Toxic behavior silences online political conversations
本研究分析2020年美国大选期间六家新闻媒体YouTube评论,并用hidden Markov models发现有毒行为会诱发用户沉默与更极端发言,揭示自我审查对在线政治极化的影响。
2024-12-07 cs.CY cs.SI
Democracy Needs Reach: Political Equality, Online Speech, and Algorithmic Recommendation
University of Ottawa(渥太华大学)
本文提出推荐下限机制,通过为验证账户的政治帖子提供最低推荐保证,以缓解社交媒体算法触达不平等对民主政治影响力机会平等的损害。
2026-09-10 cs.CY cs.SI
Global Crises and National Policies: A Large Scale Analysis of Political Content in German Language Online Media
Berliner Hochschule für Technik(柏林技术高等学院);Einstein Center Digital Future(爱因斯坦数字未来中心)
本研究分析2019-2022年德语在线媒体的数百万篇文章和推文,发现国际危机可同步传统媒体政治内容,其自动化政治分析能提升媒体透明度与公共话语平衡性。
2026-08-20 cs.CY cs.IR cs.LG
Political Discussion and Leanings on Twitter: the 2016 Italian Constitutional Referendum
最近获得了大量高分辨率的在线人类活动数据集,从而能够以前所未有的准确度研究和描述人类互动的机制。为此,已经做出了许多努力来理解人们在形成他们对某个主题的观点时如何共享和检索信息。具体而言,基于其在线活动检测一个人的政治倾向可以支持对给定人群的意见趋势的预测。在这里,我们通过结合复杂网络理论和机器学习技术来解决这个具有挑战性的任务。特别是,从收集的600多万条推文开始,我们描述了2016年12月举行的意大利宪法公投在线政治辩论的结构和动态。我们分析了不同政治社区之间的讨论模式,并描述了其中的联系网络。此外,我们建立了一个程序来推断意大利Twitter用户的政治倾向,这使我们能够准确地重建由官方民意调查(皮尔逊的r=0.88)给出的整体民意趋势,以及预测具有良好的准确性的公投的最终结果。我们的研究提供了一个大规模的检查,意大利在线政治讨论,通过情绪分析,从而为未来的研究在线政治辩论建模的基线。
2018-05-18 cs.SI physics.soc-ph
Quantitative Analysis of Forecasting Models:In the Aspect of Online Political Bias
Oklahoma State University(俄克拉荷马州立大学)
本文针对在线政治偏见预测研究不足的问题,提出将社交媒体帖子分为五类政治倾向的启发式方法,并在 Twitter 和 Gab 数据集上系统评估现有时间序列预测模型,以揭示政治偏见预测的挑战与机遇。
2023-09-19 cs.CY cs.LG cs.SI
Reaching the bubble may not be enough: news media role in online political polarization
不同国家的政治表现出不同程度的两极分化,这种分化在社交媒体上往往更为强烈,因为在网络上与志同道合的人联系和接触变得如此容易。减少两极分化的一种方法是在具有不同政治取向的个人之间传播跨党派新闻,即,“到达泡沫”。本研究调查这是否在巴西和加拿大的全国性选举的背景下举行。我们收集了2018年巴西总统大选和2019年加拿大联邦大选期间分享的与政治相关的推文。接下来,我们提出了一个更新的中心性指标,可以识别高度中心的气泡到达者,可以在具有不同政治观点的用户之间分发内容的节点-这是拟议研究的基本指标。在此之后,我们分析了用户如何参与泡沫接触者共享的新闻内容,其来源和主题,考虑其政治取向。在其他结果中,我们发现,即使新闻媒体传播的内容对政治光谱的不同方面感兴趣,用户也倾向于更多地参与与他们的政治取向一致的内容,无论主题如何。
2022-07-07 cs.CY cs.SI
How to Hijack Twitter: Online Polarisation Strategies of Germany's Political Far-Right
通过网络方法,我们研究了德国极右翼政党德国另类选择党(AfD)的案例,以及他们可能使用的“黑客攻击”策略。我们的研究结果表明,右翼政客(及其支持者/转发者)不仅通过使用自己的政党标签,而且还通过“hashjacking”其他老牌政党的政党标签来积极有效地极化话语。这些结果强调,有必要了解右翼政党在网上和选举中的成功,这并不完全是外部影响(例如移民)的结果,而是其数字政治传播战略的直接结果。
