Low Government Performance and Uncivil Political Posts on Social Media: Evidence from the COVID-19 Crisis in the US
本研究利用 X/Twitter 上 800 多万条针对美国州长的帖子和神经网络分类方法，发现州级 COVID-19 病例增加会显著引发更多不文明政治表达，揭示了低政府绩效与非制度化在线参与之间的关联。
2024-01-19 cs.CY cs.SI
Modeling Political Activism around Gun Debate via Social Media
美国是发达国家中枪支暴力发生率最高的国家。然而，对于枪支应在多大程度上受到管制，存在着分歧。在这项研究中，我们采用社交媒体信号来研究离线政治活动的预测因素，在人口和个人层面。我们表明，它是可以分类的立场，用户在枪支问题上，特别是准确地当网络信息可用。除了社会经济变量，辩论双方的相对规模等网络信息也可以预测州一级的枪支政策。在个人层面上，我们建立了一个统计模型，使用网络，内容和心理语言特征，预测现实生活中的政治行动，并探索最具预测性的语言特征。因此，我们认为，除了人口统计和社会经济指标，社交媒体提供了有用的信号，在枪支辩论的政治参与的整体建模。
2022-04-30 cs.CY 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
Exploring Political Ads on News and Media Websites During the 2024 U.S. Elections
本研究从美国三地爬取745个新闻网站，收集超15000个广告（含315个政治广告），通过定量与定性分析揭示了2024年美国选举期间政治广告的标题党、投票安全及巴以冲突等议题特征，呼吁加强网络政治广告监督。
2025-02-11 cs.CY cs.SI
Twits, Toxic Tweets, and Tribal Tendencies: Trends in Politically Polarized Posts on Twitter
该研究基于Twitter/X的大规模用户数据，结合自研高性能毒性检测器与话题分析方法，发现用户接触的观点/话题多样性及互动账号的毒性水平，对其自身发布有毒内容的影响比党派属性更显著。
2024-10-30 cs.CY cs.SI
Do Political Detachment Users Receive Various Political Information on Social Media?
在选举中，政党通过社交媒体向人们传达政治信息。追随者收到信息，但不是追随者的用户，政治超然的用户，能收到信息吗？本研究以不追随任何政党的政治超然使用者为研究对象，探讨以下研究问题：政治超然使用者在选举期间是否会收到各种政治资讯？结果表明，答案是否定的。我们确定，政治支队用户只收到少数政党的信息。
2018-06-26 cs.SI
Social media polarization reflects shifting political alliances in Pakistan
本研究通过分析2018至2022年巴基斯坦Twitter数据，揭示了政治家互动模式与反对派联盟趋同，证明社交媒体可有效监测政治极化与联盟演变。
2023-09-15 cs.CY cs.SI
Casual Social Media Use among the Youth: Effects on Online and Offline Political Participation
State University of New York at Albany（纽约州立大学奥尔巴尼分校）
本研究针对青少年社交媒体使用与政治参与的因果关系及线上线下参与的关联争议，采用三种统计模型分析，发现休闲社交媒体使用显著影响线上政治参与但对线下参与影响极弱，且线上参与每增1%线下参与指数提升0.12%。
2023-12-14 cs.AI cs.CY cs.SI
Sampled Datasets Risk Substantial Bias in the Identification of Political Polarization on Social Media
本研究通过分析Twitter上波兰政治辩论发现，小样本数据无法可靠测量网络极化，而大样本和谨慎选择关键词的样本才具有代表性，揭示了当前数据获取限制的严重性并为欧盟《数字服务法》实施提供参考。
2024-06-28 cs.CY cs.SI
Exploring Media Bias and Toxicity in South Asian Political Discourse
