Collective response to the media coverage of COVID-19 Pandemic on Reddit and Wikipedia
在流行病爆发期间，信息的暴露和消费可能会改变风险认知，引发行为变化，并最终影响疾病的演变。因此，至关重要的是，要了解主流媒体的信息传播情况和公众的反应。然而，我们对COVID-19大流行期间的这一应对动态的了解仍然有限。在本文中，我们提供了意大利、英国、美国和加拿大四个国家对COVID-19大流行的媒体报道和在线集体关注的特征。为此，我们收集了一个异构数据集，包括主流媒体发布的227，768篇在线新闻文章和13，448个Youtube视频，社交媒体平台Reddit上的107，898个用户帖子和3，829，309条评论，以及278，456，892次与COVID-19相关的维基百科页面浏览量。我们的研究结果显示，公众关注度（量化为Reddit上的用户活动和维基百科页面上的活跃搜索）主要由媒体报道驱动，并迅速下降，而新闻曝光率和COVID-19发病率仍然很高。此外，通过使用一个无监督的，动态的主题建模方法，我们表明，虽然专注于不同的主题的媒体和在线用户的注意是在良好的一致性，有趣的偏差出现在他们的时间模式。总的来说，我们的研究结果提供了一个额外的关键来解释公众的看法/对当前全球卫生紧急情况的反应，并提出了有关注意力饱和对集体意识，风险认知，从而对行为变化趋势的影响的问题。
2020-06-08 cs.SI physics.soc-ph
Social media battle for attention: opinion dynamics on competing networks
本文提出多重网络观点动力学模型，研究用户在竞争性社交媒体平台间的注意力分配，发现中性算法平台仍可能维持极化，而多平台动态隔离可在提升满意度时不加剧极化。
2023-10-27 cs.SI physics.soc-ph
The blogosphere as an excitable social medium: Richter's and Omori's Law in media coverage
我们通过监测在线博客的内容来研究公众媒体关注的动态。社交和媒体事件可以通过相关关键词的词频传播来追踪。媒体事件被分类为外源性的-博客活动是由外部新闻项目触发-或内源性的词频率建立在博客社区没有外部影响。我们发现，字的出现显示统计相似性地震。媒体事件的规模分布遵循古登堡-里克特定律，媒体事件前后的媒体关注动态遵循大森定律。我们提出了进一步的经验证据，表明对于内生起源的媒体事件，公众对事件的整体接受与事件开始时的词频行为相关，并且在一定程度上是可预测的。这些结果可能意味着，在人类社会的意见形成过程可能与兴奋性媒体的影响。
2011-02-10 cs.SI physics.soc-ph
LA-CTR: A Limited Attention Collaborative Topic Regression for Social Media
概率模型可以从用户在社交媒体网站上的项目采用历史中学习用户的偏好，并且反过来，基于学习到的偏好向用户推荐新项目。然而，目前的模型忽略了心理因素在塑造在线社交行为中发挥重要作用。其中一个因素是注意力，它是一种整合感知和认知特征的机制，用于选择用户将有意识地处理并可能最终采用的项目。最近的研究表明，人们的注意力是有限的，这限制了他们的在线互动，并且他们将有限的注意力不均匀地分配给其他人。我们提出了一个合作的主题回归模型，采用有限的，非均匀划分的注意力。我们表明，该模型能够学习更准确的用户偏好比最先进的模型，不考虑人类的认知因素。具体来说，我们分析了社会新闻聚合器上的新闻项目投票，并表明我们的模型比其他模型更能预测投票。我们的研究表明，心理社会动机的模型能够更好地描述和预测观察到的行为比模型，只考虑潜在的社会结构和内容。
2013-11-05 cs.IR cs.SI physics.soc-ph
Attention dynamics on the Chinese social media Sina Weibo during the COVID-19 pandemic