2020-10-12 cs.SI
LLMs Can Infer Political Alignment from Online Conversations
研究展示大语言模型能可靠推断隐藏的政治倾向,优于传统机器学习模型,通过聚合文本推断和使用相关领域提升预测精度,揭示LLM在利用社会文化关联方面的潜力与风险。
2026-03-13 cs.CL cs.CY cs.SI
Group Threat, Political Extremity, and Collective Dynamics in Online Discussions
集体调整其网络结构以应对所面临的挑战。有人假设,集体经历了来自外群体的真实或想象的威胁,倾向于团结在少数有影响力的群体成员后面,而少数成员具有非常强大影响力的网络结构更可能出现在政治极端群体中。这些假设还没有在大规模的现实世界中进行测试。我们重建了数万名评论者的网络,这些评论者参与了美国知名政治新闻网站的评论部分,从左到右跨越了政治光谱,包括琼斯母亲,大西洋,希尔和布莱巴特。我们调查了评论者网络中影响力不平等的不同指数与重大社会事件(从选举和政治集会到大规模枪击事件)相关的感知群体威胁之间的关系。我们的研究结果支持这样的假设,即面临真实或想象的外群体威胁的群体和政治上更极端的群体更有可能包括不成比例的有影响力的评论者。这些结果提供了一个广泛的现实世界的测试理论帐户的集体适应外群体的威胁。
2023-02-23 cs.CY cs.SI
Gender Dynamics in Russian Online Political Discourse
本研究通过分析2022-2024年俄乌战争期间YouTube的2168个视频与超3.6万条评论,揭示俄罗斯在线政治话语中的性别动态,发现女性在反政府频道冲突高峰期更活跃,凸显在线平台作为威权下公众情绪晴雨表的作用。
2024-08-18 cs.IR cs.SI
Quantifying social organization and political polarization in online platforms
University of Toronto(多伦多大学)
人们对互联网将世界团结在一起的潜力持乐观态度,但对互联网在煽动“文化战争”中所起作用的担忧却有所缓和。通过大规模选择志同道合的群体,网络社会可能会变得更加碎片化和两极分化,特别是在党派差异方面。然而,我们衡量在线社区社会构成的能力,进而理解在线平台的社会组织,受到数字讨论的匿名性、非结构化和大规模性质的限制。我们开发了一种神经嵌入方法,通过利用大规模的聚合行为模式来量化在线社区在社交维度上的定位。将我们的方法应用于14年来在1万个社区中发表的51亿条Reddit评论,我们衡量了宏观社区结构在年龄,性别和美国政治党派方面的组织方式。研究政治内容,我们发现Reddit在2016年美国总统大选前后经历了一次重大的两极分化事件,并在之后的几年里保持高度两极分化。然而,与传统观点相反,个人层面的两极分化是罕见的; 2016年系统层面的转变不成比例地受到新用户和新政治用户的到来的推动。Reddit上的政治两极分化与平台上以前的活动无关,而是与外部事件在时间上一致。我们还观察到意识形态上的严重不对称,2016年的大幅增长完全归因于右翼活动的变化。我们的方法广泛适用于在线互动的研究,我们的研究结果对在线平台的设计,理解在线行为的社会背景,以及量化在线极化的动态和机制具有影响。
2021-07-27 cs.AI cs.CY cs.LG
Political Partisanship and Anti-Science Attitudes in Online Discussions about Covid-19
新型冠状病毒大流行继续肆虐美国各地的社区。民意调查表明,政治意识形态在形成对这一流行病的看法和遵守预防措施方面发挥着重要作用。在这里,我们使用社交媒体数据来研究两极分化的复杂性。我们分析了2020年1月至5月期间收集的与疫情相关的推文的大型数据集,并开发了一种方法,将用户的意识形态倾向分为温和(强硬与温和),政治(自由与保守)和科学(反科学与亲科学)维度。虽然沿着科学和政治维度的极化是相关的,但政治上温和的用户更有可能与亲科学观点保持一致,而政治上强硬的用户则与反科学观点保持一致。与预期相反,我们没有发现两极分化随着时间的推移而增长;相反,我们看到温和的亲科学用户的活动越来越多。我们还发现,反科学保守派倾向于从美国南部的推文,而反科学温和派来自西部各州。我们的研究结果揭示了两极分化的多维度性质,以及通过社交媒体数据跨时间和空间跟踪关于大流行病的两极分化意见的可行性。
2020-11-17 cs.CY cs.SI
Who Falls for Online Political Manipulation?
