Face mask perception during the COVID-19 pandemic: an observational study of Russian online social network VKontakte
这项横断面研究描述了用户对俄罗斯政府为应对COVID-19疫情而引入的口罩要求的态度。我们研究他们如何与其他用户的特征，如年龄，性别和政治态度。我们的研究结果表明，男性和老年人--最容易感染COVID-19的人口群体--低估了戴口罩的好处。我们还发现，反对俄罗斯政府的用户高度认可这项反COVID-19措施-反对派将以0.95的概率批准口罩要求。对于那些支持俄罗斯政府的人来说，批准的几率只有0.45。
2022-01-25 cs.CY cs.SI
Link creation and profile alignment in the aNobii social network
本文研究了aNobii \footnote{http://www.anobii.com/}的结构和动力学特性，它是一个专为读者和图书爱好者设计的社会书签系统。aNobii的用户提供有关他们的图书馆，阅读兴趣和地理位置的信息，他们可以与其他用户建立类型的社交链接。在这里，我们对系统的社交网络及其与用户配置文件的相互作用进行了深入分析。我们描述了地理和基于兴趣的因素与社会联系的关系。此外，我们进行了纵向分析，调查的相互作用的配置文件相似性和链接创建的社会网络，重点是三角形关闭。我们报告了一个相互的因果关系：用户的配置文件相似性驱动随后的关闭在社交网络中，但关闭在社交网络中诱导随后的配置文件对齐。进入社会网络的动态也使我们能够衡量优惠联系的量化指标。
2010-06-25 cs.CY physics.soc-ph
Experiments in Social Media
像Facebook和Twitter这样的社交媒体平台允许以最低的成本在科学家以前可能梦想过的规模的人群中进行实验。例如，Facebook上的一项实验涉及6000多万名受试者。这种大规模的实验带来了新的挑战，因为即使是很小的影响，当乘以一个大的人口可以有显着的影响。最近披露的利用社交媒体操纵投票行为的事件加剧了这种担忧。据信，剑桥分析公司用于针对美国选民的心理测量数据是由剑桥大学的亚历山大·科根博士在Facebook上使用个性测验收集的。未来，希望在社交媒体平台上收集数据和进行实验的研究人员将面临公众的强烈反对，这将阻碍此类研究的进行。我们建议建立更强大的安全警卫来帮助防止这种情况，并确保公众对使用社交媒体进行行为和其他研究的科学家保持信心。
2019-08-24 cs.CY cs.SI
CanaryTrap: Detecting Data Misuse by Third-Party Apps on Online Social Networks
在线社交网络支持一个充满活力的第三方应用生态系统，这些应用可以访问大量用户的个人信息。尽管最近发生了几起备受瞩目的事件，但缺乏系统地检测在线社交网络上第三方应用程序滥用数据的方法。我们建议使用CanaryTrap来检测与第三方应用程序共享的数据的滥用。CanaryTrap将一个honeytoken关联到一个用户帐户，然后在与第三方应用程序共享后通过不同的渠道监控其未被识别的使用。我们设计并实现了CanaryTrap，以调查Facebook上与第三方应用程序共享的数据的滥用。具体而言，我们通过安装第三方应用程序，将与Facebook帐户关联的电子邮件地址作为蜂蜜令牌共享。然后，我们监控收到的电子邮件，并使用Facebook的广告透明度工具来检测任何未识别的共享蜂蜜令牌使用。我们部署CanaryTrap来监控1，024个Facebook应用程序，发现了多起滥用Facebook上与第三方应用程序共享的数据的案例，包括勒索软件，垃圾邮件和定向广告。
2020-06-29 cs.CY cs.SI
Social Bootstrapping: How Pinterest and Last.fm Social Communities Benefit by Borrowing Links from Facebook
