” asszociációk.
A válaszadók fogalmi hálóját településenként is megvizsgáltuk. Újszentmargitán 15, Hortobágy és Gáborján esetében egyaránt 14, Körösszakálon 13, Toldon 4, Bedőn pedig 2 asszociációt tartalmaz a fogalmi háló. Mind a 6 településen a „meleg” és a „felmelegedés” fogalmak jelentek meg a legtöbbször. A „meleg” csupán Xxxxx, a „felmelegedés” csak Xxxxxx nem érte el a 3%-os relatív gyakoriságot. A „felmele- gedés” minden esetben erős, míg a „meleg” fogalom Körösszakálon nagyon erős, Újszentmargitán, Gáborjánban és Xxxxxx erős, valamint Hortobágyon gyenge kap- csolatot mutatott a fogalmi hálóban.
5. ábra
Debrecen klímaváltozással kapcsolatos fogalmi hálója, relatív gyakoriság szerint, 2020 (%)
Xxxxxxxx'x xxxxxxxxxx network related to climate change, by relative frequency (%) Debrecen
7,5
18,0
16,0
6,0
6,0
5,0
5,0
4,0
4,0
3,5
5,5
5,0
4,5
4,0
3,5
3,5
3,0 3,0 3,0
Vízhiány
Fajok
kihalása
Jégsapkák
olvadása
Sivatagosodás
Sarki jég
olvadása
Éghajlat-
változás
Üvegházhatás
Forró nyár
Állatok
kihalása
Tengerszint-
emelkedés
Jégolvadás
Klímaváltozás
Időjárás-
változás
Meleg
Vihar
Szélsőséges
időjárás
Aszály
Globális
felmelegedés
Felmelegedés
Levegő-
szennyezés
Debrecenben 1D asszociáció szerepelt a fogalmi hálóban (5. ábra), melyből 2 („felmelegedés”, „globális felmelegedés”) mutatott erős kapcsolatot, 4 pedig köze- peset („levegőszennyezés”, „szélsőséges időjárás”, „aszály”, „vihar”). A gyenge kap- csolatban megjelent fogalmak igen változatosak, és egyaránt utalnak a klímaváltozás okára (például: „üvegházhatás”), továbbá következményeire (például: „jégolvadás”,
„tengerszint-emelkedés”, „állatok kihalása”, „vízhiány” stb.), valamint szinonimájára („éghajlatváltozás”) és a hőmérséklet emelkedésére („meleg”, „forró nyár” stb.).
A kategóriák relatív gyakoriságának megoszlása a teljes mintában, a településcsoportokban és Debrecenben
Kutatásunk további részében az előforduló asszociációk kategóriákba sorolását vé- geztük el. Összesen 27 kategóriát különböztettünk meg (lásd a függelékben), melyek eltérő relatív gyakorisággal jelentek meg a vizsgált településcsoportokban.
3. táblázat
A klímaváltozással kapcsolatos kategóriák Hajdú-Bihar megyei relatív gyakorisága településcsoportok szerint, 2020
Relative prevalence of climate change-related categories in Hajdú-Bihar County by settlement group, 2020
(%)
Kategória | Teljes minta | Települések SECAP-pal | Települések SECAP nélkül | Debrecen |
Meleg | 21,1 | 26,3 | 1D,2 | 18,0 |
Évszakok változása | 18,6 | 24,4 | 17,D | 14,5 |
Felmelegedés | 14,5 | 12,8 | 11,5 | 18,0 |
Időjárás, -változás | 14,3 | 1D,2 | 18,6 | 7,5 |
Globális felmelegedés | 10,4 | 6,4 | 7,1 | 16,0 |
Szennyezés | 10,2 | D,0 | D,0 | 12,0 |
Jég olvadása | 10,2 | 3,8 | 4,5 | 1D,5 |
Állatok, növények | D,0 | 2,6 | 6,4 | 16,0 |
Szélsőséges időjárás | 7,2 | 5,1 | 3,8 | 11,0 |
Emberi egészség | 7,2 | 10,D | 7,1 | 4,5 |
Szárazság | 5,D | 1,3 | 4,5 | 10,5 |
Életmód, ipar, gyártás | 5,D | 2,6 | D,0 | 6,0 |
Vihar | 5,5 | 5,1 | 4,5 | 6,5 |
Tengerszint-emelkedés, áradás | 5,1 | 0,0 | 6,4 | 8,0 |
Létezik, cselekedni kell | 4,D | 3,8 | 5,8 | 5,0 |
Ózon | 4,7 | 4,5 | 4,5 | 5,5 |
Üvegházhatás | 4,5 | 1,3 | 1,3 | D,5 |
Egyéb | 4,5 | 3,2 | 3,8 | 6,5 |
Csapadékváltozás | 4,3 | 3,8 | 5,1 | 4,0 |
Éghajlatváltozás | 3,D | 2,6 | 1,D | 6,5 |
Víz- és élelemhiány | 3,7 | 0,6 | 4,5 | 5,5 |
Erdők | 3,5 | 3,8 | 3,2 | 3,5 |
Problémák | 3,3 | 1,D | 1,3 | 6,0 |
Szkepticizmus | 3,1 | 1,D | 3,8 | 3,0 |
Hőmérséklet-változás | 3,1 | 0,6 | 1,3 | 7,0 |
Mezőgazdaság | 2,3 | 0,6 | 1,D | 4,0 |
Katasztrófák | 1,8 | 1,3 | 1,3 | 2,5 |
A 3. táblázat azt mutatja, hogy a legmagasabb relatív gyakoriságot a Meleg (példá- ul „forróság”, „hőség”) kategória érte el a teljes mintában, valamint a SECAP-pal rendelkező és nem rendelkező településeken egyaránt. Emellett az Évszakok változása (például „nincs ősz/tavasz”, „évszakok eltolódása”, „évszakok eltűnése”), Felmelege- dés (például „felmelegedő bolygó”, „felmelegedés”), Időjárás, időjárás-változás (például
„gyakori időjárás-változás”, „időjárás szélsőséges változása”) kategóriák gyakorisága magas. Ezek egyaránt a klímaváltozás következményére, a hőmérséklet emelkedésé- re és az időjárásban bekövetkezett változásokra utalnak, melyek a megkérdezettek tapasztalataira épülnek.