社交媒体曾被誉为民主化和促进全球积极社会变革的工具,现在却因成为政治操纵和传播虚假信息的工具而受到攻击。一个很好的例子是俄罗斯涉嫌在西方选举中使用巨魔传播恶意内容。本文探讨了俄罗斯在Twitter上干涉2016年美国总统大选的活动。我们的目标是双重的:首先,我们测试预测传播巨魔内容的用户是否可行,以便了解如何在未来控制他们的影响力;其次,我们确定最能预测有意或无意地在传播这种恶意内容中发挥重要作用的用户的特征。我们收集了一个数据集,其中包含2016年9月16日至11月9日期间在Twitter上分享的超过4300万条与选举相关的帖子,约有570万用户。该数据集包括与美国国会确定的俄罗斯巨魔相关的账户。提出的模型能够非常准确地识别传播巨魔内容的用户(平均AUC得分为96%,使用10倍验证)。我们发现,政治意识形态,机器人可能性得分和一些与活动相关的帐户Meta数据是用户是否传播巨魔内容的最具预测性的特征。
2018-08-09 cs.HC cs.SI physics.soc-ph
Political Polarization in Online News Consumption
从投票行为、对对立党派及其政党的普遍影响以及在线发布和消费的内容来衡量,政治两极分化似乎正在上升。多年来的研究一直集中在网络作为两极分化驱动力的作用上。为了进一步了解网络两极分化背后的因素,在目前的工作中,我们收集和分析了数以万计的用户的Web浏览历史,同时仔细测量了浏览各种新闻源所花费的时间。我们发现,在线新闻消费遵循两极分化的模式,用户访问与自己的政治倾向相一致的新闻来源的时间大大长于他们访问其他新闻来源。接下来,我们表明,这种偏好在个人以及人口水平上,从聚合浏览模式中出现的新闻领域的明确党派社区证明。最后,我们解决了用户选择在两极分化中的作用这一重要问题。用户只是简单地遵循他们的网络环境提供的链接,还是他们故意追求志同道合的新闻来源加剧了党派两极分化?为了回答这个问题,我们比较了浏览模式与基础的超链接结构跨越所考虑的新闻领域,发现强有力的证据表明,在党派的浏览习惯的极化超出了可以解释的超链接结构的网络。
2021-04-09 cs.CY cs.SI
An Analysis of United States Online Political Advertising Transparency
2018年夏天,Facebook、谷歌和Twitter制定了政策,并实施了透明档案,其中包括在其平台上运行的美国政治广告。通过对130多万个含有政治内容的广告的分析,我们展示了不同类型的政治广告商如何使用Facebook、谷歌和Twitter的广告平台传播美国的政治信息。我们发现,这些档案中包含政治内容的广告总共产生了86.7亿至338亿次展示,赞助商在美国政治内容广告上花费了超过3亿美元。我们能够更好地了解这些平台上的政治广告商。我们还发现了大量的准营利性媒体公司的广告,这些公司似乎存在的唯一目的是创建专注于传播政治信息的欺骗性在线社区,而不是直接产生利润。这类团体的广告是一个相对较新的现象,由于与传统广告平台相比监管要求较低,在线平台上的广告似乎蓬勃发展。通过收集和分析这些数据的尝试,我们发现存在许多限制和弱点,这些限制和弱点使得故意或意外的欺骗和绕过这些透明度档案的当前实施。我们提供了一些建议,如何使这些档案更加强大和有用。总的来说,Facebook、谷歌和Twitter的这些努力提高了平台上诚实的、在某些情况下可能是不诚实的广告商的政治广告透明度。我们感谢这些公司的人,他们建立了这些档案,并继续改进它们。
2019-02-12 cs.SI
Jointly they edit: examining the impact of community identification on political interaction in Wikipedia
在他们2005年的研究中,Adamic和Glance创造了令人难忘的短语“divided they blog”,指的是政治博客圈中的网络巴尔干化趋势,自由派和保守派博客倾向于链接到其他具有相似政治倾向的博客,而不是彼此。随着政治讨论和活动越来越多地转移到网上,构建政治话语的力量正在从大众媒体转移到社交媒体。继续审查在线政治互动是至关重要的,我们通过审查维基百科社区内政治用户的活动来扩展这一研究路线。首先,我们研究了维基百科的用户如何选择显示(或不显示)他们的政治派别。接下来,我们更仔细地研究了跨党派互动和社区参与的模式,这些用户宣布一个政治派别。与之前对其他社交媒体的分析相反,我们没有发现强烈的趋势表明维基百科社区内倾向于与同一政党的成员互动。我们的研究结果表明,在社区内宣布自己的政治派别的用户往往会更大声地宣布自己的身份为“维基人”。看来,“成为维基人”的共同身份可能足够强大,足以战胜个人身份的其他潜在分裂方面,如政治派别。
2012-11-05 cs.CY cs.SI physics.soc-ph
Online Misogyny Against Female Candidates in the 2022 Brazilian Elections: A Threat to Women's Political Representation?