如何开发一个新的在线社区，让每个用户都能高度参与，并促进社会互动？许多网站提供交友功能，帮助用户从Facebook或Twitter等已建立的网络复制链接，从而在网站上引导社交网络。本文量化了这种社会引导在何种程度上是有效的，以提高网站的社会体验。首先，我们开发了一个风格化的分析模型，该模型表明复制倾向于产生一个巨大的连接组件（即，连接的社区），并保持诸如互惠性和聚类的属性，直到线性乘法因子。其次，我们使用来自两个网站Pinterest和Last.fm的数据，以经验方式比较从Facebook复制的链接与本地创建的链接的子图。我们发现，复制的子图有一个巨大的组件，更高的互惠性和聚类，并确认复制的连接看到更高的社会互动。然而，随着用户变得更加活跃和有影响力，复制的需求减少了。这些用户倾向于在网站上创建本地链接，链接到与他们比Facebook朋友更相似的用户。我们的研究结果为理解如何从已建立的社交网络引导通过增强社交互动来帮助吸引新用户提供了新的见解。
2014-03-24 cs.CY cs.SI physics.soc-ph
An empirical study of spatial and transpatial social networks using Bluetooth and Facebook
这项研究提供了深入了解用户的空间，面对面，城市社交网络和他们的空间，在线同行之间的定量相似性，差异和关系。我们探索并绘制了2602名用户群体中的社交关系，以及这些关系如何通过物理共存和在线工具进行调解。我们的分析集中在隔离社交网络的两个不同部分：一个由物理共存介导，另一个由Facebook介导。我们的研究结果表明，作为一个整体的网络表现出同质的特点，但个人在这些网络的参与差异很大。此外，本研究还提供了一种利用普遍存在的技术联合分析空间和透明网络的方法论方法。
2009-10-22 cs.CY
Crawling Facebook for Social Network Analysis Purposes
我们描述了我们在收集和分析描述参与者与在线社交网络之间联系的大量数据方面的工作。社交网络数据汇集的替代方法在实践中定义和评估，对流行的Facebook网站。多亏了我们的ad-hoc，隐私兼容的爬虫程序，已经收集了两个大样本，包括数百万个连接;数据是匿名的，并组织为无向图。我们描述了一组我们开发的工具来分析这种社交网络图的特定属性，即，其中包括度分布、中心性度量、缩放定律和友谊分布。
2011-05-31 cs.CY cs.SI physics.soc-ph
A Large-Scale Community Structure Analysis In Facebook
理解支配人类现象的社会动力学，如通信和社会关系，是当前计算社会科学的一个主要问题。特别是，鉴于前所未有的成功，在线社交网络（OSN），在本文中，我们关注的是最大的OSN的用户之间发生的聚合模式和社会动态的分析：Facebook。详细地，我们讨论了这个网络的社区结构的中观特征，考虑到社区的角度，这还没有在这样一个大规模的研究。为此，我们获取了包含数百万用户及其社会关系的网络样本;然后，我们揭示了代表用户聚集和交互的聚合单元的社区;最后，我们分析了这样一个社区网络的统计特征，发现并表征了在线社交网络中个体交互所遵循的一些特定组织模式，这是考虑到不同的抽样技术和聚类方法而出现的。这项研究提供了一些线索，个人建立在线社交网络，最终有助于建立一个良好的社会结构的社会互动的趋势，并打开了进一步的社会研究的空间。
2013-06-23 cs.CY cs.SI physics.soc-ph
Social sustainability through engagement in a training context with tools such as the Native Podcast and Facebook social network
本研究基于信息与传播科学，提出一种以日常生活数字工具（如Native Podcast与Facebook）驱动的参与过程，应用于培训情境，以促进终身学习和社会可持续性发展。
2025-04-23 cs.CY cs.MM cs.SI
Exploiting Social Annotation for Automatic Resource Discovery
USC Information Sciences Institute（南加州大学信息科学研究所）
需要访问信息资源的信息集成应用程序（如中介或mashup）目前依赖于用户手动发现它们并将它们集成到应用程序中。手动资源发现是一个缓慢的过程，需要用户筛选通过基于关键字的搜索获得的结果。虽然搜索方法已经发展到包括来自文件内容的证据、其元数据以及参考网页的内容和链接结构，但它们仍然没有充分涵盖信息源-通常被称为“隐藏的网络”-这些信息源根据查询动态生成文件。最近流行的社会书签网站，它允许用户注释和共享有关各种信息源的元数据，为资源发现提供了丰富的证据。在本文中，我们描述了一个概率模型的用户注释过程中的社会书签系统del.icio.us。然后，我们使用该模型来自动查找与特定信息域相关的资源。我们的实验结果从\emph{del.icio.us}获得的数据显示这种方法作为一个有前途的方法，帮助自动化的资源发现任务。