媒体和政治活动家将社交媒体视为广泛传播新闻和观点的手段。特别是，Twitter被世界各地的政治团体用来传播政治信息，吸引他们的支持者，推动竞选活动，并挑战他们的批评者。此外，许多新闻机构的目的是给人一种平衡的印象，它们往往具有某种政治信念，这反映在它们制作的内容中。在政治和媒体组织影响公众舆论的潜力的驱动下，我们的目标是量化这些组织通过使用社交媒体进行政治话语的性质。在这项研究中，我们分析的情绪，毒性和偏见表现出的最突出的巴基斯坦和印度的政党和媒体，以及这些政党利用Twitter的模式。我们发现，媒体的偏见和毒性存在于这两个发展中国家的政治话语。
2018-12-05 cs.SI
The Digital Architectures of Social Media: Comparing Political Campaigning on Facebook, Twitter, Instagram, and Snapchat in the 2016 U.S. Election
本研究认为，社交媒体上的政治沟通是由一个平台的数字架构，定义为技术协议，使，约束和塑造用户在虚拟空间中的行为介导。介绍了一个理解数字架构的框架，并沿着类型学比较了四个平台（Facebook，Twitter，Instagram和Snapchat）。以2016年美国大选为例，对三位共和党数字战略家的采访与社交媒体数据相结合，以验证研究的理论主张，即平台的网络结构，功能，算法过滤和传播模型会影响社交媒体上的政治竞选策略。
2019-04-15 cs.CY cs.HC cs.SI
Theme Analysis of Political Facebook Ads in the 2021 Dutch General Election
社交媒体平台一直试图对他们在平台上运行的政治广告更加透明，因为剑桥分析丑闻揭示了政治运动正在大规模使用社交媒体。其中一个透明的努力是Facebook广告库，这是一个在Facebook和Instagram上运行的所有政治广告的公共存储库。该库为记者和研究人员提供数据，以更好地了解Facebook平台上的政治广告和微目标定位。不幸的是，Facebook广告库仅提供估计和基本信息。本文通过研究广告所表达的主题，对政治广告进行了更深入的分析。我们提供了一种将主题与政治Facebook广告相匹配的方法，并将此方法应用于分析荷兰政党在2021年荷兰大选期间开展的Facebook广告活动。
2022-01-12 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
Unveiling Political Influence Through Social Media: Network and Causal Dynamics in the 2022 French Presidential Election
本文基于2022年法国总统选举期间的Twitter数据，运用收敛交叉映射因果推断方法分析政党间的方向性影响，揭示健康与外交政策等议题在选举关键阶段如何催化跨党派影响，为竞选策略和媒体分析提供新框架。
2025-06-19 cs.CY cs.SI physics.soc-ph
Recommendation Algorithms on Social Media: Unseen Drivers of Political Opinion
本研究基于 3,300 余名参与者的数据，分析 Facebook 和 X 等平台及其推荐算法对用户政治兴趣的差异化影响，并揭示人口统计学差异，为理解数字政治动员提供实证依据。
2025-06-25 cs.SI
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
Upvotes? Downvotes? No Votes? Understanding the relationship between reaction mechanisms and political discourse on Reddit
Sony AI（索尼人工智能研究院）；Technical University of Munich（慕尼黑工业大学）；Princeton University（普林斯顿大学）
很大一部分政治话语发生在社交媒体平台上。政策制定者和研究人员试图了解社交媒体设计在塑造全球政治话语质量方面的作用。在过去的几十年里，政治话语理论的研究已经产生了不同类型的突出的政治修辞，如审议，公民，或蛊惑人心的话语的鲜明特征。这项研究调查了社交媒体反应机制（即，通过对政治话语理论进行深入的概念分析，研究用户讨论中的政治修辞（upvotes，downvotes）和政治修辞。首先，我们分析了2010年至2018年间Reddit上55个政治子论坛的1.55亿条用户评论，以探讨用户的政治讨论风格是否与审议，公民和煽动性话语的基本组成部分一致。其次，我们进行了一个定量研究，结合验证性因素分析和差异模型的差异，以探讨不同的反应机制方案（例如，只有赞成票，赞成票和反对票，没有反应机制）对应于或多或少具有审议、公民或煽动性话语特征的政治用户讨论。我们生产三种主要的外卖。首先，尽管是“政治修辞的理想结构”，我们发现政治话语理论在很大程度上描述了Reddit上的政治讨论。第二，我们发现，在子论坛中的讨论，只有赞成票，或赞成票和反对票都与用户话语，是更深思熟虑和公民。第三，社交媒体上的讨论在没有任何反应机制的subreddits中最具煽动性。这些发现为正在进行的关于社交媒体界面设计与用户之间相互尊重的政治讨论之间关系的政策讨论提供了宝贵的贡献。