Debrecen eltér tőlük (3. táblázat), ugyanis a flég olvadása (például „jégsapkák olvadá- sa”, „jégtáblák olvadása”) esetében legmagasabb az arány, ami arra utal, hogy a telepü- lésen a megkérdezettek jelenleg ezt tartják a klímaváltozás szimbolikus képének és elsődleges hatásának. Ezen felül magas relatív gyakorisággal rendelkezik a Meleg és a Felmelegedés, továbbá a Globális felmelegedés (például „globális felmelegedés”), amely szin- tén a hőmérséklet emelkedésére utal, valamint megjelent a klímaváltozás szinonimája is. Az Állatok, növények (például „állatok és növények pusztulása”, „állatok veszélybe kerülése”) esetében szintén magas a gyakoriság, ami azt jelenti, hogy a megkérdezettek tisztában vannak azzal, hogy a klímaváltozás súlyos hatást gyakorolhat az élővilágra is.
Kiemelendő, hogy a Szkepticizmus (például „hazugság”, „fake news”, „hisztéria”,
„városokban inkább gond”) és a Létezik, cselekedni kell (például „gyors és hatékony megoldás szükséges”, „nagyon zavar”, „éppen zajlik”) kategóriáknak egyaránt a SECAP nélküli településcsoportban volt legmagasabb az arány. Általánosan megál- lapítható, hogy a két településcsoport esetében hasonló a kategóriák gyakorisága. A legjelentősebb, 7,5-szeres eltérést (0,6 és 4,5%) a Víz- és élelemhiány (például „éhe- zés”, „nem lesz víz”) és a 3,5-szerest (2,6 és D,0%) Életmód, ipar, gyártás (például „hul- ladék”, „ipar”, „az ember tehet róla”) kategóriák mutatják. Minden esetben a SE- CAP nélküli településcsoportban magasabbak az arányok, emellett a Tengerszint- emelkedés, áradás (például „Velence eltűnése”, „tenger-/óceánszint-emelkedés”, „ár- víz”) egyáltalán nem jelenik meg a SECAP-pal rendelkező településcsoportban. Megegyező gyakorisággal fordultak elő a Szennyezés (például „levegő-/víz-
/környezetszennyezés”), Ózon (például „ózonlyuk”, „UV-sugárzás”), Üvegházhatás
(például „CO2-kibocsátás”, „üvegházhatás”, „üvegházgázok”), Katasztrófák (például
„természeti katasztrófák”, „vulkánkitörés” „világvége”) kategóriák (3. táblázat).
A kategóriák relatív gyakorisága társadalmi-demográfiai csoportonként
Vizsgálatunk során arra a kérdésre is választ kerestünk, hogy mely tényezők határoz- zák meg a megkérdezettek válaszait, így a kategóriák megoszlását társadalmi- demográfiai csoportokra vonatkozóan is megvizsgáltuk a teljes mintában.
Nemek
A válaszadási arány a nőknél 62,5, a férfiaknál 66,1% volt, tehát nem volt közöttük jelentős különbség. A 6. ábra a kategóriák relatív gyakoriságát mutatja a nők és a férfi-
ak körében. A nemek esetében a kategóriák megoszlása nagyon hasonló egymáshoz. Csupán egyetlen kategória, a Szkepticizmus esetében jelentős az eltérés. Relatív gyakori- sága míg a nőknél csupán 0,7, addig a férfiaknál 5,4% Ez azt jelenti, hogy a teljes min- tában a férfiak 7,7-szer szkeptikusabbak a klímaváltozással kapcsolatosan, mint a nők.
6. ábra
A klímaváltozással kapcsolatos kategóriák Hajdú-Bihar megyei relatív gyakorisága nemek szerint, 2020
Relative frequency of climate change-related categories in Hajdú-Bihar County by sex, 2020
Meleg Évszakok változása
Felmelegedés Időjárás, időjárás-változás Állatok, növények
Jég olvadása Szennyezés
Globális felmelegedés Xxxxxx egészség Szélsőséges időjárás
Vihar Szárazság
Tengerszint-emelkedés, áradás
Xxxx Xxx- és élelemhiány Létezik, cselekedni kell Életmód, ipar, gyártás Éghajlatváltozás Hőmérséklet-változás
Egyéb Erdők Üvegházhatás Csapadékváltozás
Problémák Katasztrófák Mezőgazdaság Szkepticizmus
Korcsoportok
23,8
18,7
15,4
13,D D,D
D,5
8,8
8,1
8,1
7,0
5,D
5,5
5,1
5,1
4,8
4,8
4,8
4,8
4,0
4,0
3,7
3,3
3,3
2,2
1,5
1,1
0,7
0 10 20 30
%
18,0
18,4
13,4
15,1
7,D
10,D
11,7
13,0
6,3
7,5
5,0
6,3
5,0
4,2
2,5
5,0
7,1
2,D
2,1
5,4
3,3
5,D
5,4
4,6
2,1
3,8
5,4
0 10
20 30
%
A válaszadási arány a 18–34 éves korcsoportban 65,1, a 35–4D évesben 68,5, az 50–64 évesben 64,1%, valamint a 65 éves és idősebbek korcsoportban 57,1%, tehát nincs közöttük kiugróan nagy különbség. A korcsoportok között erőteljesebb a
differenciálódás mutatkozik a kategóriák megoszlásában (4. táblázat). Csak a 65 éves és idősebb korcsoportban nem fordult elő mind a 27 kategória, ugyanis hiányoztak az Üvegházhatás, Erdők (például „erdőirtás”, „fák kivágása”) és a Katasztrófák kategóriák.
