Information Diffusion Power of Political Party Twitter Accounts During Japan's 2017 Election
在现代竞选活动中，政党利用社交媒体宣传其政策和候选人，并与选民沟通。在2017年日本最新一次大选，即第48届众议院大选中，社交媒体，尤其是推特被积极使用。在本文中，我们对选举期间转发政党推文的社交图和用户进行了详细的分析。我们的目标是获得关于每一方的扩散能力的准确信息，而不仅仅是追随者的数量。结果表明，关注一个政党账户的用户的用户也倾向于关注该账户。这意味着它不会增加多样性，因为相互关注的用户往往分享相似的价值观。我们还发现，特定政党的追随者经常转发这些推文。然而，由于关注政党账户的用户并不多样化，政党只向少数政治脱离用户提供信息。
2018-09-25 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
Catching up with trends: The changing landscape of political discussions on twitter in 2014 and 2019
4G的出现增加了印度互联网的使用，这引发了大量的在线讨论。在线社交网络（OSN）是这些讨论的中心。在选举期间，政治讨论构成了这些网络上热门话题的重要组成部分。政治家和政党赶上了这些趋势，社交媒体成为他们宣传议程的一部分。我们不能在任何选举中忽视这一趋势，无论是美国、德国、法国还是印度。Twitter是我们观察这些趋势的主要平台。在这项工作中，我们通过对比2014年和2019年印度大选中性别、政党和地理等层面的平台使用情况，研究了Twitter上政治讨论的规模。为了进一步了解政党所遵循的策略，我们比较了印度人民党（BJP）和印度国民大会（INC）在2019年大选中使用Twitter的情况，以了解他们如何有效地利用该平台。我们特别分析了获胜的政治家的把柄。然后，我们继续比较BJP和INC的领导人所持有的政治手柄：Narendra Modi（@narendramodi）和Rahul Gandhi（@RahulGandhi）使用参数，如“关注”，“推特习惯”，“用于推特的来源”，以及推文的文本分析。通过这项工作，我们还引入了一个丰富的数据集，涵盖了2014年和2019年选举期间的大多数推文。
2019-09-18 cs.SI
Spotting political social bots in Twitter: A use case of the 2019 Spanish general election
虽然社交媒体已被证明是与其他人互动和大规模快速传播有用信息的非常有用的工具，但其巨大潜力也被恶意利用，以扭曲政治选举和操纵选民。在手头的论文中，我们分析了2019年11月西班牙大选背景下Twitter上社交机器人的存在和行为。在整个研究过程中，我们将相关用户分类为社交机器人或人类，并从定量（即，产生的业务量和现有关系）和定性（即，用户对最重要政党的政治亲和力和情感）观点。结果显示，这些机器人中有不可忽视的数量积极参与了选举，支持五个主要政党中的每一个。
2020-10-12 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
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
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
How the Far-Right Polarises Twitter: 'Highjacking' Hashtags in Times of COVID-19
Twitter影响政治辩论。假新闻和仇恨言论等现象表明，微博上的政治话语可以通过算法强制执行选择性感知而变得强烈两极分化。正如过去的贡献所显示的那样，一些政治行为者积极采用策略，通过“黑客攻击”策略来促进Twitter上的两极分化。以COVID-19相关标签及其转发网络为例，我们研究了德国极右翼政党德国新选择党（AfD）的党派账户及其在2020年5月可能使用的“hashjacking”。我们的研究结果表明，政党标签的两极分化在过去两年中没有发生显着变化。我们看到，右翼党派正在积极有效地通过“hashjacking”COVID-19相关标签（如#CoronaVirusDE或#FlattenTheCurve）来极化话语。这种极化策略由有限的重度用户的活动主导。这些结果强调了理解话语极化动态的必要性，作为极右翼的一种积极的政治沟通策略，只有少数非常活跃的账户。
2020-10-12 cs.SI
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