2023-02-19 cs.CL cs.CY 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
POPmine: Tracking Political Opinion on the Web
随着社会化媒体和计算能力的提高，社会科学领域的大众媒体内容自动分析成为必要和可能。一个特别有前途的研究途径涉及使用意见挖掘。我们设计并实现了POPmine系统，该系统能够从基于Web的传统媒体中收集文本（主流媒体网站的新闻项目）和社交媒体（博客和Twitter），并处理这些文本，识别主题和政治行为者，分析相关的语言单位，并生成提及频率和极性的指标（积极/消极）提及政治行为者跨来源，来源类型，跨时间。
2015-11-29 cs.SI
Me, My Echo Chamber, and I: Introspection on Social Media Polarization
同质性--我们倾向于与那些与我们对世界有着相同观点和看法的人在一起--既是人性的一部分，也是支撑我们许多数字社交网络的组织原则。然而，当涉及到政治或文化时，同质性会放大部落的心态，并产生“回音室”，降低在线话语的质量，安全性和多样性。虽然有几项研究已经从经验上证明了这一点，但很少有人探讨如何让用户意识到他们的政治回音室的程度和性质会影响他们随后的信念和行动。在本文中，我们介绍了社会镜像，社交网络可视化工具，使Twitter用户的样本，以探索他们的社交网络的政治活跃的部分。我们使用社会镜像招募Twitter用户与政治话语的历史之前的随机实验中，我们评估不同的治疗对参与者的影响i）关于他们的网络连接的信念，ii）他们选择跟随的政治多样性，iii）他们选择分享的URL的政治对齐。虽然我们没有看到对共享URL的平均政治一致性的影响，但我们发现，推荐相反政治意识形态的账户可以降低参与者对其网络连接的政治同质性的信念，但仍然可以在治疗后一周增强他们的连接多样性。相反，那些增强他们对Twitter连接的政治同质性的信念的参与者在治疗后2-3周的网络连接多样性较低。我们探讨了这些信念和行动之间的脱节对未来努力的影响，以促进我们的数字公共领域更健康的交流。
2021-10-11 cs.CY cs.SI
Identification of Common Trends in Political Speech in Social Media using Sentiment Analysis
社交媒体已被广泛用于商业和政治沟通，除了其最初的范围提供一个易于使用的出口，以生产和消费用户生成的内容。除了作为一种流行的媒体，社交媒体肯定改变了我们表达自己的方式，或者我们寻找新兴新闻和评论的方式，特别是在困难时期。在本文中，我们研究了一个语料库组装从Twitter帐户的政治家在美国和注释方面，他们的观众和他们传达的情绪与每个职位。我们的目的是检查是否有不同的政治意识形态的代表，针对不同的受众或不同的议程之间的风格差异。我们的研究结果验证了传统书面交流的现有知识，并可用于评估政治表达和对话的质量和深度，特别是在选举前的这段时间。
2022-10-14 cs.SI
Quantifying Search Bias: Investigating Sources of Bias for Political Searches in Social Media
在线社交媒体网站中的搜索系统经常用于查找关于正在进行的事件和人物的信息。对于具有多个竞争观点的主题，例如政治事件或政治候选人，排名靠前的结果中的偏见会显著影响公众舆论。然而，偏见并不仅仅来自算法。重要的是要区分作为排名系统输入的数据所产生的偏见和排名系统本身所产生的偏见。在本文中，我们提出了一个框架来量化这些不同的偏见，并将此框架应用于Twitter上的政治相关的查询。我们发现，输入数据和排名系统都以不同的方式在搜索结果中产生了不同程度的偏差。我们讨论了这些偏见的后果和可能的机制，以信号在社交媒体搜索系统的界面这种偏见。
2017-04-05 cs.CY cs.HC cs.SI
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
Characterizing Political Campaigning with Lexical Mutants on Indian Social Media
本文通过多语言嵌入和网络分析识别并表征印度社交媒体上带有词汇突变的政治竞选活动，揭示其如何绕过平台政策并夸大政治分歧。