4. táblázat
A klímaváltozással kapcsolatos kategóriák Hajdú-Bihar megyei relatív gyakorisága korcsoportok szerint, 2020
Relative prevalence of climate change-related categories in Hajdú-Bihar County by age groups, 2020
(%)
Kategória | 18–34 | 35–4D | 50–64 | 65– |
éves | ||||
Meleg | 1D,0 | 21,4 | 1D,2 | 26,5 |
Évszakok változása | 16,3 | 20,6 | 18,5 | 1D,4 |
Globális felmelegedés | 15,7 | 13,0 | 6,2 | 4,1 |
Jég olvadása | 14,4 | 7,6 | D,2 | 8,2 |
Állatok, növények | 10,5 | 8,4 | 10,0 | 6,1 |
Időjárás, -változás | D,8 | 15,3 | 14,6 | 20,4 |
Felmelegedés | D,8 | 16,8 | 14,6 | 18,4 |
Üvegházhatás | D,2 | 4,6 | 2,3 | 0,0 |
Szárazság | D,2 | 4,6 | 6,D | 2,0 |
Szennyezés | 8,5 | 13,0 | 13,8 | 4,1 |
Emberi egészség | 8,5 | 4,6 | 6,2 | 10,2 |
Szélsőséges időjárás | 6,5 | D,2 | 7,7 | 5,1 |
Erdők | 5,D | 4,6 | 2,3 | 0,0 |
Tengerszint-emelkedés, áradás | 5,2 | 6,D | 6,2 | 1,0 |
Ózon | 5,2 | 5,3 | 3,8 | 4,1 |
Életmód, ipar, gyártás | 5,2 | 7,6 | 6,2 | 4,1 |
Egyéb | 5,2 | 5,3 | 6,2 | 1,0 |
Hőmérséklet-változás | 4,6 | 0,8 | 2,3 | 4,1 |
Víz- és élelemhiány | 3,D | 4,6 | 3,1 | 3,1 |
Vihar | 3,3 | 3,8 | 10,0 | 5,1 |
Szkepticizmus | 3,3 | 2,3 | 3,1 | 3,1 |
Éghajlatváltozás | 3,3 | 6,1 | 3,8 | 2,0 |
Problémák | 2,6 | 6,1 | 2,3 | 2,0 |
Mezőgazdaság | 2,6 | 3,1 | 0,8 | 3,1 |
Létezik, cselekedni kell | 2,6 | 5,3 | 6,2 | 6,1 |
Katasztrófák | 2,6 | 1,5 | 2,3 | 0,0 |
Csapadékváltozás | 2,6 | 3,1 | 4,6 | 8,2 |
A vizsgált négy korcsoportban egyaránt a Meleg relatív gyakorisága volt a legma- gasabb. A 65 éves és idősebb korcsoportban a második helyen az Időjárás, időjárás- változás áll, a többi korcsoportnál egyaránt az Évszakok változása. Ez a kategória a harmadik leggyakoribb az említett korcsoportban, míg a 18–34 éveseknél a Globális felmelegedés, a 35–4D éveseknél a Felmelegedés, az 50–64 éveseknél szintén a Felmelegedés és az Időjárás, időjárás-változás.
Az életkor előrehaladásával párhuzamosan a Globális felmelegedés, Üvegházhatás és az Erdők kategóriák relatív gyakorisága csökkenő, a Csapadékváltozás (például „hekti- kus csapadék”, „extrém csapadék rövid idő alatt”) és a Létezik, cselekedni kell kategó- riák gyakorisága növekvő tendenciát mutatnak. A relatív gyakoriságokban a legna- gyobb eltérés három kategóriához kötődik. A Tengerszint-emelkedés, áradás aránya 6,D- szer magasabb a 35–4D éves korcsoportban (6,D%) mint a 65 éves és idősebb kor- csoportban (1%). A Hőmérséklet-változás (például „hőmérséklet-változás”, „hőmér- séklet-ingadozás”) előfordulása 5,7-szer gyakoribb a 18–34 éves korcsoportban (4,6%), mint a 35–4D évesben (0,8%). A Szárazság (például „sivatagosodás”,
„aszály”, „folyó megszűnik”) relatív gyakorisága 4,6-szer magasabb mutat a 18–34 éveseknél (D,2%), mint a 65 éves és idősebb korcsoportban (2,0%) (4. táblázat).
Legmagasabb iskolai végzettség
A legmagasabb iskolai végzettség és a válaszadási arány között (8 általános vagy keve- sebb 44,D; szakmunkásképző 57,8, szakközépiskola 58,33, gimnázium 65,7, technikum 6D,8, főiskola vagy egyetem 86,2%) egyértelmű tendencia állapítható meg: tehát minél magasabban képzett a válaszadó, annál több asszociációt tudott felsorolni. Az általunk vizsgált mintában a társadalmi-demográfiai tényezők közül a legmagasabb iskolai vég- zettség esetében legnagyobbak a különbségek a kategóriák relatív gyakoriságában. Az összes kategória csak a főiskolát vagy egyetemet végzetteknél fordult elő, ennélfogva ők adták a legváltozatosabb asszociációkat (5. táblázat).
Az iskolázottság növekedésével emelkedik azon kategóriák relatív gyakorisága, melyek a klímaváltozás okához, következményeihez, szimbolikus képeihez kapcso- lódó asszociációkat foglalják magukban (5. táblázat). A diplomások esetében a kö- vetkező kategóriák relatív gyakorisága a legmagasabb: flég olvadása (20,7%); Állatok, növények (1D,8); Szárazság (15,7); Tengerszint-emelkedés, áradás (14%); Üvegházhatás (D,D%); Víz- és élelemhiány (D,1%). Egymáshoz közeli a diplomások és az érettségizet- tek relatív gyakorisága a Szennyezés (14,D és 15,D%) és az Életmód, ipar, gyártás (10,7 és 10,3%) kategóriákban, előbbiben az érettségizetteké a magasabb.
A klímaváltozás hibásan azonosított oka, az Ózon kategóriába tartozó fogalmak a főiskolai vagy egyetemi végzettségűeknél fordulnak elő a legritkábban (2,5%), míg leggyakrabban a szakmunkásképző végzettséggel rendelkezők körében (6,4%).
Az alacsonyabban képzetteknél legnagyobb relatív gyakorisággal a személyes ta- pasztalatokon alapuló asszociációkat felölelő kategóriák fordultak elő (például Időjá- rás, időjárás-változás; Meleg; Évszakok változása; Felmelegedés; Csapadékváltozás). Az Emberi egészség (például „betegség”, „egészségügyi probléma”) kategória gyakorisága a szak- középiskolával (10,4%) és 8 általánossal vagy kevesebbel rendelkezők esetében a legmagasabb (10,0%). Ez azt jelenti, hogy a megkérdezettek tisztában vannak a klí- maváltozás egészségre gyakorolt káros hatásaival, iskolázottságtól függetlenül. A legalacsonyabb végzettségűek egyáltalán nem említették az Üvegházhatás és az Életmód, ipar, gyártás kategóriákba sorolható asszociációkat, a Szennyezés kategóriában pedig esetükben legalacsonyabb a relatív gyakoriság (5. táblázat).