本研究分析2022年巴西选举中1000万条针对女性候选人的推文,发现年轻、左翼和高知名度候选人受更多厌女攻击,且攻击增加导致其后续推文减少,威胁女性政治参与。
2024-03-16 cs.SI
How Algorithms Shape the Distribution of Political Advertising: Case Studies of Facebook, Google, and TikTok
在线平台通过影响向选民传播政治信息,在塑造民主方面发挥着越来越重要的作用。近年来,政治竞选活动在平台的算法工具上投入了大量资金,通过在线广告瞄准选民。虽然公众对了解平台如何履行塑造政治话语的任务的兴趣从未如此之高,但主要平台为了解其做法而进行必要披露的努力却少得可怜。在这项研究中,我们收集和分析了一个数据集,其中包含来自Facebook、谷歌和TikTok的关于2020年美国总统大选的80多万个广告和250万个视频。我们对公共数据进行了首次大规模数据分析,以批判性地评估这些平台如何放大或缓和政治广告的传播。最后,我们提出了如何改善披露的建议,以便公众能够追究平台和政治广告商的责任。
2022-07-13 cs.CY cs.HC cs.SI
Ideological and Temporal Components of Network Polarization in Online Political Participatory Media
政治极化传统上是通过群体和政党的意识形态立场来分析的,但它也有一个行为成分,表现在个人之间的互动中。我们在politnetz.ch上对政治家的数字痕迹进行了实证分析,这是一个专注于政治活动的瑞士在线平台,政治家通过创建支持链接,评论和喜欢进行互动。我们分析了网络极化的水平,党内凝聚力方面的政党之间的连接,发现支持显示出一个非常强烈的极化结构方面的政党结盟。对这个多元化网络的分析表明,每一层互动都包含相关信息,评论组关注与瑞士政治相关的话题。我们的分析表明,喜欢层的两极分化随着时间的推移而发展,在2011年联邦选举附近增加。此外,我们通过与层次结构,信息效率和社会弹性相关的指标来分析各方的内部社会网络。我们的研究结果表明,一个政党的网络社会结构与其意识形态有关,并揭示了当两党在多党制的意识形态空间中接近时,两党之间的连通程度会增加。
2015-03-26 cs.SI physics.soc-ph stat.AP
Why Are Some Countries More Politically Fragmented Online Than Others?
University of Zurich(苏黎世大学);University of Barcelona(巴塞罗那大学)
本研究通过多尺度社区检测和有效分支因子开发新型指标,分析巴西、西班牙和美国在线政治碎片化差异,发现社会身份对碎片化有显著影响。
2026-01-08 cs.SI
Institutional Floors and Partisan Lenses: Cross-National Online Discourse on Political Violence in France and the United States
University of California, Berkeley(加州大学伯克利分校)
本文研究在线讨论如何塑造和评估不同背景下政治暴力的道德评价,通过法国和美国的案例,分析机构环境对道德感知的影响,揭示跨国民间对政治暴力的道德价值、情感强度和机构框架的差异。
2026-04-29 cs.SI
The direct democracy paradox: Microtargeting and issue ownership in Swiss online political ads
ETH Zürich(苏黎世联邦理工学院)
本文研究瑞士社交媒体政治广告中的微目标营销与议题所有权,揭示了算法影响对直接民主的潜在威胁。
2026-01-20 cs.CY cs.SI
Evidence of disorientation towards immunization on online social media after contrasting political communication on vaccines. Results from an analysis of Twitter data in Italy
背景在意大利,近年来,作为MMR的关键免疫接种覆盖率一直下降到令人担忧的低水平。2017年,意大利政府扩大了强制免疫接种的数量,对未接种疫苗的儿童家庭进行了处罚。在2018年大选期间,免疫政策进入了政治辩论,负责政府指责反对派助长了疫苗怀疑论。2018年成立的新政府暂时放松了处罚。目标和方法。通过对2018年期间用意大利语发布的推文进行情感分析,我们旨在:(i)描述Twitter上疫苗传播的时间流特征(ii)评估疫苗接种意见的极性和Twitter数据对估计疫苗接种参数的有用性,以及(iii)调查最高政治层的对比公告是否可能导致意大利公众迷失方向。结果与疫苗相关的推特互动在回应主要政治事件时达到峰值。在保留的推文中,70.0%的推文支持接种疫苗,16.5%的推文反对接种疫苗,13.6%的推文犹豫不决。极性比例的平滑时间序列表现出频繁的大的变化,有利的比例,增强了向上和向下的趋势与政府之间的切换同步,这表明公众之间的迷失方向的证据。结论报告的迷失方向的证据表明,关键的免疫接种话题,永远不应该被用于政治共识。考虑到在线社交媒体作为信息源的作用日益增强,这一点尤其如此,因为这可能会屈服于最终对疫苗接种有害的社会压力,而Twitter上缺乏机构存在则使情况更加恶化,需要努力对比错误信息和随之而来的犹豫不决的蔓延。
2021-04-04 cs.SI stat.ML
A Survey on Computational Politics