Political polarisation in turbulent times: Tracking polarisation trends and partisan news link sharing on Finnish Twitter, 2015-2023
本研究基于2015-2023年芬兰X平台数据，按转发政党相关推文划分三类意识形态群体，用网络方法分析多议题极化趋势及议题间极化对齐程度，并考察新闻链接分享与群体、推文情感及传播度的关联。
2024-03-06 cs.SI
More inclusive and on wider sources: A Comparative Analysis of Data and Political Journalists on Twitter in Germany
本文基于2021年德国Twitter数据，比较政治记者与数据记者在提及、转发和话题标签中的性别包容性，发现女性更倾向支持女性，且数据记者对非成员来源更包容。
2024-01-26 cs.SI
The role of bot squads in the political propaganda on Twitter
社交媒体如今是信息传播和新闻检查的特权渠道。出乎意料的是，对于大多数用户来说，自动账户，也被称为社交机器人，对新闻传播的贡献越来越大。以Twitter为基准，我们考虑了一个月观察期间针对特定主题（即从北非到意大利的移民流量）交换的流量。我们只测量tweets的重要流量，通过实现一个基于熵的空模型，该模型对用户的活动和tweets的病毒式传播进行了折扣。结果表明，社交机器人在重要内容的交换中发挥着核心作用。事实上，不仅最强大的中心在其追随者中拥有比预期更高的机器人数量，而且其中一组可以被分配到相同的政治倾向，共享一组共同的机器人作为追随者。这种自动化账户的转发活动放大了中心信息在平台上的存在。
2019-05-29 cs.SI
A political cartography of news sharing: Capturing story, outlet and content level of news circulation on Twitter
本文提出一种兼顾消息来源与内容的新闻分享系统制图流水线，以克服政治倾向测量简化、仅分析媒体层面及预先划分党派新闻的局限。
2025-05-13 cs.SI
Mining the Demographics of Political Sentiment from Twitter Using Learning from Label Proportions
意见挖掘和人口统计属性推断在社会科学中有着广泛的应用。在本文中，我们提出了模型来推断每天的联合概率多个潜在的属性从Twitter数据，如政治情绪和人口统计属性。由于为传统的监督分类注释数据既昂贵又耗时，因此我们提出了可扩展的标签比例学习（LLP）模型，用于使用美国人口普查，国家和州政治民意调查以及库克党派投票指数作为人口水平数据的人口统计和意见推断。在LLP分类设置中，将训练数据划分为一组未标记的包，其中仅知道每个包中的标签分布，从而消除了对实例级注释的需求。我们提出的LLP模型，加权标签正则化（WLR），提供了一个可扩展的泛化标签正则化的先前工作，以支持袋内样本的权重，这是适用于这种设置，其中袋是分层排列的（例如，县级袋嵌套在州级袋内）。我们将我们的模型应用于2016年美国总统大选前一年收集的Twitter数据，估计政治情绪和人口统计数据之间的关系。我们发现，我们的方法密切跟踪传统的民意调查数据分层的人口类别，导致错误减少28-44%的基线方法。我们还提供了描述性的评估，显示该模型可以用来估计许多变量之间的相互作用，并确定语言的时间变化，通常是不可行的，使用传统的轮询方法的能力。
2017-08-26 cs.SI
A Long-Term Analysis of Polarization on Twitter
在过去十年中，社交媒体在塑造政治话语方面发挥了重要作用。与此同时，由于讨论的规模及其公开性，人们往往认为这加剧了政治两极分化。在本文中，我们试图回答在过去八年中，美国在Twitter上的政治两极分化是否有所增加的问题。我们分析了一个由679，000名用户组成的大型纵向Twitter数据集，并研究了他们的两极分化迹象（i）网络-人们如何关注政治和媒体账户，（ii）推文行为-他们是否从双方转发内容，以及（iii）内容-他们使用的标签有多党派。我们的分析表明，在过去的八年里，网络两极分化确实有所增加，根据不同的衡量标准，相对变化为10%-20%。我们的研究是极少数具有如此长期视角的研究之一，涵盖了两次美国总统选举和两次中期选举，提供了罕见的纵向分析。
2017-03-17 cs.SI
Twitter's Agenda-Setting Role: A Study of Twitter Strategy for Political Diversion
