德语气候新闻威胁与解决方案框架检测：微调BERT与少样本LLM大比拼

新闻媒体在塑造公众对气候变化的认知中扮演关键角色，报道侧重威胁还是解决方案框架直接影响公众参与和政策支持。为自动化分析海量文本，研究者对比了两种句子级分类方法：一是采用少样本提示结合思维链推理的Llama 4 Maverick大模型，二是基于上下文微调的德语BERT模型（deepset/gbert-large）。后者将前一句作为目标句的语境进行句子对分类。两种方法均独立构建威胁框架与解决方案框架的二分类器。在440篇奥地利报纸文章的人工标注数据集上评估显示，微调BERT模型在威胁与解决方案任务上的F1分数均达0.83，优于大模型方法的0.78。消融实验证实，提供前句语境显著提升BERT分类性能。该研究为计算社会科学中文本分类任务提供了微调编码器模型与提示生成模型对比的新实证，有助于推动媒体内容自动化分析工具的发展。