2024-01-07 cs.HC cs.SI
Media Environment, Dual Process and Polarization: A Computational Approach
不同程度的真实性和政治结盟的新闻文章，以及它们对媒体消费者的政治观点的影响被建模为贝叶斯网络，该网络将动机推理和分析/直觉推理的双重推理模型的思想混合在一起。研究结果表明，随着媒介环境向后真相世界的转变，政治两极分化问题加剧。
2019-06-15 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
Politics and Propaganda on Social Media: How Twitter and Meta Moderate State-Linked Information Operations
研究探讨了Twitter和Meta如何应对国家关联的信息操作，发现民主等良好治理指标显著影响其国家关注度，揭示了地缘政治与国内体制特征间的相互作用。
2024-01-04 cs.SI
Political Honeymoon Effect on Social Media: Characterizing Social Media Reaction to the Changes of Prime Minister in Japan
民主国家的新领导人通常在上任后立即获得高支持率。这种现象被称为蜜月效应，被认为是一个重要的政治现象，但其机制仍有待探讨。因此，本研究探讨社群媒介使用者如何回应政治领导人的变动，以更好地了解政治中的蜜月效应。特别是，我们构建了一个15年的Twitter数据集，其中包括日本首相的8个变化时间，包括660万条推文，并从情绪，主题和用户方面对其进行了分析。我们发现，虽然并非总是如此，但社交媒体往往会在总理更迭时表现出蜜月效应。该研究还显示，人们对首相的看法因话题而异，这表明公众对首相的期望因首相而异。此外，用户群在总理更迭前后大部分被替换，他们的情绪也有明显不同。本研究之意涵，将对行政管理有所助益。
2023-02-25 cs.SI
Sub-Standards and Mal-Practices: Misinformation's Role in Insular, Polarized, and Toxic Interactions on Reddit
该研究针对Reddit平台，探究不可靠信息对政治不文明与有毒互动的影响，通过多种回归与图模型证实其会提升有毒言论概率并加剧不同政治倾向用户的互动极化。
2024-10-30 cs.CY cs.SI
Studying Politically Vulnerable Communities Online: Ethical Dilemmas, Questions, and Solutions
这篇短文为社交媒体研究人员介绍了政治脆弱性的概念。在政治上脆弱的社区，研究对象如何挑战传统的伤害概念？通过一系列案例研究，我们探讨了研究所提出的一些权衡、挑战和问题，这些研究旨在保持稳健和透明，同时保护匿名性和隐私，特别是在高风险、充满政治色彩的环境中。
2018-06-03 cs.CY cs.SI
Fine-Grained Prediction of Political Leaning on Social Media with Unsupervised Deep Learning
Institute of Informatics and Telematics（信息与电信研究所）；National Research Council（国家研究委员会）
预测社交媒体用户的政治倾向是一项越来越受欢迎的任务，因为它对选举预测，意见动态模型以及研究两极分化和虚假信息的政治层面非常有用。在这里，我们提出了一种新的无监督技术，用于从社交媒体帖子的文本内容中学习细粒度的政治倾向。我们的技术利用深度神经网络在表示学习任务中学习潜在的政治意识形态。然后，用户被投射到一个低维的意识形态空间，他们随后聚类。用户的政治倾向是从用户被分配到的集群中自动导出的。我们在两个具有挑战性的分类任务中评估了我们的技术，并将其与基线和其他最先进的方法进行了比较。我们的技术在所有无监督技术中获得了最好的结果，在8类任务中微F1 = 0.426，在3类任务中微F1 = 0.772。除了本身有趣之外，我们的研究结果还为开发新的和更好的无监督方法来检测细粒度的政治倾向铺平了道路。
2022-02-23 cs.AI cs.CL cs.CY
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
Analysis of misinformation during the COVID-19 outbreak in China: cultural, social and political entanglements