Putnam Science Academy（普特南科学院）；Princeton High School（普林斯顿高中）；Zhengzhou University（郑州大学）；Huazhong University of Science and Technology（华中科技大学）
本研究验证了唐纳德·特朗普的Twitter活动在引导议程设置和转移政治风险方面的有效性，并考察了特朗普的Twitter传播策略，并探讨了他的推文内容在新冠肺炎疫情期间的传播效果。我们收集了特朗普在2020年1月1日至2020年12月31日期间在Twitter平台上发布的所有推文，采用固定效应模型的普通最小二乘（OLS）回归分析来分析Twitter策略的存在性。使用时间序列分析研究了每日确认的新冠肺炎确诊人数与特定主题推文数量之间的相关性。实证分析显示，Twitter的策略被用来转移公众对疫情期间Covid-19负面报道的注意力，并在Twitter上产生了强大的政治传播效应。然而，调查结果表明，特朗普并没有使用虚假主张来转移政治风险和塑造公众舆论。
2022-12-16 cs.CL cs.CY cs.SI
Who are Political Retweeters?, Demographic comparison of political retweeters with retweeters of non-political personalities
Twitter多年来一直是政治学研究的焦点，因为它提供了直接观察不同社区政治信息传播的机会。在这里，我们将研究信息扩散的现象，并关注负责在Twitter网络上到处传播政治信息的节点。本文试图填补空白，在文献中的人口统计学的政治转推使用各种技术的名称和位置相关的数据，从最活跃的法国政治转推。在这里，我将根据性别、语言、地点、教育水平和自我描述来对这些账户进行分类。为了将有关政治转推者的信息放在上下文中，我们还将创建一个非政治转推者类别，以比较上述变量的组之间的差异。
2020-04-12 cs.SI
Political Disaffection: a case study on the Italian Twitter community
Università degli Studi di Milano（米兰大学）；Università degli Studi di Napoli “Parthenope”（那不勒斯“帕泰诺佩”大学）
在我们的工作中，我们通过机器学习技术利用Twitter数据来分析政治不满或“对政治进程、政治家和民主制度的无能为力、愤世嫉俗和缺乏信心的主观感觉，但不质疑政治制度”。为了验证Twitter数据所产生的时间序列的质量，我们强调这些数据与政治不满的关系，通过民意调查来衡量。此外，我们表明，意大利报纸的重要政治新闻往往与所产生的时间序列的最高峰。
2013-02-08 cs.LG cs.SI physics.soc-ph
Influence of NaMo App on Twitter
社交媒体在当今社会中发挥着至关重要的作用。它导致人们如何联系和沟通，传达和交流思想的范式变化。此外，社交媒体已发展成为消费者的关键知识网络，也影响决策。在选举中，社交媒体成为政治竞选活动的一个组成部分，以接触更多的受众并获得更多的支持。2019年人民院选举见证了Twitter、Facebook和WhatsApp等在线社交媒体平台的使用量大幅飙升;每个主要政党都推出了自己有组织的社交媒体活动。2014年，印度人民党（BJP）通过推出其应用程序- NaMo App在组织竞选活动方面领先一步。我们将研究重点放在2019年Lok Sabha选举和CAA抗议活动期间的Twitter和NaMo App上。Twitter是一个平台，每个人都可以表达自己的观点，没有偏见。相比之下，NaMo App是第一个以特定政党为中心的应用程序之一。它充当了印度人民党组织政治运动的数字媒体，使人民的意见对他们有利。本研究旨在描述NaMo应用程序在更传统的网络中的作用，如Twitter在塑造政治话语中的作用，并研究在线回声室的存在。我们首先分析了在Twitter上使用NaMo应用程序共享的内容的数量和类型。我们对回音室的存在进行了内容和网络分析。我们还应用Hawkes过程来观察NaMo App对Twitter的影响。通过这项研究，我们可以得出结论，使用NaMo App分享内容的用户可能是在线回声室的一部分，很可能…
2021-09-04 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
Political Communities on Twitter: Case Study of the 2022 French Presidential Election
Ecole Polytechnique（巴黎综合理工学院）；Linagora；AUEB（雅典经济与商业大学）