5. táblázat
A klímaváltozással kapcsolatos kategóriák Hajdú-Bihar megyei relatív gyakorisága legmagasabb iskolai végzettség szerint, 2020
Relative prevalence of climate change-related categories in Hajdú-Bihar County by highest level of education, 2020
(%)
Kategória | Főiskola vagy egye- tem | Techni- kum | Gimná- zium | Szak- közép- iskola | Szak- munkás- képző | 8 általános vagy keve- sebb |
Jég olvadása | 20,7 | 3,1 | 5,6 | 8,3 | 10,6 | 5,5 |
Globális felmelegedés | 1D,8 | 21,D | 8,4 | 10,4 | 5,3 | 2,7 |
Állatok, növények | 1D,8 | 15,6 | 11,2 | 2,1 | 0,0 | 3,6 |
Felmelegedés | 18,2 | 15,6 | 14,0 | 12,5 | 21,3 | 5,5 |
Szárazság | 15,7 | 3,1 | 2,8 | 4,2 | 3,2 | 1,8 |
Szennyezés | 14,D | D,4 | 15,D | 6,3 | 8,5 | 2,7 |
Tengerszint-emelkedés, áradás | 14,0 | 3,1 | 5,6 | 0,0 | 1,1 | 0,D |
Szélsőséges időjárás | 14,0 | 6,3 | 6,5 | 2,1 | 7,4 | 2,7 |
Meleg | 13,2 | 21,D | 17,8 | 35,4 | 20,2 | 26,4 |
Életmód, ipar, gyártás | 10,7 | 3,1 | 10,3 | 4,2 | 1,1 | 0,0 |
Üvegházhatás | D,D | 3,1 | 6,5 | 6,3 | 0,0 | 0,0 |
Víz- és élelemhiány | D,1 | 3,1 | 1,D | 2,1 | 3,2 | 0,D |
Létezik, cselekedni kell | 7,4 | 6,3 | 6,5 | 0,0 | 2,1 | 4,5 |
Időjárás, -változás | 7,4 | 12,5 | D,3 | 12,5 | 14,D | 28,2 |
Évszakok változása | 7,4 | 28,1 | 27,1 | 16,7 | 25,5 | 15,5 |
Éghajlatváltozás | 7,4 | 3,1 | 3,7 | 2,1 | 3,2 | 1,8 |
Vihar | 6,6 | 6,3 | 4,7 | 4,2 | 3,2 | 7,3 |
Problémák | 6,6 | 6,3 | 0,D | 6,3 | 3,2 | 0,0 |
Emberi egészség | 5,8 | 0,0 | 8,4 | 10,4 | 7,4 | 10,0 |
Egyéb | 5,8 | 6,3 | 6,5 | 4,2 | 3,2 | 2,7 |
Mezőgazdaság | 5,0 | 6,3 | 0,6 | 2,1 | 1,1 | 0,D |
Erdők | 5,0 | 3,1 | 5,6 | 6,3 | 2,1 | 0,8 |
Hőmérséklet-változás | 4,1 | 6,3 | 4,7 | 2,1 | 1,1 | 1,8 |
Szkepticizmus | 2,5 | 3,1 | 4,7 | 0,0 | 4,3 | 1,8 |
Ózon | 2,5 | 6,3 | 4,7 | 6,3 | 6,4 | 4,5 |
Katasztrófák | 2,5 | 0,0 | 0,0 | 4,2 | 2,1 | 1,8 |
Csapadékváltozás | 2,5 | 6,3 | 2,8 | 4,2 | 11,7 | 0,D |
Konklúzió
Tanulmányunk a klímaváltozás által kiváltott asszociációkat elemezte a vizsgált tele- püléscsoportok lakossága és társadalmi-demográfiai csoportjai körében. Kutatási eredményeink alapján a következő 3 fő megállapítást tesszük:
(1) A klímaváltozással kapcsolatos fogalmi hálókat tekintve rendkívül hasonló ké- pet mutatnak a SECAP-pal rendelkező (Újszentmargita, Körösszakál, Bedő) és nem rendelkező településcsoportok (Hortobágy, Gáborján, Told), ugyanis 8 fogalmat (fel- melegedés; időjárás-változás; globális felmelegedés; szélsőséges időjárás; meleg; vihar;
hőség; forróság) azonosítottunk, mely mindkét településcsoportban megjelent. A hívó- fogalom és az asszociált fogalmak közötti kapcsolat erősségéről megállapítható, hogy a 8 asszociáció közül 4 azonos gyakorisággal szerepelt (felmelegedés; időjárás-változás; globális felmelegedés; szélsőséges időjárás). Debrecenben változatosabb asszociációk jelentek meg, 2 mutatott erős kapcsolatot (felmelegedés, globális felmelegedés), 4 pe- dig közepeset (levegőszennyezés, szélsőséges időjárás, aszály, vihar).
(2) A két településcsoport hasonlít egymáshoz a kategóriák relatív gyakoriságának megoszlása alapján. Megegyező gyakorisággal 4 kategória fordult elő (Szennyezés; Ózon; Üvegházhatás; Katasztrófák). Legjelentősebb eltérést 3 kategóriában észleltünk (Életmód, ipar, gyártás; Tengerszint-emelkedés, áradás; Víz- és élelemhiány), mindhárom esetében a SECAP nélküli településcsoportban magasabbak az arányok. Debrecen ebből a szempontból is eltért tőlük.
(3) A kategóriák megoszlását társadalmi-demográfiai csoportonként vizsgálva megállapítottuk, hogy azok eltérő mértékben befolyásolják az adott válaszokat. A nemek esetében az összes kategória egyaránt előfordult a nőknél és a férfiaknál. A kategóriák megoszlása hasonló, a nem egyáltalán nem befolyásolta a megkérdezett által adott asszociációkat. A korcsoportok között már nagyobbak a különbségek. Csak a 65 éves és idősebb korcsoportban nem fordul elő mind a 27 kategória, és számos esetben jelentős a relatív gyakoriságok közötti eltérés. A társadalmi- demográfiai tényezők közül a legmagasabb iskolai végzettség esetében legnagyobb a különbség a kategóriák relatív gyakoriságában. Az összes kategória csak a főiskolát vagy egyetemet végzetteknél fordult elő. Az iskolázottság növekedésével emelkedik azon kategóriák relatív gyakorisága, melyek a klímaváltozás okához, következménye- ihez, szimbolikus képeihez kapcsolódó asszociációkat foglalják magukban. Az ala- csonyabb iskolázottságúaknál legmagasabb relatív gyakorisággal a személyes tapasz- talatokon alapuló asszociációkat felölelő kategóriák fordultak elő.
A tudományos szakirodalomban nem találtunk olyan tanulmányt, mely azzal fog- lalkozik, hogy a klímadokumentumok megléte befolyásolja-e az egyén klímaváltozás- sal kapcsolatos érzékenységét, tudását, attitűdjét. Emellett Magyarországon szubna- cionális szinten – ismereteink szerint – kevés kutatás folyik a klímaváltozással kap- csolatban, illetve kevés a klímaváltozással kapcsolatos szóasszociációs tanulmány, így kutatásunk hiánypótlónak tekinthető.