了解流行病期间社交媒体上的关注动态可以帮助政府将影响降到最低。我们聚焦于COVID-19疫情首四个月如何影响中国最大微博网站新浪微博的关注动态。我们研究了实时热搜榜（HSL），它根据新浪微博的搜索量提供了最受欢迎的50个标签的排名。我们展示了疫情期间的具体事件、措施和事态发展如何影响不同类型标签的出现和HSL上的排名。2020年1月20日左右，当宣布该疾病在人类之间传播时，HSL上与COVID-19相关的标签开始显著增加。然后，很快就出现了一种情况，即与COVID相关的标签占据了HSL的30-70%，但内容不断变化。我们分析了标签主题在调查时间跨度内的变化，并得出结论，2月12日和3月12日之间有三个时间段。在第一阶段，我们看到了强烈的主题相关性和标签的聚类;在第二阶段，相关性减弱，没有聚类模式;在第三阶段，我们看到了聚类的潜力，但没有第一阶段那么强。我们通过测量排名动态和列表上标签的生命周期来进一步探索HSL的动态。通过这种方式，我们可以获得关于注意力衰退的信息，这对于决定政府措施的时间安排以实现永久意识是很重要的。此外，我们的观察表明，由于COVID-19相关的标签，HSL前15名排名的排名差异异常高，揭示了平台提供商进行算法干预的可能性。
2021-02-25 cs.SI physics.soc-ph
Competing for Attention in Social Media under Information Overload Conditions
尽管多种形式的现代社交媒体已成为传播信息的主要渠道，但由于信息源数量的迅速扩大，它们正变得超载。我们分析了中国最大的微博网站新浪微博中不断扩大的用户生成内容，发现证据表明，流行信息通常遵循一种与疾病传播不同的机制，与普遍认为的相反。在这种机制中，拥有更多朋友的个体需要更多的重复曝光来进一步传播信息。此外，我们的数据表明，与流行病不同，对于某些信息，个人分享信息的机会与他/她分享信息的邻居的比例成正比，因此，一个人的朋友数量越多，传播信息所需的重复接触次数就越多，这是争夺注意力的结果。我们使用一个分数易感感染恢复（FSIR）模型，其中一个节点的感染概率是成比例的感染邻居的分数这个过程建模。我们的发现对信息传染具有戏剧性的影响。例如，使用FSIR模型，我们发现现实世界的社交网络有一个有限的流行阈值。这与传统智慧从疾病流行模型中得出的零阈值形成对比。这意味着，当个体被过量的信息源超载时，如果信息超过临界流行阈值，信息就会到达人群，或者它永远不会被很好地接受，导致只有少数信息内容可以在整个人群中广泛传播。
2014-10-14 cs.SI physics.soc-ph
Strong Regularities in Growth and Decline of Popularity of Social Media Services
我们分析了时间序列中的一般趋势和模式，这些趋势和模式表征了对社交媒体服务和基于Web的业务的集体关注的动态。我们的研究基于Google Trends提供的搜索频率数据，并考虑了175种不同的服务。对于每项服务，我们收集来自45个不同国家的数据以及全球平均水平。通过这种方式，我们获得了8,000多个时间序列，并使用经济科学中的扩散模型进行了分析。我们发现，这些模型准确地描述了经验数据，我们的分析表明，对社交媒体的集体关注以高度规律和可预测的方式增长和消退。规则在不同的地区、文化和主题中持续存在，因此暗示了管理基于Web的服务的采用的一般机制。我们详细讨论了几个案例，以突出有趣的发现。我们的方法是经济利益，因为它们可以告知投资决策，并可以帮助评估在一般的生命周期的Web服务是在什么阶段。
2014-06-25 cs.SI physics.soc-ph
Attention and Visibility in an Information Rich World