随着社交媒体平台用户的大幅增加，出现了一种新的政治竞选手段。Twitter和Facebook现在是选举期间值得注意的竞选工具。事实上，候选人和他们的政党现在开始在互联网上互动和传播他们的想法。在本文中，我们的目标是确定2022年法国总统大选期间在Twitter上形成的政治社区，并分析每个社区。我们创建了一个大规模的Twitter数据集，其中包含120万用户和6260万条提到与选举相关的关键字的推文。我们执行社区发现上的用户的转推图，并提出了一个深入的分析，每个社区的立场。最后，我们试图检测攻击性推文和自动机器人，跨社区进行比较，以深入了解每个候选人的支持者人口统计和在线竞选策略。
2022-04-15 cs.CL cs.SI
Does Campaigning on Social Media Make a Difference? Evidence from candidate use of Twitter during the 2015 and 2017 UK Elections
社交媒体现在是世界各地政治运动的常规组成部分。然而，到目前为止，对竞选活动对社交平台影响的研究仅限于一个选举期间的横截面数据集，这些数据集容易受到未观察到的变量偏差的影响。因此，关于政治社交媒体活动有效性的经验证据很薄弱。我们通过分析2015年和2017年英国选举中政治Twitter活动的新面板数据集来解决这一问题。我们发现，基于Twitter的竞选活动似乎有助于赢得选票，这一发现是一致的，在各种不同的模型规格，包括第一差异回归。Twitter使用的影响在绝对值上很小，尽管与竞选支出的影响相当。我们的数据还支持这样一种观点，即效果是通过其他沟通渠道介导的，因此挑战了互动方式的相关性。
2018-07-27 cs.SI
An analysis of community structure in Brazilian political topic-based Twitter networks
Twitter等在线社交网络是就各种主题传播舆论的重要平台。通过分析用户在推特上的帖子，根据他们的意见分享对他们进行分类，可以帮助营销广告和政治活动专注于特定的用户组。基于社区发现的技术对于分类Twitter用户特别有用，因为它们不需要基于规则的方法或标记的数据来执行聚类任务。在本文中，我们构建了网络使用的数据，在巴西的政治讨论提取Twitter。我们发现：（i）这些网络遵循幂律分布，表明少数受欢迎的用户负责大部分的“提及”和“转发”;（ii）最受欢迎的推文是病毒式的，并在社区中传播，而大多数剩余的推文都被困在它们起源的社区中;以及（iii）与积极情绪相关的词语在与巴西总统选举相关的网络社区中占主导地位，并出现在病毒式推文中。
2019-06-14 cs.CY cs.SI
Community Detection in Political Twitter Networks using Nonnegative Matrix Factorization Methods
社区发现是社会网络分析中的一项基本任务。在本文中，首先，我们开发了一个背书过滤用户连接网络，利用海德的结构平衡理论和某些Twitter的三元模式。接下来，我们开发了三个非负矩阵分解框架来研究不同类型的用户连接和内容信息在社区发现中的贡献。我们表明，用户内容和认可过滤连接信息是相辅相成的，在聚类的政治动机的用户到纯政治社区。在所有内容类别中，词汇使用是用户政治倾向的最强指标。简化用户词矩阵和词相似性正则化器提供了仅连通性方法中的缺失环节，该方法受到人为大量Twitter网络聚类检测的影响。
2016-08-05 cs.SI physics.soc-ph stat.ML
Deploying South African Social Honeypots on Twitter
受到简单而有效的推特胡言乱语吸引自动化社交代理（机器人）的方法的启发，我们试图在南非的政治背景下创建本地化的蜜罐。我们产生了一系列定义的技术，并将它们结合起来，从Twitter上的用户产生互动。该文件提供了两个关键贡献。从概念上讲，一个论点是，蜜罐不应该混淆机器人检测方法，而是捕获低质量用户的方法。其次，我们成功地生成了一个288本地低质量的用户在政治背景下活跃的列表。
2018-09-17 cs.SI
PyPoll: A python library automating mining of networks, discussions and polarization on Twitter
今天，在线社交网络在我们的社会中具有很高的影响力，因为越来越多的人使用它们来相互沟通，表达他们的意见，参与公共讨论等，特别是Twitter是人们主要用于政治讨论的最受欢迎的社交网络平台之一。这吸引了许多研究的兴趣，通过收集数据，分析通信模式和探索用户网络的结构来分析Twitter上的社会现象。虽然以前的工作有许多共同的数据汇集和分析方法，但这些方法主要是由研究人员以自定义的方式每次重新实现的。在本文中，我们将介绍PyPoll，一个开源Python库，它可以操作Twitter讨论的常见分析任务。使用PyPoll，用户可以执行Twitter图形挖掘，计算极化指数并生成交互式可视化，而无需第三方工具。我们相信PyPoll可以通过提供易于使用的方法来帮助研究人员自动化他们的任务。此外，我们展示了使用的图书馆提出两个用例; PyPoll可视化应用程序，一个在线应用程序的图形可视化和共享，和政治灯塔，一个门户网站，用于显示在Twitter上的各种政治主题的极化。