Eredményeink alátámasztják, hogy érdemes nemzeti és szubnacionális szinteken hasonló vizsgálatokat végezni, mert regionálisan is szignifikáns különbségek lehet- nek. Ez felveti a következő kérdéseket is: a klímaváltozással kapcsolatos információk megfelelő módon jutnak-e el a lakosokhoz, akik kellőképpen felkészültek-e a témá- val kapcsolatban, továbbá ismerik-e azt, hogy milyen lépéseket tudnak tenni a klí- maváltozás megfékezése érdekében.
Köszönetnyilvánítás
Az Innovációs és Technológiai Minisztérium ÚNKP-20-3 kódszámú Új Nemzeti Kiválóság Programjának a Nemzeti Kutatási, Fejlesztési és Innovációs Alapból finanszírozott szakmai támogatásával készült.
Függelék
A felmérésben alkalmazott kategóriák meghatározása
1. Állatok, növények: azok az asszociációk, melyek kifejezetten az állatvilágra, növényvilágra, fajokra és azok élőhelyeire utalnak, valamint a klímaváltozás miatt változáson mennek keresztül. Például: „éhező jegesmedvék”; „korallzá- tonyok pusztulása”; „állatok és növények pusztulása; “flóra és fauna változá- sa”; “eltűnő fajok”; “bioszféra átformálódása”.
2. Csapadékváltozás: azok az asszociációk, melyek a csapadék klímaváltozás miatti változására és mennyiségének megváltozására utalnak, például: „csapa- dékváltozás”; „hektikus csapadék”, „extrém csapadék rövid idő alatt”; „na- gyon sok eső”; „esőzés elmarad”.
3. Emberi egészség: a klímaváltozás következményeként kialakuló, emberi egészséget károsító vagy az egészségre hatással lévő, illetve az emberi élet ve- szélyeztetésére utaló asszociációk, például: „betegség”; „trópusi betegségek megjelenése”; „baktérium”; „fertőzések”; „egészségügyi probléma”; „egész- ségügyi veszély”; „gyerekek veszélyeztetettek”; „emberiség”; „elhalálozás”;
„megfulladás”; „élet tönkremenése”.
4. Erdők: az összes erdőkre és fákra utaló fogalom, például: „erdőirtás”; „eső- erdők eltűnnek”; „erdőtűz”; „fák kivágása”; „fák telepítése”.
5. Éghajlatváltozás: a klímaváltozás szinonimájaként sokak által említett „ég- hajlatváltozás” asszociáció.
6. Életmód, ipar, gyártás: a klímaváltozást kiváltó vagy azt felerősítő, embertől származó (antropogén) tevékenységekre, életmódra utaló fogalmak, például:
„hulladék”; „ipari tevékenység”; „ipari kibocsátás növekedése”; „gyárak”;
„mértéktelen fejlődés”; „a vállalatok nem térnek át környezetkímélő üzem- módra”; „profit”; „autók”; „emberiség hibája”; „környezetszennyező élet- mód”; „hedonista élet”.
7. Évszakok változása: az összes évszakokra és évszakváltozásra utaló kifeje- zés, mely a klímaváltozás következményeként alakul ki, például: „nincs ta- vasz”; „nincs nyár”; „enyhe tél”; „nincs négy évszak”; „évszakok megváltozá- sa”; „évszakok eltolódása”, „évszakok eltűnése”.
8. Felmelegedés: a klímaváltozás szinonimájaként sokak által említett „felme- legedés” asszociáció, továbbá a bolygó felmelegedésére utaló szavak, például:
„felmelegedő bolygó”; „túlmelegedés”.
D. Globális felmelegedés: a klímaváltozás szinonimájaként sokak által említett
„globális felmelegedés” asszociáció.
10. Hőmérséklet-változás: azok a válaszok, melyek a klímaváltozás miatt bekö- vetkezett hőmérséklet-változást jelentik, például: „hőmérséklet-változás”;
„hirtelen hőmérséklet-változás”; „hőingás”; „magas hőingadozás”.
11. Időjárás, időjárás-változás: azok a válaszok, melyek a klímaváltozás miatt bekövetkezett időjárás-változásra utalnak, például: „időjárás”; „időjárás- változás”; „gyakori időjárás-változás”; „hirtelen időjárás-változás”; „hirtelen, nagymértékű időjárás-változás”; „gyors időjárás-változás”; „folyamatos időjá- rás-változás”.
12. Jég olvadása: az összes jégolvadással kapcsolatos asszociáció, például: „jég- olvadás”; „sarki jég olvadása”; „jégsapkák olvadása”; „jéghegyek olvadása”;
„jégtakarók olvadása”; „gleccserek olvadása”.
13. Katasztrófák: azok az asszociációk, melyek a klímaváltozás következtében kialakult katasztrófákra utalnak, például: „katasztrófa”; „környezeti katasztró- fák”; „természeti katasztrófák”; „vulkánkitörés”; „világvége”.
14. Létezik, cselekedni kell: azok az asszociációk, melyek arra utalnak, hogy a válaszadó valóságosnak, és jelenleg is zajló folyamatnak tekinti a klímaválto- zást. Emellett azok a fogalmak, amelyek arra utalnak, hogy a válaszadó valós problémának tartja a klímaváltozást, és ehhez kapcsolódóan olyan asszociáci- ókat fogalmaz meg, melyek a cselekvés szükségességét jelentik. Például: „ép- pen zajlik”; „rossz”; „nagyon zavar”; „ébredjenek fel az emberek”; „gyors és hatékony megoldás szükséges”; „többet kellene tenni érte”; „újrahasznosítás”;
„környezetvédelem”; „alternatív energiaforrások használata”.
15. Meleg: azok a melegre vonatkozó szavak, amelyek a klímaváltozás következ- tében jönnek létre, például: „forróság”; „hirtelen forróság”; „nagyon meleg van”; „melegebb van”; „hőség”; „nagy hőség”; „kibírhatatlan hőség”; „hőhul- lám”; „melegrekord”.
16. Mezőgazdaság: azok a válaszok, melyek a klímaváltozás hatására megválto- zott mezőgazdaságot, mezőgazdasági termelést foglalják magukban, például:
„mezőgazdasági terméskiesés”; „nem érik be a termés”; „mezőgazdaság se- bezhetősége”; „haldokló mezőgazdaság”.