随着内容生产速度的增长，我们每天必须做出数量惊人的决定，决定哪些信息值得采取行动。对于任何蓬勃发展的在线社交媒体系统，用户几乎无法跟上朋友分享的新内容。用户界面设计如何帮助或阻碍用户找到有趣内容的能力？我们分析了人们在社交媒体网站Twitter和Digg上传播哪些信息的选择。我们观察到的行为可以直接归因于人类的认知局限性，导致每个网站的不同的可见性政策。我们量化了人们如何将有限的注意力分散在相互竞争的信息源中，并展示了用户界面设计如何调节信息传播。
2013-07-17 cs.SI nlin.AO physics.soc-ph
Deciding what to display: maximizing the information value of social media
在信息丰富的环境中，对用户注意力的争夺导致了大量内容的泛滥，人们往往很难从中挑选出最相关、最有用的内容。使用Twitter作为案例研究，我们应用注意力经济的解决方案，以产生最翔实的推文，为用户。通过将推文的新颖性和受欢迎程度作为其相关性和实用性的客观衡量标准，我们使用Huberman-Wu算法自动选择在下一个时间间隔内获得最多关注的推文。他们预测的受欢迎程度通过使用为期2个月的Twitter数据得到证实。
2014-11-12 cs.CY cs.HC cs.SI
Big Questions for Social Media Big Data: Representativeness, Validity and Other Methodological Pitfalls
社交媒体中人类活动的大规模数据库引起了科学和政策的关注，产生了大量的研究和讨论。本文考虑了这一新兴领域的方法和概念挑战，特别关注社交媒体大数据分析的有效性和代表性。持续存在的问题包括过度强调单一平台，Twitter，由标签选择产生的抽样偏差，以及模糊和不具代表性的抽样框架。用户行为的社会文化复杂性，旨在实现算法的不可见性（例如subtweeting，mock-retweeting，使用文本的“屏幕截图”等）。进一步复杂化对大数据社交媒体的解读。其他挑战包括对实地影响的核算，即不仅通过所研究的网络传播而且影响整个社会的广泛后果事件。将其他领域的网络方法应用于人类社会活动的研究可能并不总是合适的。本文最后呼吁采取实际措施，提高我们在这一充满希望的快速增长领域的分析能力。
2014-04-15 cs.SI physics.soc-ph
Long Trend Dynamics in Social Media
社交媒体的一个主要特点是，其多样化的内容，由标准渠道和普通用户大量产生，不断争夺大量受众的稀缺注意力。在这股信息洪流中，一些主题设法获得足够的关注，成为最受欢迎的主题，从而突出显示为趋势。同样重要的是，其中一些趋势持续的时间足够长，足以形成社会议程的一部分。这是如何发生的是本文的重点。通过引入一个随机动态模型，考虑到用户的重复参与给定的主题，我们可以预测的趋势持续时间的分布，以及阈值的流行，导致他们在社交媒体中的出现。Twitter数据集的详细测量证实了模型及其预测的有效性。
2011-12-20 cs.CY cs.SI physics.soc-ph
Social Politics: Agenda Setting and Political Communication on Social Media
社交媒体在政治沟通中发挥着越来越重要的作用。各种研究调查了个人如何利用社交媒体进行政治讨论，分享他们对政治和政策的看法，或动员和抗议社会问题。然而，很少有人关注政治讨论的主要参与者：政治家。本文以美国总统奥巴马和美国50位州长为研究对象，以Twitter数据和话题设置理论为工具，探讨了他们的日常政治讨论模式，揭示了他们关注和感兴趣的主要话题。我们研究了这些政治家制作的超过10万条推文，并确定了7个宏观话题的谈话，发现Twitter代表了一个特别有吸引力的车辆，美国反对派政治家的谈话。我们强调了两党政治对话的主要主题，发现共和党和民主党州长在Twitter上或多或少都很活跃，但表现出不同的沟通风格。最后，通过重建州长标签和与政治问题相关的关键词的出现网络，我们观察到共和党形成了一个紧密的核心，在许多讨论问题上有更强有力的共同议程。
2016-07-22 cs.SI physics.soc-ph
Limited individual attention and online virality of low-quality information