2023-03-11 cs.SI
Inferring Political Alignments of Twitter Users: A case study on 2017 Turkish constitutional referendum
TOBB University of Economics and Technology（TOBB经济与技术大学）
Twitter在政治上的日益普及受到商业和学术兴趣的影响。为了充分利用这一平台的优点，接触具有理想政治倾向的目标受众至关重要。本文将推特用户政治倾向推断的研究扩展到2017年土耳其宪法公投的案例。在构建了一个有针对性的推文数据集后，我们探索了几种类型的潜在特征，以构建准确的基于机器学习的预测模型。在我们的实验中，三类支持向量机（SVM）分类器训练的语义特征达到最好的准确率为89.9%。此外，在全文特征上训练的SVM分类器比在主题标签上训练的SVM分类器表现更好，准确率分别为89.05%和85.9%。通过全文特征获得的相对较高的准确率分数可能指向语言使用的差异，这值得进一步研究。
2018-09-15 cs.LG cs.SI
Political Elections Under (Social) Fire? Analysis and Detection of Propaganda on Twitter
对许多人来说，社交网络已成为新闻的主要来源，尽管所提供信息的正确性及其可信度往往不清楚。2016年美国总统大选的调查揭露了旨在影响一般政治舆论的外部竞选活动的存在。在本文中，我们调查是否可以观察到类似的政治选举的影响，以及在欧洲。为此，我们以过去的德国联邦选举为指标，并根据268天的数据检查Twitter上的宣传。我们发现，来自美国竞选团队的79名巨魔也在德国联邦选举中传播右翼观点。此外，我们还开发了一个用于发现自动化行为的检测器，使我们能够识别2，414个以前未知的机器人。
2019-12-09 cs.CR cs.SI
#DebateNight: The Role and Influence of Socialbots on Twitter During the 1st 2016 U.S. Presidential Debate
人们对“社交机器人”在操纵公众舆论和通过转发党派内容来影响选举结果方面的作用表示严重关切。在这里，我们分析社交机器人在Twitter上的作用和影响，确定它们如何有助于转发扩散。我们收集了2016年第一届美国总统辩论（#DebateNight）期间的大量推文数据集，并从三个角度分析了其150万用户：用户影响力，政治行为（党派和参与）和僵尸。首先，我们定义了一个衡量用户的影响力的基础上，用户的积极贡献信息扩散，即他们的推文和转推。鉴于Twitter不暴露的转发结构-它与原始推文的所有转发-我们模型的潜在扩散结构只使用鸣叫时间和用户功能，我们实现了一个可扩展的新方法来估计所有可能的展开的影响。接下来，我们使用党派标签分析来量化用户的政治极化和参与度。最后，我们使用BotOrNot API来衡量用户的僵尸性（成为机器人的可能性）。我们建立了一个二维的“极化图”，允许对机器人，党派和影响力之间的相互作用进行细致入微的分析。我们发现，社交机器人不仅在Twitter上更活跃-启动更多的转发级联和转发更多-而且它们的影响力是人类的2.5倍，并且更多地参与政治。此外，亲共和党的机器人比亲民主党的机器人更有影响力，也更参与政治。然而，我们警告说，不要笼统地说，设计成人类的软件主宰了政治辩论。我们发现，许多极具影响力的Twitter用户实际上是亲民主党的，而大多数亲共和党的用户是中等影响力的，可能是人类…
2018-05-17 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
Twitter and Polls: Analyzing and estimating political orientation of Twitter users in India General #Elections2014