计算政治学(Computational Politics)是研究计算方法来分析和调节与政治活动相关的用户行为,如竞选活动说服,政治派别和意见挖掘。随着互联网的迅速发展和接入的便利,信息通信技术(ICT)已经引起了大量用户加入在线社区以及类似数据的数字化,例如政治辩论。这些社区和数字化数据包含了用户及其与政治相关的行为的显性和隐性信息。对于研究人员来说,利用这些来源的数据来开发和设计系统是至关重要的,这些系统不仅可以为计算政治提供解决方案,还可以帮助营销人员等其他企业增加用户,参与和互动。在这项调查中,我们试图对计算政治的主要领域进行分类,并在一个地方总结突出的研究,以更好地理解跨不同和多维平台的计算政治。例如,在一个实施例中,在线社交网络、在线论坛和政治辩论。然后,我们总结了这项研究,强调未来的研究方向,机遇和挑战。
2020-04-02 cs.CY cs.SI
A multilevel network approach to revealing patterns of online political selective exposure
University of Zurich(苏黎世大学);University of Barcelona(巴塞罗那大学)
本文提出多级网络方法揭示在线政治选择性暴露的复杂结构,发现其不同于简单的左右二元对立。
2025-11-24 cs.SI
How Large Language Models play humans in online conversations: a simulated study of the 2016 US politics on Reddit
Enrico Fermi Research Center(恩里科·费米研究中心);Physics Department and INFN, University of Rome Tor Vergata(罗马托尔维加塔大学物理系和INFN)
本研究评估了GPT-4在2016年美国大选Reddit对话中模拟党派用户生成评论的能力,发现其能产生逼真评论但更易制造共识,且真实与虚构评论在语义空间可区分但人工难辨,揭示了AI操纵政治话语的风险。
2025-06-23 cs.AI cs.CL cs.CY
Changes in Policy Preferences in German Tweets during the COVID Pandemic
Berlin University of Applied Sciences(柏林应用科学大学);Einstein Center Digital Future(爱因斯坦数字未来中心)
本文构建细粒度政策偏好推文数据集并训练分类模型,分析 2019-2022 年德国 Twitter 语料,发现 COVID 疫情期间政策偏好表达增加,且主要由亲福利、亲教育和亲政府行政效率类别驱动。
2023-07-31 cs.CL cs.CY cs.IR
Polarization and echo chambers in Reddit's political discourse
University of Rome “Tor Vergata”(罗马托维加塔大学);INFN(意大利国家核物理研究所);“Enrico Fermi” Research Center(恩里科·费米研究中心);ISI Foundation(ISI基金会);Technical University of Denmark(丹麦技术大学);Institute for Applied Computing “Mauro Picone”, National Research Council of Italy(意大利国家研究委员会应用计算“毛罗·皮切内”研究所);IMT School For Advanced Studies Lucca(卢卡高等研究学院)
通过2016年美国大选案例研究,利用统计验证技术提取subreddits社区并分析政治辩论动态,揭示了Reddit存在明显极化与回音室效应,证明网络验证是识别社交媒体行为模式的关键方法。
2025-10-31 cs.SI physics.soc-ph
Navigating Multidimensional Ideologies with Reddit's Political Compass: Economic Conflict and Social Affinity
本研究利用 Reddit 政治罗盘子版块超 800 万条评论,将用户意识形态分解为经济轴与社会轴,发现社会轴及人口属性上存在同质性互动,而经济轴上存在异质性互动且语言毒性更高,从而调和了在线政治讨论中同质与异质互动并存的矛盾。
2024-01-24 cs.CY cs.SI physics.soc-ph
Decoding Political Polarization in Social Media Interactions
本文分析约4700万条Facebook帖子及1.7亿用户互动,揭示不同政治倾向用户在评论与点赞行为上的选择性接触差异,以理解线上政治两极分化。
2024-07-04 cs.SI physics.soc-ph
On the Dynamics of Political Discussions on Instagram: A Network Perspective
Instagram越来越多地被用作信息来源,尤其是在年轻人中。因此,政治人物现在利用这个平台传播意见和政治议程。在这里,我们从网络的角度分析了Instagram上的在线讨论,特别是政治话题。具体来说,我们调查了共同评论者社区的出现,也就是说,经常通过评论相同帖子进行互动的用户群体,可能会推动正在进行的在线讨论。特别是,我们感兴趣的是显着的相互作用,即,共同评论者之间的互动比预期的更频繁,这是偶然的,也是独立的。与通常大量发生的偶然和偶然的共同互动不同,显着的共同互动是推动在线讨论并最终推动信息传播的关键因素。我们的研究基于对巴西和意大利主要选举的10周数据的分析,跟踪政治家和其他名人。我们提取和特征的共同评论者的社区的拓扑结构,社区成员进行的讨论的属性,以及一些社区属性,特别是社区成员和主题,如何随着时间的推移而演变。我们发现,讨论政治话题的社区往往比其他主题更投入辩论,他们写更长的评论,使用更多的表情符号,标签和负面词汇。此外,围绕政治讨论建立的社区往往更具活力,尽管顶级评论者仍然活跃,并随着时间的推移保持社区成员资格。此外,我们观察到,随着时间的推移,讨论的话题也有很大的多样性:有些话题只是暂时吸引注意力,而其他话题则围绕着更基本的政治讨论,随着时间的推移一直保持活跃。