2019冠状病毒病导致信息流行病，这可能会削弱公众的信任，阻碍病毒遏制，并比大流行病本身更持久。不断演变和支离破碎的媒体格局是错误信息传播的主要驱动力。使用腾讯事实核查平台识别的错误信息和微博上的帖子，我们的结果表明，错误信息的演变遵循一个问题关注周期，涉及城市封锁，治疗和预防以及学校重新开放等主题。权威的来源在这些问题上发挥作用，但它们的影响因人们先前存在的信仰和文化习俗而变得复杂。最后，社交媒体与已建立或遗留的媒体系统有着复杂的关系。有时它们会相互加强，但总的来说，社交媒体可能会有自己的话题周期。我们的研究结果揭示了COVID-19期间错误信息的独特特征，并为中国乃至世界各地打击错误信息提供了见解。
2020-05-21 cs.CY cs.SI
Media Bias Matters: Understanding the Impact of Politically Biased News on Vaccine Attitudes in Social Media
School of Computing and AI, Arizona State University（亚利桑那州立大学计算与人工智能学院）；Department of Computer Science, University of Illinois Chicago（芝加哥伊利诺伊大学计算机科学系）；ByteDance Research（字节跳动研究院）
该研究分析疫苗立场对新闻选择和讨论参与的影响，以及政治偏见新闻对疫苗态度的作用，通过构建数据集并结合深度学习与因果推断，发现温和立场者更易受其影响，为相关研究提供关键见解。
2024-03-06 cs.CL cs.CY cs.SI
Visual Political Communication in a Polarized Society: A Longitudinal Study of Brazilian Presidential Elections on Instagram
University of Amsterdam（阿姆斯特丹大学）；Federal University of Sao Paulo (Unifesp)（圣保罗联邦大学）；Johannes Gutenberg University Mainz (JGU)（美因茨约翰内斯古腾堡大学）；Dublin City University (DCU)（都柏林城市大学）
本研究结合计算与定性方法，分析巴西两届总统选举候选人的Instagram帖子，揭示其视觉传播的一致模式与本土特征，阐明该平台在极化选举中的作用并提出未来研究方向。
2024-03-09 cs.AI cs.CV cs.CY
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
Generalizing Political Leaning Inference to Multi-Party Systems: Insights from the UK Political Landscape
该研究首次在英国苏格兰、威尔士和北爱尔兰三个多党制地区构建并发布政治倾向标注数据集，利用用户转推互动在少样本场景下实现稳健的政治倾向多类分类推断，并指出对低政治参与用户的预测仍有提升空间。
2023-12-04 cs.CY cs.SI
Automated Identification of Competing Narratives in Political Discourse on Social Media
L3S Research Center, Leibniz Universität Hannover（莱布尼茨汉诺威大学L3S研究中心）
本文提出一种无监督多阶段框架，整合主题建模、事件检测与链接，自动识别德国政客推文中的竞争性叙事，案例研究验证其有效性。
2026-09-11 cs.CL cs.SI
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
Political Popularity Analysis in Social Media
University of South Carolina（南卡罗来纳大学）
受欢迎程度是政治家及其政党在选举中获胜和实施其计划的关键成功因素。找到受欢迎背后的原因可以提供一个稳定的政治运动。本研究试图使用混合方法来测量Twitter的受欢迎程度。近年来，Twitter数据通过分析大量推文，为探索民意提供了绝佳的机会。这项研究收集并检查了与美国政治家参议员伯尼·桑德斯有关的450万条推文。这项研究调查了参议员在Twitter上受欢迎背后的八个经济原因。这项研究有利于政治家，信息学专家和政策制定者探索公众舆论。收集的数据也将用于进一步调查。
2018-12-08 cs.CL cs.CY cs.SI
Political Discourse on Social Media: Echo Chambers, Gatekeepers, and the Price of Bipartisanship