今年（2014年）5月，第15届人民院的任期即将结束，并将举行543个议会席位的选举。这些选举花费了50亿美元，这使我们在花费方面仅次于美国总统选举。根据IAMAI（印度互联网和移动协会）的一份报告，互联网用户和在线社交媒体（OSM）用户数量的增加可能会影响3-4%的城市人口投票。从2013年9月到2014年5月，与选举有关的推文数量接近1821万条。我们分析了完整的数据集，发现Twitter上的活动在重要事件期间达到峰值。从我们的数据中可以明显看出，政治家的政治行为影响了他们的追随者数量。我们工作的另一个目的是找到一种有效的方法来分类Twitter上用户的政治倾向。我们使用了四种不同的技术：两种基于推文的内容，一种基于基于用户的特征，另一种基于转推和用户提及网络上的社区发现算法。我们发现社区发现算法效果最好。我们建立了一个门户网站来显示对过去24小时推文的分析。据我们所知，这是第一次对2014年印度大选的选举数据进行分析并对用户进行分类的学术研究。
2014-06-19 cs.SI physics.soc-ph
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
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
When Politicians Talk: Assessing Online Conversational Practices of Political Parties on Twitter
评估社交媒体中的政治对话需要更深入地了解推动这些对话的潜在做法和风格。在本文中，我们提出了一个计算方法来评估在线会话的做法，政党。遵循演绎的方法，我们设计了一些定量的措施，从社会学理论的理论结构的讨论。由此产生的措施使不同的-主要是定性-方面的在线会话的做法服从计算。我们评估我们的计算方法，将其应用在一个案例研究。特别是，我们研究德国政治家在Twitter上的在线会话的做法在德国联邦选举2013年。我们发现，政党有一些共同的有趣的行为模式，但也表现出一些独特而有趣的特质。我们的工作揭示了（i）复杂的文化现象，如在线对话的做法是如何进行量化和（ii）社交媒体，如Twitter的方式被政党利用。
2014-05-27 cs.CY cs.SI physics.soc-ph
The impact of Twitter on political influence on the choice of a running mate: Social Network Analysis and Semantic Analysis -- A Review
Dedan Kimathi University of Technology（德丹·基马蒂科技大学）
在这个社交媒体的新时代，社交网络正在成为互联网上用户生成内容的越来越重要的来源。这类信息资源包含了很多人的感受、意见、反馈和评论，对大企业、市场、政治、新闻和许多其他领域都非常有用。政治是目前社交媒体网络上最受关注和欢迎的话题之一。许多政治家使用像Twitter这样的微博客服务，因为他们在这些网络上有大量的追随者和支持者。政治家、政党、政治组织和基金会使用社交媒体网络提前与公民沟通。今天，社交媒体被成千上万的政治团体和政治家使用。在这些社交媒体网络上，每个政治家和政党都有数百万的追随者，政治家们找到了新的和创新的方式来敦促个人参与政治。此外，社交媒体通过提供建议协助政治家进行各种决策过程，例如根据以往的经验制定政策和战略，为特定选区推荐和选择合适的候选人，为党内特定职位推荐合适的人选，以及根据公民对各种问题和争议的看法发起政治运动等。本文综述了在Twitter平台上使用社会网络分析（SNA）和语义分析（SA）来研究政治领导人的支持者网络，因为它可以在预测政治未来时帮助决策。
2022-07-31 cs.CL 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
Auditing Political Exposure Bias: Algorithmic Amplification on Twitter/X During the 2024 U.S. Presidential Election
University of Southern California（南加州大学）；Thomas Lord Department of Computer Science（托马斯·洛德计算机科学系）；Information Sciences Institute（信息科学研究所）
本文通过审计X平台在2024年美国总统选举期间的算法推荐，发现算法倾向于高流行度账户，导致右倾用户暴露不平等，同时加剧政治极化问题。
2025-03-20 cs.SI
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
Does Twitter know your political views? POLiTweets dataset and semi-automatic method for political leaning discovery
Wroclaw University of Science and Technology（弗罗茨瓦夫理工大学）