2022-09-13 cs.SI
Quantifying the Spread of Online Incivility in Brazilian Politics
University of Zurich(苏黎世大学);University of Barcelona(巴塞罗那大学);Barcelona Supercomputing Center(巴塞罗那超级计算中心)
本研究提出多维框架量化巴西政治中网络不文明行为的传播,揭示选举期间不礼貌行为激增及左翼影响者在传播中的关键作用。
2025-05-16 cs.SI
Bubble reachers and uncivil discourse in polarized online public sphere
本研究通过比较巴西和加拿大两国总统选举中的bubble reachers,发现意识形态中立的bubble reachers在加拿大减少不文明话语,但在巴西反而增加,表明国家政治背景调节了跨党派信息传播与话语文明度的关系。
2024-04-19 cs.CY cs.SI
Crawling political communities in Twitter and extracting political affiliations
从理论上讲,大数据方法在研究在线社区方面的一个主要优势是,它应该可以从广泛定义的人群中收集具有代表性的随机样本。但在实践中,数据汇集过程并没有正规化,即使是对推特和脸书等著名的社交媒体平台也是如此。因此,在诸如“多少数据才足够?以及在线社交网络中被研究的更广泛人群的样本有多具代表性。在本文中,我提出了一个集中的来回爬行方法和一个有效的种子选择方法,从Twitter收集网络级数据。所提出的爬行方法可以提取社区结构,而不需要一个完整的网络图的Twitter网络和验证其大小使用“参考分数”。它还通过跟踪数据中包含的已知节点的百分比来解决Twitter中的采样大小问题。因此,解决了Twitter数据汇集过程中的大多数主要问题,并进一步将平台的数据汇集方法形式化。一旦社区被爬行,网络图是干净和完整的;然后就可以使用社区作为特征来训练机器学习分类器,以预测更大规模的用户的政治倾向。作为一个案例,我使用所提出的方法将Twitter上的法国政治社区与全球Twitter社区分开,并在连续的范围内了解用户的政治派别。
2021-02-01 cs.SI
Towards Understanding Political Interactions on Instagram
在线社交网络(OSN)允许个人和公司直接与公众沟通,绕过传统媒体的过滤器。随着人们依赖OSN来保持最新状态,政治辩论也转移到了网上。我们目睹了突然爆发的激烈政治辩论和谣言在OSN中的传播。识别这种行为需要深入了解人们在政治辩论中如何通过OSN进行互动。我们提出了一个流行的OSN,即Instagram的互动的初步研究。我们将意大利作为2019年欧洲大选前的案例研究。我们观察不同类别的顶级意大利Instagram个人资料的活动:政治,音乐,体育和表演。我们记录他们的帖子超过两个月,跟踪用户的“喜欢”和评论。结果表明,政治家的配置文件吸引显着不同的互动比其他类别。人们往往评论更多,评论更长,辩论时间更长,回复数量很多,其中大部分都不是明确征求的。此外,评论往往来自一小群非常活跃的用户。最后,在比较不同政党的概况时,我们看到了实质性的差异。
2021-05-04 cs.CY cs.SI
Identifying Constructive Conflict in Online Discussions through Controversial yet Toxicity Resilient Posts
Indiana University(印第安纳大学)
本文提出以争议性和毒性韧性为准则识别社交媒体上的建设性冲突,通过高精度模型发现对毒性具有韧性的帖子常使用礼貌性表达,为促进建设性政治讨论提供了算法策展依据。
2025-09-22 cs.CY cs.SI
Going Negative Online? -- A Study of Negative Advertising on Social Media
越来越多的实证研究表明,负面广告在竞选活动中是有效的,但其作用机制却很少被提及。随着剑桥分析公司丑闻和俄罗斯干预英国脱欧和2016年总统大选,人们已经意识到社交媒体上的政治广告,并向国会施压,要求限制社交媒体上的政治广告。在相关立法之后,社交媒体公司开始在2018年夏季中期选举活动刚刚开始时披露其政治广告档案。本研究收集了8月以来美国中期选举背景下的相关政治广告数据,研究了社交媒体上政治广告的总体模式,并使用一套机器学习方法对这些广告进行情感分析,以分类负面广告。应用一种新的方法,使用AI图像识别来研究图像数据。通过数据可视化,本研究表明,负面广告仍然是少数,共和党广告主和第三方组织比他们的同行更有可能从事负面广告。基于有序回归分析,本研究发现,愤怒诱发的信息寻求是导致负面广告更吸引人和更有效的主要机制之一,而不是负面偏见理论。总的来说,这项研究通过应用创新的数据科学方法,提供了对社交媒体上政治广告的独特理解。进一步的研究可以扩展本研究的发现、方法和数据,并对未来的研究提出了几点建议。
2019-10-14 cs.SI stat.AP stat.CO
Analyzing large scale political discussions on Twitter: the use case of the Greek wiretapping scandal (#ypoklopes)
针对2022年希腊窃听丑闻引发的Twitter公众讨论,该研究提出数据收集与讨论模式分析方法,揭示讨论演化、极化及媒体作用,方法可推广,还公开了数据集与结果资源。
2024-09-17 cs.SI