回声室，即，在许多民主国家，人们只能接触到与自己意见一致的意见，这是政治话语中一个日益令人关切的问题。本文研究了社交媒体上的政治回音室现象。我们确定了两个组成部分的现象：意见，是共享（“回声”），并允许其曝光的地方（“商会”-社会网络），并仔细研究这两个组件如何相互作用。我们为社交媒体用户定义了一个生产和消费指标，它捕捉了他们分享和接收的内容的政治倾向。通过比较两者，我们发现Twitter用户在很大程度上接触到与自己观点一致的政治观点。我们还发现，用户谁试图弥合回声室，通过共享内容与不同的倾斜，必须付出的“两党合作的代价”在他们的网络中心和内容欣赏。此外，我们还研究了“看门人”的作用，用户消费的内容与不同的倾斜，但产生党派内容（单面倾斜），在回声室的形成。最后，我们将这些发现应用于预测游击队和看门人的任务，从社会和内容的功能。虽然党派用户相对容易识别，但看门人证明更具挑战性。
2018-02-19 cs.SI
Why do people think liberals drink lattes? How social media afforded self-presentation can shape subjective social sorting
研究社交媒体自我呈现如何通过塑造标识符一致性感知促进主观社会分类，分析千万级X用户数据揭示标识符沿政治界线的分类现象，为理解极化及缓解策略提供启示。
2024-04-23 cs.SI
Automating Political Bias Prediction
每天，媒体都会产生大量的文本。对媒体报道的公正看法需要了解媒体内容的政治偏见。在这种情况下，估计文本政治偏见的辅助技术可能会有所帮助。本研究提出了一种简单的统计学习方法来预测文本中的政治偏见。从政党的演讲和宣言中提取的标准文本特征被用来预测政党从属关系和政治观点方面的政治偏见。结果表明，政治偏见可以预测上述机会的准确性。该模型的错误可以解释为政治行为者的政策变化。本文提出了两种方法使结果更具可解释性：a）区别性文本特征与政党的政治取向有关; b）文本的情感特征与政治权力的衡量标准有关。政治权力似乎与文本的积极情绪密切相关。为了突出一些潜在的用例，一个Web应用程序展示了该模型如何用于政治偏见不明确的文本，如新闻文章。
2016-08-07 cs.CL cs.SI
Shifting Polarization and Twitter News Influencers between two U.S. Presidential Elections
基于2016与2020年美国大选期间数亿条推文，研究政治信息扩散和影响者构成，发现双方极化加剧、顶级影响者更替率高且媒体影响者部分被政治及无隶属影响者取代。
2021-11-03 cs.CY cs.SI
Two Computational Models for Analyzing Political Attention in Social Media
University of Michigan（密歇根大学）
了解政治注意力是如何划分的，以及哪些主题对于议程设置，框架和政治修辞等领域的研究至关重要。现有的测量注意力的方法，如根据已建立的代码手册进行手动标记，是昂贵的，并且可能是限制性的。我们描述了两个计算模型，可以自动区分政治家社交媒体内容中的主题。我们的模型--一个监督分类器和一个无监督主题模型--提供了不同的好处。监督分类器减少了根据预定主题列表对内容进行分类所需的劳动。然而，推文所做的不仅仅是传达政策立场。我们的无监督模型揭示了政治话题和其他Twitter用途（例如，组成服务）。这些模型是政治传播和社交媒体研究的有效，廉价的计算工具。我们展示了它们的实用性，并讨论了它们提供的不同分析，将这两种模型应用于第115届美国国会议员发布的推文。
2019-09-17 cs.LG cs.SI stat.ML
Evaluating the Relationship Between News Source Sharing and Political Beliefs
本研究通过对应分析估计 Media Sharing Index (MSI)，考察阿根廷2019年选举期间Twitter用户的新闻分享行为，发现中右翼用户偏好同立场媒体，而中左翼用户媒体消费更多样，该方法可推广至其他国家评估政治倾向与媒体分享的相关性。
2024-10-15 cs.SI physics.soc-ph
Measuring Political Polarization: Twitter shows the two sides of Venezuela