社交媒体是一个巨大的市场，在那里，想法和新闻争夺我们的注意力。先前的研究表明，质量不是网络病毒式传播的必要条件，关于同伴选择的知识会扭曲质量和流行度之间的关系。然而，这些结果并不能解释低质量信息的病毒式传播，比如威胁我们民主的数字错误信息。我们调查质量歧视的程式化模型的在线社交网络，个人代理更喜欢高质量的信息，但在管理大量的信息流的行为限制。我们衡量一个想法的质量和它在系统层面上流行的可能性之间的关系。我们发现，信息过载和有限的注意力有助于在市场的歧视力退化。根据该模型，区分能力和信息多样性之间的良好折衷是可能的。然而，在真实的社交媒体中，用表征信息负载和有限注意力的经验数据进行校准，揭示了信息质量和受欢迎程度之间的弱相关性。在这些现实条件下，该模型预测，高质量的信息比低质量的信息几乎没有优势。
2019-01-10 cs.SI physics.soc-ph
Dynamics of Trends and Attention in Chinese Social Media
近年来，全世界的在线社交网络增长迅猛。它促进了用户以不间断的速度产生大量的实时内容，所有这些内容都相互竞争以吸引足够的关注并成为流行趋势。虽然Twitter等西方在线社交网络得到了很好的研究，但中国流行的微博网络新浪微博的曝光率相对较低。在本文中，我们详细分析了新浪微博中的趋势和趋势引领者的时间方面，并将其与Twitter中的早期观察进行了对比。我们发现，与Twitter等全球社交网络相比，在中国分享的内容存在巨大差异。在中国，这些趋势几乎完全是由于媒体内容的转发，如笑话，图像和视频，而不像Twitter，这些趋势往往与当前的全球事件和新闻故事有关。我们将详细分析趋势的形成、持续和衰退，并研究新浪微博中的关键趋势。我们的一个主要发现是，转发在新浪微博中更为常见，并对创造趋势做出了很大贡献。当我们仔细观察时，我们观察到新浪微博的大多数趋势都是由于一小部分欺诈账户的持续转发。这些虚假账户的设立是为了人为地夸大某些帖子，使它们迅速进入新浪微博的趋势列表，这些帖子反过来又被显示为用户最受欢迎的话题。
2013-12-02 cs.CY cs.SI physics.soc-ph
Who creates trends in online social media: The crowd or opinion leaders?
在线社交媒体的趋势总是反映了整个网络中大量个人的集体关注。例如，网络俚语可以在极短的时间内因社会模因和网络传播而无处不在。通过对中国微博的研究发现，网络流行语的使用在时间演变过程中经历了两个高峰，其中前者的使用率远低于后者。事实上，这一有趣的现象提供了一个体面的窗口，揭示了推动在线社交媒体大规模扩散趋势的基本因素。具体而言，通过对不同峰值所代表的传播效果进行深入比较，发现在传播初期，人群的关注度越高，传播效果越好;而在传播初期，意见领袖的主导参与度越高，传播效果越差。我们的研究结果在定量上挑战了传统的影响者假设。并讨论了这些新发现对营销实践和社交网络中影响力最大化的影响。
2014-09-05 cs.CY cs.SI physics.soc-ph
Collective attention in the age of (mis)information
在这项工作中，我们研究了230万人的样本，Facebook用户如何在最近一次意大利选举竞争中在政治讨论和新闻的边缘消费不同的信息。网页根据其主题和所涉及的利益群体进行分类，a）替代信息源（传播被科学和主流媒体忽视的主题）; b）在线政治活动; c）主流媒体。我们发现，尽管信息的性质不同，但注意力模式是相似的，这意味着未经证实的主张（主要是阴谋论）与其他信息一样长时间地回响。最后，我们根据不同主题之间的交互模式对用户进行分类，并测量这个社交生态系统的样本（1279名用户）对注入2788个虚假信息帖子的反应。我们的分析表明，用户谁是突出与替代信息源（即更多地暴露于未经证实的索赔）更容易与虚假索赔互动。
2014-03-13 cs.CY cs.SI physics.soc-ph