Mapping the political landscape from data traces: multidimensional opinions of users, politicians and media outlets on X
Sciences Po médialab(政治学院媒体实验室);Complex Systems Institute of Paris Ile-de-France CNRS(巴黎法兰西岛复杂系统研究所);Learning Planet Institute, Learning Transitions Unit, CY Cergy Paris University(学习星球学院学习转型单元塞吉-巴黎大学);Sorbonne Université, CNRS, LIP6(索邦大学);Max Planck Institute for Mathematics in the Sciences(马克斯·普朗克科学数学研究所);Laboratoire Lattice, École Normale Supérieure - PSL - CNRS - Univ. Sorbonne Nouvelle(晶格实验室巴黎高等师范学院);École des Hautes Études en Sciences Sociales(社会科学高等学院)
本文提出一个涵盖用户、政治人物和媒体机构多维意见的数据库,用于研究更广泛的政治系统和在线生态系统。
2026-02-06 cs.SI
Political advertisement on Facebook and Instagram in the run up to 2022 Italian general election
在线社交平台上的定向广告在政治营销工具包中变得越来越重要。监测政治广告对于确保民主进程的问责制和透明度至关重要。利用赞助内容的Meta公共图书馆,我们研究了在2022年意大利大选之前,Facebook和Instagram上投放政治广告的程度。分析超过2.7 K独立赞助商支付的23 K独立广告,相关金额为4 M欧元,产生的浏览量超过10亿次,我们调查了主要联盟的政治竞选活动的时间,地理和人口模式。我们发现的结果是根据他们的政治议程和选举结果,强调如何最活跃的联盟也获得了大部分的选票,并显示区域差异是一致的(目标)每个团体的政治基础。我们的工作引起了人们对进一步研究数字广告及其对个人意见和选择的影响的关注。
2023-02-08 cs.CY cs.SI
Political Elites in the Attention Economy: Visibility Over Civility and Credibility?
本研究分析了美国超6.5K名州议员在Twitter和FB上的在线可见性,发现发布低可信度内容能增加共和党人关注度,而不文明内容在Twitter上会降低关注,揭示了政治人物在不同平台上的行为差异。
2024-07-22 cs.SI
Millions of Co-purchases and Reviews Reveal the Spread of Polarization and Lifestyle Politics across Online Markets
Spotify;Cornell University(康奈尔大学)
美国的两极分化已经达到了一个高点,因为市场也在两极分化。然而,现有的研究集中在特定的细分市场和产品上,并没有评估这一趋势的全面性。如果这种断层线确实蔓延到其他没有明确政治性的部分,这将表明生活方式政治的存在-当思想和行为本身没有政治性时,通过与明确的政治性事物的联系而在政治上结盟。我们研究了极化和生活方式政治在不同市场的不同产品领域的普遍性,并测试了消费者和平台层面的网络效应和道德在多大程度上可以解释生活方式政治。具体来说,使用亚马逊的图形和语言数据(1996-2014年950万产品和产品和类别元数据的8250万条评论),我们在2180万个市场实体中抽取了2.346亿个关系,以找到最具政治相关性,对齐和极化的产品类别。然后,我们提取评论文本中存在的道德价值观,并使用这些数据和其他评论者,产品和类别级别的数据来测试个人和平台级别的网络因素是否比产品的隐含道德更好地解释生活方式政治。我们发现生活方式政治无处不在。文化产品的两极分化程度是其他任何细分市场的4倍,产品的政治属性与生活方式政治的相关性是作者水平协变量的3.7倍,道德与生活方式政治的相关性在统计上显着,但相对较小。在这些背景下研究生活方式政治有助于我们更好地理解党派差异的程度和根源,为什么美国人可能如此两极分化,以及这种两极分化如何影响市场体系。
2022-01-17 cs.AI cs.CL cs.IR
Analyzing Political Text at Scale with Online Tensor LDA
Harvard University(哈佛大学);NVIDIA(英伟达);Johns Hopkins University(约翰霍普金斯大学);California Institute of Technology(加州理工学院)
本文提出了一种可扩展的TLDA方法,用于大规模政治文本分析,实现了高效计算和内存使用,支持对大规模社交媒体数据的深入研究。
2025-11-11 cs.LG cs.SI
Opinion Manipulation on Farsi Twitter
对于伊朗人和伊朗侨民来说,波斯语推特圈提供了国家媒体的重要替代品和政治话语的出口。但这个未被充分研究的在线空间已经成为一个舆论操纵的战场,不同的行为者使用不真实的账户来推进他们的目标并塑造在线叙事。通过研究伊朗社会分裂的趋势讨论,我们探讨了舆论操纵的动态如何在不同的问题领域有所不同。我们的分析表明,不真实的账户操纵舆论在分裂的政治讨论中比非分裂或非政治讨论更普遍。我们展示了Twitter的网络结构如何帮助加强不真实的帐户集群在分裂的政治讨论中传播的内容。分析伊朗Twitter圈在线讨论的内容和结构,这项工作有助于越来越多的文献探索在线舆论操纵的动态,同时提高我们对数字时代信息如何控制的理解。
2023-03-09 cs.SI