17. Ózon: az összes olyan válasz, mely a klímaváltozást tévesen azonosítja az ózonnal vagy ózonlyuk kialakulásával, például: „ózon”; „ózonlyuk”; „ózonré- teg”; „ózonréteg elvékonyodása”; „ózonlyuk kilyukad”; „UV-sugárzás”;
„UVC”.
18. Problémák: azok az asszociációk, melyek a klímaváltozás következménye- ként alakulnak ki, például: „globális probléma”; „gazdasági problémák”;
„természeti problémák”; „társadalmi problémák”; „migráció”; „infláció”;
„munkanélküliség”; „káosz”; „pánik”.
1D. Szárazság: azok az említett fogalmak, melyek a klímaváltozás következtében kialakult szárazságra utalnak, például: „aszály”; „szárazság”; „sivatagosodás”;
„folyó megszűnik”.
20. Szennyezés: az összes szennyezésre utaló fogalom, például: „szennyezés”;
„levegőszennyezés”; „levegőbe jutó káros anyagok”; „vízszennyezés”; „kör- nyezetszennyezés”.
21. Szélsőséges időjárás: azok a szavak, melyek a klímaváltozás miatti szélsősé- ges időjáráshoz kapcsolódnak, például: „szélsőséges időjárás”; „szeszélyes időjárás”; „kiszámíthatatlan időjárás”; „szélsőséges jelenségek az időjárásban”.
22. Szkepticizmus: azok az asszociációk, melyek arra utalnak, hogy a válaszadó nem tekinti valós problémának a klímaváltozást, illetve nem hisz abban, hogy jelenleg is zajlik, például: „fake news”; „hiszti”; „felfújt lufi”; „városokban in- kább gond”; „néphülyítés”; „észrevehető, de nincs probléma”; „felbosszant, ha ettől független jelenségeket próbálnak ránk kenni”; „nem érdekel”.
23. Tengerszint-emelkedés, áradás: minden olyan asszociáció, amely a klíma- változás miatt kialakult vízszintemelkedésre vagy áradásra utal, például: ten- gerszint-emelkedés”; „árvíz”; „áradás”; „Velence eltűnése”; „víz elönti a nagyvárosokat”.
24. Üvegházhatás: az üvegházhatásra vonatkozóan említett összes szó, például:
„CO2-kibocsátás”; „üvegházhatás”; “üvegházhatás erősödése”; „üvegházgá- zok”.
25. Vihar: azok az asszociációk, melyek a klímaváltozás miatt kialakult viharokra utalnak, például: „viharok”; „durva viharok”; „erős viharok”; „sűrű viharok”;
„nagy vihar”; „zivatarok”.
26. Víz- és élelemhiány: azok az asszociációk, melyek a klímaváltozás miatt közvetlenül kialakult víz- és élelemhiányra utalnak, például: „éhezés”; „éhín- ség”; „nem lesz ennivaló”; „nem lesz víz”; „ivóvízkészlet fogyása”; „ivóvíz- készlet csökkenése”.
27. Egyéb: minden olyan említett szó, mely az ismertetett kategóriákba nem tar- tozik bele, például: „Xxxxxxxx XxXxxxxx”; „tévé”; „szóbeli érettségi”; „politi- ka”; „sok minden”; „Kína”.
IRODALOM
XXXXXX, X. X.‒XXXXXXX, A. R.–XXXXXXXX, M. H. –XXXXXXXXX, S. A.–XXXXXXXXXXX, X.
(2020): Does socioeconomic status moderate the political divide on climate change? The roles of education, income, and individualism Global Environmental Change 60: 102024. xxxxx://xxx.xxx/00.0000/x.xxxxxxxxx.000X.000000
BARANYAI, N.–VARJÚ, V. (2015): A lakosság klímaváltozással kapcsolatos attitűdjének empi- rikus vizsgálata. In: CZIRFUSZ, M.–HOYK, E.–SUVÁK, A. (szerk.): Klímaváltozás – társadalom – gazdaság Hosszú távú területi folyamatok és trendek Magyarországon pp. 257‒284. Publikon Kiadó, Pécs.
BARANYAI, N.–VARJÚ, V. (2017): A klímaváltozással kapcsolatos attitűdök területi sajátossá- gai Területi Statisztika 57 (2): 160–182. xxxxx://xxx.xxx/00.000X0/XX000000
XXXXX, X.–XXXXXXX, X. (2021): A klímaváltozás megítélésének dimenziói Európában: mintázatok és összefüggés a társadalmi bizalommal Területi Statisztika 61 (2): 20D–228. xxxxx://xxx.xxx/00.000X0/XX000000
XXXX, R. J.–X'XXXXXX, R. E.–XXXXXX, X. (2000): In what sense does the public need to understand global climate change? Public Understanding of Science D (3): 205‒218. xxxxx://xxx.xxx/00.0000/0X00-0000/X/0/000
XXXXXX, X.–XXXXXXXXX, M.–XXXXXX, C. J.–XXXX, G.–XXXXXX, S. D.–XXXXXXXXX, W.–
XXXXXXXXX, X.–XXXX, X. (2020): When worry about climate change leads to climate action: How values, worry and personal responsibility relate to various climate actions Global Environmental Change 62: 102061. xxxxx://xxx.xxx/00.0000/x.xxxxxxxxx.0000.000000
XXXXXX, X.–CONTO, F. (2018): Private capital in the rural development programme: the case of the Apulia region, Southern Italy Regional Statistics 8 (2): 3‒18. xxxxx://xxx.xxx/00.000X0/XX00000X
CSETE, M. S.–BUZÁSI, A. (2020): A smart planning szerepe a fenntartható városfejlesztésben
Területi Statisztika 60 (3): 370‒3D0. xxxxx://xxx.xxx/00.000X0/XX000000 DAUGIRDAS, V.–POCIŪTĖ-SEREIKIENĖ, G. (2018): Depopulation tendencies and territorial
development in Lithuania Regional Statistics 8 (2): 46‒68.
xxxxx://xxx.xxx/00.000X0/XX000000
XXXXXX, X. (2016): The Paris agreement: historic breakthrough or high stakes experiment?