Twitter-based analysis of the dynamics of collective attention to political parties
来自社会媒体的大规模数据在描述现实世界中的复杂现象和预测信息传播和社会趋势等集体行为方面具有巨大的潜力。一个具体的研究案例是对政党行动的集体关注。毫不奇怪，研究人员和利益相关者试图将政党在社交媒体上的存在与他们在选举中的表现联系起来。尽管做出了许多努力，但结果仍然是不确定的，因为这种数据通常非常嘈杂，并且重要的信号可能被（大部分未知的）统计波动所覆盖。在本文中，我们认为一个党的推文数量（推文量）作为集体关注的代理党，确定的动态量，并表明，这个数量有一些信息的选举结果。我们发现，每一方的鸣叫量的分布遵循对数正态分布的正自相关的量在短期内，这表明量有很大的波动对数正态分布，但短期的趋势。此外，通过测量连续两次每日推文量的比率，我们发现一个聚会每日推文量的演变可以借助于几何布朗运动来描述（即，体积的对数随趋势随机移动）。最后，我们确定平均鸣叫量的最佳时期，以减少波动和提取短期趋势。我们的结论是，推文量是一个很好的指标，政党在选举中的成功时，考虑在一个最佳的时间窗口。我们的研究确定了对政治问题的集体关注的统计性质，并揭示了如何在社交媒体中对集体关注的动态进行建模。
2015-07-14 cs.SI physics.data-an physics.soc-ph
On Online Attention Dynamics
这项工作的目的是强调一些问题，虽然至关重要，因为媒体研究的早期，尚未成为对象的经验和计算研究，他们应该：集体注意力如何集中和消散在现代通信系统？主题和来源如何在公共辩论中上升和下降？媒体基础设施如何塑造这些动态？在解决这些问题的角度来看，本章提供了一个在线内容传播的动态文献回顾：我们的目标是准备必要的研究，这应该包括实证调查，数学建模，数值模拟和严格的系统理论分析的基础。
2022-04-27 physics.app-ph physics.soc-ph
Influence and Passivity in Social Media
通过社交媒体流动的信息量不断增加，迫使这些网络的成员通过依赖其他人来传播他们的信息来争夺注意力和影响力。一项关于Twitter内部信息传播的大型研究表明，大多数用户都是被动的信息消费者，不会将内容转发到网络。因此，为了让个人变得有影响力，他们不仅必须获得关注，从而受到欢迎，而且还要克服用户的被动性。我们提出了一种算法，确定用户的影响力和被动性的基础上，他们的信息转发活动。使用250万用户数据集进行的评估表明，我们的影响力度量是URL点击的良好预测器，优于其他几个没有明确考虑用户被动性的度量。我们还明确证明，高受欢迎程度并不一定意味着高影响力，反之亦然。
2010-08-06 cs.CY physics.soc-ph
Dynamics of Cross-Platform Attention to Retracted Papers
在正式撤回之前，recruitment papers经常在社交媒体，数字新闻和其他网站上广泛传播。撤回论文中可能不准确或误导性结果的传播可能会损害科学界和公众。在这里，我们量化了不同在线平台上随着时间的推移收到的3，851篇撤回论文的关注量和类型。与来自相同期刊的一组非撤回对照论文相比，具有相似的出版年份，共同作者数量和作者影响力，我们发现撤回论文不仅在社交媒体上发表后受到更多关注，而且在新闻媒体和知识库等高度策划的平台上也受到更多关注，放大了对公众的负面影响。与此同时，我们发现Twitter上的帖子倾向于表达更多的批评收回比控制文件，这表明批评表达推文可能包含有关问题文件的事实信息。最重要的是，在论文被撤回的时候，论文引起的讨论主要是关于撤回事件，而不是关于研究结果，这表明到目前为止，论文已经耗尽了对其结果的关注，并突出了撤回的有限影响。我们的研究结果揭示了被撤回论文在不同在线平台上被讨论的程度，并确定了大规模的受众批评。在这种情况下，我们表明，撤回不是一个有效的工具，以减少在线关注有问题的论文。
2022-06-15 cs.CY cs.DL physics.soc-ph