每天，世界上都充斥着在Twitter或Facebook上发布的数百万条信息和声明。社交媒体平台试图保护用户的个人数据，但仍然存在滥用的风险，包括选举操纵。你知道吗，只有13篇文章涉及社会上重要或有争议的话题，就足以预测一个人的政治倾向，F1分数为0.85？为了研究这一现象，我们创建了一种新的半自动政治学习发现的通用方法。它依赖于一个人工智能数据注释程序，该程序被评估为与人类注释者达到0.95的一致性（作为准确性度量）。我们还介绍了POLiTweets -第一个公开开放的波兰数据集，用于在多方设置中发现政治派别，包括来自近10 k波兰写作用户的147 k推文，以及来自166个用户的近40 k推文，作为测试集手动注释。我们使用我们的数据来研究主题背景下的领域转移方面和内容作者的类型-普通公民与专业政治家。
2022-06-14 cs.CL cs.LG cs.SI
Wordkrill: Extending Wordfish into the multidimensional political space
本文提出Wordkrill模型，将单维的Wordfish文本定位方法扩展至多维政治空间，在保持可解释性的同时实现高效多维位置估计，并通过政党宣言和议会演讲验证其效用与局限。
2025-07-02 cs.SI stat.ME
Divided We Rule: Influencer Polarization on Twitter During Political Crises in India
Microsoft Research（微软研究院）
影响者是社交媒体上信息传播的性质和网络的关键。影响者通过参与问题在政治话语中特别重要，并且可能完全或大部分通过在线操作获得其合法性，或者拥有诸如艺人，记者等的离线专业领域。我们使用谷歌的通用句子编码器（USE）来编码印度政治危机期间6000名影响者和26000名印度政客的推文。然后，我们根据他们的推文嵌入获得影响者的聚合向量表示，这些向量表示与转推图一起帮助计算他们对这些政治问题的立场和极性。我们发现，影响者以党派的方式参与这些话题，两极分化的影响者会得到更多的转发和关注。此外，我们观察到，特定群体的影响者在所有事件中始终两极分化。最后，我们讨论了我们的研究如何提供洞察当今印度的政治分裂，但也提供了一种手段来研究影响者在加剧政治两极分化在其他情况下的作用。
2021-09-16 cs.CL cs.SI
Does Offline Political Segregation Affect the Filter Bubble? An Empirical Analysis of Information Diversity for Dutch and Turkish Twitter Users
从自由主义的角度来看，多元化和观点多样性被视为民主制度良好运作的必要条件。最近，有人声称在线社交网络中的观点多样性正在减少，将用户置于“泡沫”中，在那里他们接收他们同意的政治信息。我们的研究贡献有五个方面：（1）我们使用政治理论介绍了高度复杂的价值观多样性的不同维度;（2）我们提供了观点多样性分析文献中使用的度量标准的概述;（3）我们使用该理论操作新的度量标准，并提供了一个框架来分析不同政治文化下Twitter的观点多样性;（4）我们分享了我们对土耳其和荷兰Twitter用户进行的少数民族案例研究的结果;（5）我们表明少数民族用户无法接触到大部分土耳其Twitter用户。最后，这些贡献，从通信学者和哲学家的理论，我们展示了少数访问是如何从计算机科学家研究的观点多样性的典型维度中缺失的，以及它对观点多样性分析的影响。
2014-06-28 cs.CY cs.SI physics.soc-ph
Social Media and Political Contributions: The Impact of New Technology on Political Competition
政治竞选是美国最复杂的营销活动之一。作为其营销传播战略的一部分，越来越多的政治家采用社交媒体来告知其选民。本研究通过关注竞选捐款的变化，记录了竞选国会议员的政治家采用新技术（即Twitter）的回报。我们比较了政治家在Twitter渗透率高和低的地区开设Twitter账户之前和之后收到的每周捐款，控制了政治家月固定效应。具体而言，在政治竞选过程中，我们估计在Twitter渗透率高与低的地区开设Twitter账户的差异效应相当于所有政治家的捐款增加0.7-2%，而新政治家的捐款增加1-3.1%，他们以前从未当选为国会议员。相比之下，经验丰富的政治家加入Twitter的影响仍然微不足道。我们发现一些证据与这种解释一致，即这种效应是由关于候选人的新信息驱动的，例如，这种影响主要是由新的捐助者而不是过去的捐助者，没有Facebook帐户和Twitter更多信息的候选人驱动的。总体而言，我们的研究结果表明，社交媒体可以通过降低新进入者向其选民传播信息的成本来加剧政治竞争，从而减少进入政治的障碍。