我们说，当一个群体被分成两个规模相同、观点相反的群体时，它是完全两极化的。在本文中，我们提出了一种方法来研究和衡量两极分化的出现，从社会互动。我们首先提出了一个模型来估计意见，其中少数有影响力的个人通过社交网络传播他们的意见。该模型的结果是一个意见概率密度函数。接下来，我们提出了一个指数来量化的程度，由此产生的分布是两极分化。最后，我们将所提出的方法应用于关于已故委内瑞拉总统乌戈·查韦斯的Twitter对话，发现我们的结果与离线数据之间存在很好的一致性。因此，我们表明，我们的方法可以检测不同程度的极化，这取决于网络的结构。
2015-05-15 cs.CY cs.SI physics.soc-ph
The Chance of Winning Election Impacts on Social Media Strategy
研究分析候选人推文发现，随着获胜机会增加，候选人会缩小沟通对象，从普通大众转向选区和特定个人，为竞选策略提供新见解。
2023-04-04 cs.CY cs.SI
Identifying Partisan Slant in News Articles and Twitter during Political Crises
在本文中，我们感兴趣的是了解主流和社会媒体之间的相互关系，在形成公众舆论在大规模危机，特别是关于如何在主流新闻和社交网络上的事件是框架，以及如何在这些框架中使用的语言可能允许推断政治倾向和党派之争。我们通过分析2013-2014年乌克兰大规模抗议活动（称为“亲欧盟示威”）的4000多万条推文和400多万篇新闻文章的数据集，以及乌克兰东部和克里米亚的俄罗斯，亲俄罗斯和乌克兰部队之间的后亲欧盟示威冲突，研究了主流和社交媒体中政治议程设置的语言选择。我们设计了一个自然语言处理算法来分析大规模的语言标记，这些标记指向在线媒体中的特定政治倾向，并表明可以以高准确度推断新闻文章和Twitter帖子中的政治倾向。这些发现使我们能够更好地了解大规模危机期间党派意见形成的动态，以及在这种情况下主流媒体和社交媒体之间的相互作用。
2017-03-16 cs.SI
Systematic discrepancies in the delivery of political ads on Facebook and Instagram
本研究基于2021年德国联邦选举期间Meta平台8万余条政治广告数据，分析社交媒体定向政治广告的分布、投放受众偏差及低成本高触达策略，发现算法投放存在系统性差异，更青睐民粹主义政党广告。
2024-06-24 cs.SI
HTIM: Hybrid Text-Interaction Modeling for Broadening Political Leaning Inference in Social Media
针对政治倾向推断长期局限于二分类或仅依赖交互数据的问题，提出融合文本与社交交互的 HTIM 框架，在多政党、多地区场景中显著提升用户政治倾向识别性能。
2024-06-12 cs.SI
Forecasting Political News Engagement on Social Media
Tulane University（杜兰大学）；Illinois Institute of Technology（伊利诺伊理工学院）
通过分析七年内超过6000万条推文，训练神经网络预测用户将参与的政治新闻倾向，并聚类用户发现长期新闻参与模式。
2026-06-02 cs.SI
Social Media, News and Political Information during the US Election: Was Polarizing Content Concentrated in Swing States?
美国选民分享了大量两极分化的政治新闻和信息，这些新闻和信息以链接的形式链接到俄罗斯、维基解密和垃圾新闻来源的内容。这些低质量的政治信息是均匀分布在全国各地，还是集中在摇摆州和全国特定地区？在这份数据备忘录中，我们应用了一个经过测试的关于2016年总统大选前后十天内通过Twitter分享的政治新闻和信息的来源词典。使用自我报告的位置信息，我们按州放置了三分之一的用户，并为全国各地的两极分化内容的分布创建了一个简单的索引。我们发现：（1）在全国范围内，Twitter用户比专业制作的新闻获得更多的错误信息，两极分化和阴谋内容。(2)然而，一些州的用户分享的政治新闻和信息比其他州的用户更多。(3)摇摆州的平均错误信息水平高于无争议州，即使根据每个州用户群体的相对规模进行加权。最后，我们对战略传播的两极分化信息对公共生活的影响进行了一些观察。
2018-02-10 cs.SI
Synchronization between media followers and political supporters during an election process: towards a real time study
本文分析了2022年法国总统选举期间Twitter上的政治与媒体讨论动态，提出了两种构建动态语义网络的互补方法以自动检测群体兴趣同步，为评估信息处理公平性提供了新方法论。
2025-03-07 cs.CY cs.SI