2007-04-12 cs.AI cs.CY cs.DL
How Social Are Social Media The Dark Patterns In Facebook's Interface
许多研究人员一直关注社交媒体及其对受众福祉的可能负面影响。随着社交网站（SNS）的日益普及，心理学和社会科学对其对人类的影响和后果表现出极大的兴趣。不幸的是，似乎很难找到SNS和他们的作品之间的相关性。因此，我们使用HCI工具调查Facebook，以找到界面功能和这些领域所提出的问题之间的联系。在向暗模式点头的情况下，我们使用经验设计分析来识别影响用户在线隐私的界面干扰。我们进一步讨论了人机交互如何有助于在未来实现更道德的用户界面。
2021-03-19 cs.CY cs.HC
Stickers on Facebook: Multifunctionality and face-enhancing politeness in everyday social interaction
Universidad Alfonso X El Sabio（阿尔方索十世智者大学）
本研究分析了疫情期间Facebook评论中贴纸的使用，揭示其在增强礼貌和情感交流中的多功能性及性别差异。
2026-02-06 cs.CY cs.MM cs.SI
Learning Social Relation Traits from Face Images
The Chinese University of Hong Kong（香港中文大学）
社会关系定义了两个或两个以上的人之间的联系，如热情、友好和支配。出于心理学研究的动机，我们调查，如果这种细粒度和高层次的关系特征可以在野外的面部图像的特点和量化。为了解决这个具有挑战性的问题，我们提出了一个深度模型，该模型学习丰富的面部表示来捕获性别，表情，头部姿势和年龄相关的属性，然后执行成对的面部推理以进行关系预测。为了从异构属性源中学习，我们制定了一个新的网络架构，其中包含一个桥接层，以利用这些数据集之间的固有对应关系。它还可以处理丢失的目标属性标签。大量的实验表明，我们的方法是有效的图像和视频中的细粒度的社会关系学习。
2015-09-14 cs.CV cs.CY
Group mixing drives inequality in face-to-face gatherings
揭示人类互动中的不平等是如何产生的，对公正的社会至关重要。在这里，我们表明，社会群体在面对面的情况下互动的方式可以使社会群体的可见性出现差异。这些差异转化为特定社会群体的成员具有比平均水平更少的社会联系（即，度不等式）。我们在基于传感器的数据集中描述了组度不平等，并提出了一种机制，解释了这些差异的结果，组混合和组大小的不平衡。我们研究群体规模如何影响这种不平等，从而揭示了临界规模和混合条件，在一个关键的少数群体出现。如果一个少数群体的规模大于这个临界值，它可能是一个联系紧密、有凝聚力的群体;如果它小于这个临界值，少数群体的凝聚力会扩大程度不平等。最后，我们揭示了由于混合动力学导致的学位排名中个人代表性不足，并提出了一种减少这种偏见的方法。
2022-03-16 cs.CY cs.MA cs.SI
Characteristics and prevalence of fake social media profiles with AI-generated faces
Observatory on Social Media, Indiana University（印第安纳大学社会媒体观测站）；Network Science Institute, Northeastern University（东北大学网络科学研究所）
本文系统分析了Twitter上使用GAN生成人脸的虚假账号，提出基于眼睛位置一致性与人工标注的检测方法，估计其普遍性下界为0.021%-0.044%，并开源代码与数据以应对多模态生成式AI威胁。
2024-07-04 cs.AI cs.CY cs.SI
Online networks destroy social trust
对社会资本文献的研究记录了两个典型的事实：第一，在许多经合组织国家，社会参与的衡量标准出现了下降。其次，也是最近，社交网站（SNS）的成功导致在线社交参与急剧上升。我们的研究通过对在线网络如何影响社会资本的两个经济相关方面（即信任和社交能力）进行首次实证评估，增加了这一研究体系。我们利用现有的语音电信基础设施的技术特征，外部决定了高速互联网的宽带的可用性，在线网络解决endobacteria。我们发现，参与社交网络，如Facebook和Twitter的面对面的互动有积极的影响。然而，社会信任随着在线互动而下降。我们认为，仇恨言论的不断增加可能在破坏信任方面发挥关键作用。