Climate Law 6 (1–2): 1‒20. xxxxx://xxx.xxx/00.0000/00000000-00000000 EUROPEAN COMISSION: (201D) Special Survey “Climate Change” Eurobarometer 4D0 Report,
Brussels. xxxxx://xxx.xxx/00.0000/0000X
XXXXXX, X. X.–XXXXXX, A. D. (2018): Kritikai észrevételek a magyar vidékfejlesztésről a vidékföldrajz szempontjából Területi Statisztika 58 (1): 57‒83. xxxxx://xxx.xxx/00.000X0/XX000000
XXXXXXX, X.–XXXXX, P.–XXXXXX, X. (2017): Geography of tourism in Hungary. In: XXXXXXXX, X.–XXXXXXXXXXX, X. (eds.): The Geography of tourism of Central and Eastern European countries pp. 18D‒232. Xxxxxxxx, Xxxx. xxxxx://xxx.xxx/00.0000/X00-0-00X-00000-0_0
Xxxxxxxx, M.–Xxx Xxx Xxxxxx, S.–Xxxxxx, M. T.–Xxxxxxxxx, S. A.–Xxxxxxxxxxx,
A. (201D): Convenient but biased? The reliability of convenience samples in re- search about attitudes toward climate change OSF Preprints. August 23. xxxxx://xxx.xxx/00.0000X/xxx.xx/0x0xx
XXXXXXXX, M. H.–XXXXXXXXX, X.–XXXXXX, M. T.–XXXXXXXXX, S. A.–XXXXXX, M. J.–
XXXXXXXXXXX, X. (2020): Predictors of global warming risk perceptions among Latino and non-Latino white Americans Climatic Change 162: 1555–1574. xxxxx://xxx.xxx/00.0000/x00000-000-00000-x
XXXXXXXXX, M.–XXXXXXXX, Z.–XXXXXXX, R.–XXXXXX, X. (2014): Assessing climate change
beliefs: Response effects of question wording and response alternatives Public Understanding of Science 23 (8): D47‒D65. xxxxx://xxx.xxx/00.0000/0X00000000000000
XXXXXX, I. P.–XXXXX, C.–XXXXXX, T. R.–XXXXXXXX, P. A.–XXXXXXXXXX, M. (201D):
Improving the representation of adaptation in climate change impact models Re- gional Environmental Change 1D (3): 711‒721.
xxxxx://xxx.xxx/00.0000/x00000-000-0000-0
XXXXXXXXXXX, G.–XXXXXXXXX, B.–XXXXXXXX, M. (2020): The climate change beliefs falla- cy: the influence of climate change beliefs on the perceived consequences of cli- mate change flournal of Risk Research 23 (12): 1577‒158D. xxxxx://xxx.xxx/00.0000/0000X000.0000.000X000
XXXXXXXX, X.–XXXXXXXXX, K. J. (2006): Word associations as a tool for assessing conceptu- al change in science education Learning and Instruction 16 (5): 416‒432. xxxxx://xxx.xxx/00.0000/x.xxxxxxxxxxxx.0000.0X.000
XXXX, P. D.–XXXXXXXXXXXX, X.–XXXXXX, X. X.–XXXXXXXXXXX, X. (2015): Geographic
variation in opinions on climate change at state and local scales in the USA
Nature Climate Change 5 (6): 5D6‒603. xxxxx://xxx.xxx/00.0000/xxxxxxxx0000 KSH (2011): Népszámlálási adatok, 2011 Területi adatok – Hajdú-Bihar megye, Budapest. XXXXXX, X. (201D): Big Spatial Data: lehetőségek, kihívások és tapasztalatok Területi Statisztika
5D (1): 3‒26. xxxxx://xxx.xxx/00.000X0/XX0X0000
XXXXXXXXX, D. J.–XXXXX, P. L.–XXXXXXX, M.–XXXXXXX, E. O.–XXXXX, A. B.–XXXX, W.– DEN ELZEN,M. G. J.‒XXXXX, X.‒XXXXX, X.‒LIANG, Q-M.‒XXXXXXXX, X.‒PRADHAN, B. K.‒ XXX XXXXXXX, B. J.‒SHUKLA, P. R.‒XXX XXXXXX, D. P.–
XXX, X. X. (2015): Multi-model comparison of the economic and energy impli- cations for China and India in an international climate regime Mitigation and Ad- aptation Strategies for Global Change 20 (8): 1335‒135D. xxxxx://xxx.xxx/00.0000/x00000-000-X00X-0
XXXXX, M.–XXXXXXXXX, P. (201D): The crux with reducing emissions in the long-term: the underestimated “now” versus the overestimated “then” Mitigation and Adaptation Strategies for Global Change 24 (6): 116D‒11D0.
xxxxx://xxx.xxx/00.0000/x00000-000-X000-X
XXXXXX, X. (2014): A periférikus területek turizmusa Magyarországon: a tematikus utak mint lehetőségek Taylor: Gazdálkodás- és szervezéstudományi folyóirat 6 (3–4): 248‒257.
XXXXXXXXXXX, X. (2003): Global warming in the American mind: The roles of affect, imagery, and worldviews in risk perception, policy preferences and behaviour Doctoral dissertation, Uni- versity of Oregon, Eugene, Oregon.
XXXXXXXXXXX, X. (2006): Climate change risk perception and policy preferences: The role of affect, imagery, and values Climatic Change 77 (1–2): 45‒72. xxxxx://xxx.xxx/00.0000/x00000-000-X00X-X
XXXXXXXXXXX, X. (2012): Weather, climate, and (especially) society Weather, Climate, and Society 4 (2): 87‒8D. xxxxx://xxx.xxx/00.0000/XXXX-X-00-00000.0
Xxxxxxxxx, X.–Xxxxxxxxxxx, A.–Xx Xxxxxx Xxxxx, M.–Xxxxxxxxx, W.–Xxxxxxx, N.
F. (2006): Cross-national comparisons of image associations with “global warm- ing” and “climate change” among laypeople in the United States of America and Great Britain flournal of Risk Research D (3): 265‒281. xxxxx://xxx.xxx/00.0000/0000X000000000000
MAGYAR TERMÉSZETVÉDŐK SZÖVETSÉGE (2016): A magyar lakosság klímaváltozási attitűdvizs- gálata Budapest.