Mapping the Spiral of Silence: Surveying Unspoken Opinions in Online Communities
Stanford University(斯坦福大学)
研究通过对比公开和私下意见,揭示社交媒体中沉默螺旋现象,发现少数意见者更沉默,社区设计因素影响自我沉默,提出积极强化等对策。
2026-03-16 cs.CY cs.HC cs.SI
Expressing One's Identity Online: Left-Right and cross EU-country variation in self-representation in social media
Sciences Po(巴黎政治学院)
研究分析了欧盟八国社交媒体用户在自我表达和群体身份方面的差异,发现民主、国家生活方式等主题存在显著分歧,揭示了左翼与右翼用户在政治倾向上的差异。
2026-02-11 cs.SI
Modeling Political Orientation of Social Media Posts: An Extended Analysis
Oklahoma State University(俄克拉荷马州立大学);Southwestern Oklahoma State University(俄克拉荷马州立西南大学);Colorado State University(科罗拉多州立大学)
本文提出两种利用新闻媒体偏见和帖子内容标注社交媒体帖子的启发式方法,结合传统监督学习与少样本学习预测帖子政治倾向,在Gab和Twitter上验证了方法的有效性。
2023-11-21 cs.CL cs.LG cs.SI
Moral Values Underpinning COVID-19 Online Communication Patterns
本研究基于道德心理学分析近两年Twitter上COVID-19讨论,识别出四个道德与政治意识形态及沟通风格不同的用户群体,发现道德同质性形成潜在回音室,并揭示包含非作者偏好或多重道德基础的消息更能引起外群体共鸣。
2024-01-16 cs.SI
Political Polarization in Social Media: Analysis of the "Twitter Political Field" in Japan
关于互联网是一个公共领域还是一个回音室,人们一直在争论。在众多形式的社交媒体中,Twitter是政治辩论最重要的在线场所之一。以往的研究大多集中在Twitter政治场的形式结构上,如其同性恋倾向,或者将分析限制在少数几个主题上。然而,为了探讨Twitter是否具有回音室的功能,我们不仅要调查Twitter政治场的结构,还要调查Twitter政治场的内容。因此,我们进行了大规模的社会网络分析和自然语言处理。我们首先将社区发现方法应用到Twitter的互惠追随网络中,发现了该领域中的五个政治上不同的社区。我们通过采用主题模型分析推文的内容,进一步研究了其中讨论的主要主题,我们发现,与仇外心理有关的主题仅在右翼社区中流传。据我们所知,这是第一个研究,以解决回声室在日本的Twitter政治领域,并检查正式结构和内容的tweet与大规模社会网络分析和自然语言处理相结合。
2017-11-17 cs.CY cs.SI
Unpacking polarization: Antagonism and Alignment in Signed Networks of Online Interaction
本研究提出FAULTANA计算流水线,用于分析在线互动符号网络的社会断层线,通过两个社区数据集验证了其可识别极化驱动议题、绘制情感极化时间动态,为研究在线政治极化提供了新的量化工具。
2024-02-02 cs.CY cs.SI
Politics and polarization on Bluesky
本研究基于Bluesky平台2024年12月至2025年5月的全量数据,采用数据驱动方法识别政治主题、用户立场并测量极化的结构与内容维度,发现约13%的帖子涉及政治内容,且高极化主题往往伴随用户阵营的严重不平衡。
2025-06-03 cs.SI
Synthetic Politics: Prevalence, Spreaders, and Emotional Reception of AI-Generated Political Images on X
University of Southern California(南加州大学)
本研究分析了X平台上AI生成政治图像的普及性、传播者及其情感反应,发现AI生成图像主要由少数右倾用户传播,且引发更积极的用户反应。
2025-05-13 cs.CY cs.SI
Affective Polarization and Dynamics of Information Spread in Online Networks
本文通过量化社交媒体回复互动中的情绪与毒性,揭示情感极化如何随网络距离变化,并影响信息在不同群体中的传播动力学。
2024-05-07 cs.SI physics.soc-ph
Evolution of Online User Behavior During a Social Upheaval
社交媒体是大众传播和信息扩散的有力工具。他们在世界各地最近的社会起义和政治动员中发挥了关键作用。在这里,我们提出了一个研究的Gezi公园运动在土耳其通过Twitter的镜头。我们分析了在2013年5月至6月的25天抗议活动中产生的230多万条推文。我们首先描述的时空性质的谈话有关的格济公园示威,讨论的趋势反映了地理线索的相似性。然后,我们描述了参与此对话的用户的特征以及他们扮演的角色。我们研究了角色和个人影响力在动荡时期是如何演变的。这一分析表明,随着事件的展开,对话变得更加民主,随着时间的推移,用户群体中的影响力会重新分配。我们通过观察线上和线下世界是如何紧密交织在一起的来得出结论,表明外源事件,如政治演讲或警察行动,会影响社交媒体对话并引发个人行为的变化。
2014-06-27 cs.CY cs.SI physics.data-an