2014-08-31 cs.CY
Personal Moderation Configurations on Facebook: Exploring the Role of FoMO, Social Media Addiction, Norms, and Platform Trust
基于 1,061 名全国代表性样本，研究 Facebook 用户的个人审核工具配置，揭示 FoMO、成瘾、规范及平台信任对其使用和内容风险的不同影响。
2024-03-03 cs.CY cs.HC
Social Perception of Faces in a Vision-Language Model
California Institute of Technology（加州理工学院）；ETH Zurich（苏黎世联邦理工学院）；Computational Social Science（计算社会科学）；Swiss Data Science Center（瑞士数据科学中心）；Empa（瑞士联邦材料科学与技术研究院）
本研究探讨视觉语言模型 CLIP 对面部的社会感知，通过系统操纵面部属性进行实验，发现 CLIP 能做出类似人类的社会判断，且在年龄、性别和种族（尤其是黑人女性）上存在系统性偏见，面部表情影响显著大于年龄。
2025-09-15 cs.AI cs.CV cs.CY
Oxford Handbook on AI Ethics Book Chapter on Race and Gender
从基于人脸识别的大规模监控和基于机器学习的决策系统预测犯罪再犯率，到向自动健康诊断系统的转变，人工智能（AI）正在被用于对人们生活产生严重影响的场景。然而，人工智能在社会中的快速渗透并没有伴随着对社会政治问题的彻底调查，这些问题导致某些群体受到伤害而不是被它所困扰。例如，最近的研究表明，商业人脸识别系统对深色皮肤的女性有更高的出错率，而对浅色皮肤的男性有最小的错误。2016年ProPublica的一项调查发现，基于机器学习的评估美国犯罪累犯率的工具对非洲裔美国人有偏见。其他研究表明，在报纸上训练的自然语言处理工具表现出社会偏见（例如，完成家庭主妇的类比“男人是计算机程序员，就像女人是X”）。与此同时，《数学毁灭性武器》和《自动化不平等》等书详细介绍了美国社会经济下层的人如何比上层社会的人更容易使用自动化决策工具。因此，这些工具最常用于对他们表现出最大偏见的人。虽然已经提出了许多技术解决方案来减轻机器学习系统中的偏见，但我们必须采取全面和多方面的方法。这包括标准化机构确定哪些类型的系统可以在哪些场景中使用，确保自动化决策工具是由来自不同背景的人创建的，并了解使某些群体处于不利地位的历史和政治因素。
2019-08-08 cs.AI cs.CY
PressProtect: Helping Journalists Navigate Social Media in the Face of Online Harassment
本文针对记者在社交媒体上面临的网络骚扰问题，通过需求访谈发现现有保护工具不足，进而设计了 PressProtect 界面以增强记者在 Twitter/X 上的自主权，用户测试表明其能有效防御骚扰并具备推广潜力。
2024-08-27 cs.CY cs.HC
Face-to-BMI: Using Computer Vision to Infer Body Mass Index on Social Media
MIT-CSAIL（麻省理工学院计算机科学与人工智能实验室）；Northeastern University（东北大学）；Qatar Computing Research Institute, HBKU（哈马德·本·哈利法大学卡塔尔计算研究所）
一个人的体重状况可能对他们的生活产生深远的影响，从心理健康到长寿，再到经济收入。在社会层面，“肥胖羞辱”和其他形式的“体型主义”越来越令人担忧，而肥胖率的上升与医疗成本的不断上升有关。出于这些原因，来自各种背景的研究人员都有兴趣从各个角度研究肥胖。为了获得数据，传统上，一个人必须准确地自我报告他们的体重指数（BMI），或者必须去看医生测量。在本文中，我们展示了如何使用计算机视觉从社交媒体图像中推断一个人的BMI。我们希望我们发布的工具有助于推进与体重相关的社会方面的研究。
2017-03-09 cs.CV cs.CY cs.HC