XXXXXX, E.–XXXXX, G.–XXXXXXX, I. M.–XXXXX, X. (2018): Vidéki nagyvárosaink gazdasá- gának összehasonlító elemzése Területi Statisztika 58 (6): 610‒637. xxxxx://xxx.xxx/00.000X0/XX000000
OBERTHÜR, S.–XXXXX XXXXX, X. (2008): EU leadership in international climate policy: achievements and challenges The International Spectator 43 (3): 35‒50. xxxxx://xxx.xxx/00.0000/00X000000000000X0
OBERTHÜR, S.–GROEN, L. (2017): The European Union and the Paris agreement: Leader, mediator, or bystander? Wiley Interdisciplinary Reviews: Climate Change 8 (1): e445. xxxxx://xxx.xxx/00.0000/xxx.000
X'XXXXXX, R. E.–XXXX, R. J.–XXXXXX, X. (1DDD): Risk perceptions, general environmental beliefs, and willingness to address climate change Risk Analysis 1D (3): 461‒471. xxxxx://xxx.xxx/00.0000/x.000X-0X00.0XXX.xx00000.x
XXX, X.–XXXX, X. (2005): Terület-és településfejlesztés I. A terület-és településfejlesztés alapjai Alexand- ra Press, Pécs.
XXXXXX, J.–XXXXXXX, I. Z.–XXXXXX, P. (2015): Demographic processes in developmentally peripheral areas of Hungary Stanovnistvo 53 (2): 87‒111. xxxxx://xxx.xxx/00.00X0/XXXX0000000X
XXXXXX, X.–XXXX, X. X.–XXXX, A.–APÁTI, N. (2018): Térségi sokszínűség és stabilitás: az iskolázottság települési szintű egyenlőtlenségeinek változása Magyarországon 1DD0–2011 között Területi Statisztika 58 (6): 567‒5D4. xxxxx://xxx.xxx/00.000X0/XX000000
XXXXXXXXX, X.–XXXXXXXXX, L.–XXXX, L.–XXXX, G.–XXXXXX, S. (201D): Climate change
perceptions and their individual-level determinants: A cross-European analysis Global Environmental Change 55: 25‒35. xxxxx://xxx.xxx/00.0000/x.xxxxxxxxx.000X.00.000
XXXX, X.–XXXXXX, X. (2001): Differences in expert and lay judgments of risk: myth or reality? Risk Analysis 21 (2): 341‒356.
xxxxx://xxx.xxx/00.0000/0000-0000.000000
SLOVIC, P. (1DDD): Trust, emotion, sex, politics, and science: Surveying the risk-assessment battlefield Risk Analysis 1D (4): 68D‒701. xxxxx://xxx.xxx/00.0000/X:0000000000000
XXXXX, N.–XXXXXXXXXXX, X. (2012): The rise of global warming skepticism: Exploring affec- tive image associations in the United States over time Risk Analysis: An Interna- tional flournal 32 (6): 10211032.
xxxxx://xxx.xxx/00.0000/x.000X-0X00.0000.00000.x
XXXXXXXXXXXX, X. (2018): The climate policy of the European Union from the framework convention to the Paris agreement flournal for European Environmental & Planning Law 15 (1): 42‒68. xxxxx://xxx.xxx/00.0000/00000000-00000000
XXXX-XXXXX, I.–XXXXX, X. (2003): A terület-és településfejlesztés alapjai Dialóg Campus, Buda- pest–Pécs.
XXXXXXXX, E. L.–BIEL, A.–XXXXXXX, T. (2007): Cognitive and affective risk judgements related to climate change flournal of Environmental Psychology 27 (2): D7‒106. xxxxx://xxx.xxx/00.0000/x.xxxxx.0000.00.000
XXXXX, X.–XXXXXXX, I.–RADICS, Z.–XXXXXX, P.–XXXXXX, X.–XXXXXX, X.–XXXX,
T.‒MESTER, X.–XXXXX, X. (2020): Assessing the public knowledge structure to- wards renewable energy sources in Hungary International flournal of Renewable Energy Research (IflRER) 10 (3): 1476‒1487.
XXXX, X. (2006): Centrum–periféria viszonyok vizsgálata a hazai közúthálózaton Területi Statisztika D (46): 476‒4D3.
XXXXXXX, B.–XXXXX, X. (2015): Scepticism in a changing climate: A cross-national study Global Environmental Change 33: 154‒164. xxxxx://xxx.xxx/00.0000/x.xxxxxxxxx.0000.00.000
XXX XXX XXXXXX, S. (2018): Warm glow is associated with low-but not high-cost sustainable behaviour Nature Sustainability 1 (1): 28‒30.
xxxxx://xxx.xxx/00.0000/x000X0-000-0000-0
XXXXXXX, X.–MARTONNÉ, K. E. (2015): Difficulties of the tourism development in the Middle Tisza (Tisa) Region, Hungary Studia Universitatis Babes-Bolyai, Geographia 60 (1): 145‒156.
XXXXXX, X.–VALENCIA, J.–ELEJABARRIETA, X. (1DD6): Relevance, discourse and the ‘hot’stable core social representations – A structural analysis of word associations British flournal of Social Psychology 35 (3): 331‒351.
xxxxx://xxx.xxx/00.0000/x.0000-000X.0XX0.xx00000.x
XXXXXXXXX, X. (200D): Behavioural responses to climate change: Asymmetry of intentions and impacts flournal of Environmental Psychology 2D (1): 13‒23. xxxxx://xxx.xxx/00.0000/x.xxxxx.0000.00.000
XXXXXXXXX, X. (2011): Scepticism and uncertainty about climate change: Dimensions, de- terminants and change over time Global Environmental Change 21 (2): 6D0‒700. xxxxx://xxx.xxx/00.0000/x.xxxxxxxxx.0000.00.000
XX, X.–XXXX, B.–XXXXX, X. X.–XXXX, X.–XXX, Y. M. (2013): Public perception of climate change in China: results from the questionnaire survey Natural Hazards 6D (1): 45D‒472. xxxxx://xxx.xxx/00.0000/x0000X-000-0000-0
ZDANOWSKA, N.–ROZENBLAT, C.–PUMAIN, D. (2020): Evolution of urban hierarchies under globalisation in Western and Eastern Europe Regional Statistics 10 (2): 1‒24. xxxxx://xxx.xxx/00.000X0/XX000000
XXXXXXX, X. (2017): Political orientation, environmental values, and climate change beliefs and attitudes: An empirical cross country analysis Energy Economics 63: 144‒153. xxxxx://xxx.xxx/00.0000/x.xxxxx.0000.00.000
ADATBÁZISOK/HONLAPOK
[1] CLIMATE ADAPT xxxxx://xxxxxxx-xxxxx.xxx.xxxxxx.xx/xx-xxxxxxxxxx-xxxxxx/xxxxxxxx-xx- mayors (letöltve: 2020. december 12.)
[2] COVENANT OF MAYORS FOR CLIMATE AND ENERGY xxxxx://xxx.xxxxxxxxxxxxxxxx.xx/xx/ (letöltve: 2020. december 12.)