2020-11-05 cs.SI econ.GN q-fin.EC
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
Polarized User and Topic Tracking in Twitter
微博平台和OSN中对话的数字痕迹提供了关于用户意见的高分辨率信息。这些信息源可以用来理解和监控集体行为.在这项工作中，我们专注于极化类，即，那些要求用户只站在一个立场上的话题。所提出的方法提供了一个迭代的用户和关键字分类：首先，极化用户被识别，然后极化的关键字被发现，通过监视先前分类的用户的活动。因此，这种方法允许随着时间的推移跟踪用户和主题。我们报告了在政治选举时间框架内对两个Twitter数据集进行的几个实验。我们衡量用户的黄金用户集的用户分类精度，并分析正在进行的政治讨论的相关性提取的关键字。
2016-10-27 cs.SI
Characterizing Political Fake News in Twitter by its Meta-Data
Imperial College London（帝国理工学院）
本文提出了一种通过分析Twitter上的元数据来表征政治假新闻的初步方法。特别是，我们专注于唐纳德·特朗普当选为美利坚合众国第45任总统当天收集的超过150万条推文。我们使用这些推文中嵌入的元数据来寻找包含假新闻的推文和不包含假新闻的推文之间的差异。具体来说，我们只对病毒式传播的推文进行分析，通过研究用户接触推文的代理，通过描述传播假新闻的账户，并通过观察它们的两极分化。我们发现在追随者的分布，推文上的URL数量以及用户的验证方面存在显着差异。
2017-12-16 cs.CL cs.SI stat.ML
Inferring Political Preferences from Twitter
Jamia Millia Islamia（贾米亚·米利亚·伊斯兰亚大学）
情感分析是自动分析用户对实体或该实体的某些方面的意见和情感的任务。社交媒体的政治情感分析有助于政治战略家在实际选举之前仔细审查政党或候选人的表现，并即兴发挥他们的弱点。在选举期间，社交网络充斥着关于政党和政治家前景的博客、聊天、辩论和讨论。产生的数据量非常大，无法使用最新技术进行研究，分析和推断。Twitter是最受欢迎的社交媒体平台之一，使我们能够执行特定领域的数据准备。在这项工作中，我们选择通过使用经典的机器学习将其建模为文本分类问题来识别推文中存在的政治观点的倾向。与2020年德里选举有关的推文被提取并用于该任务。在几种算法中，我们观察到支持向量机描绘了最好的性能。
2020-07-21 cs.CY cs.LG 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 Biased Review of Biases in Twitter Studies on Political Collective Action
近年来，研究人员被社交媒体平台（尤其是Twitter）吸引，将其作为对社会现象进行实证分析的沃土。社交媒体为研究人员提供了追踪互动和话语的数据，这些数据曾经在离线世界中没有记录。研究人员试图利用这些数据来解释社交媒体特有的社会现象，并适用于更广泛的社会世界。本文对基于Twitter的政治人群行为研究进行了简要回顾。这些文献提供了对Twitter上特定社会现象的洞察力，但往往未能使用标准化的方法，允许超越个人研究的解释。此外，这些文献未能将方法和结果建立在社会或政治理论的基础上，将实证研究与解释它所需的理论相分离。相反，论文主要关注社交媒体分析的方法创新，但这些方法往往无法充分证明这些方法的有效性。这篇小评论考虑了少数选定的论文;我们分析了他们（通常缺乏）的理论方法，回顾了他们的方法论创新，并就他们的结果与政治学家和社会学家的相关性提出了建议。
2016-05-16 cs.CY cs.SI physics.data-an
Algorithmic Amplification of Politics on Twitter
Twitter主页时间轴上的内容由个性化算法选择和排序。通过不断地将某些内容排名靠前，这些算法可能会放大一些信息，同时降低其他信息的可见性。公众和学术界一直在激烈地争论，一些政治团体可能比其他团体从算法放大中受益更多。我们提供了Twitter平台上一项长期运行、大规模随机实验的定量证据，该实验将包括近200万个每日活跃帐户的随机对照组委托给没有算法个性化的逆时间顺序内容提要。我们提出了两套调查结果。首先，我们研究了来自7个国家的主要政党的当选立法者的推文。我们的研究结果揭示了一个非常一致的趋势：在所研究的7个国家中，有6个国家的主流政治右翼比主流政治左翼享有更高的算法放大率。与这一总体趋势一致，我们研究美国媒体格局的第二组发现显示，算法放大有利于右倾新闻来源。我们进一步研究了算法是否比温和的政治团体更能放大极左和极右的政治团体：与普遍的公众信念相反，我们没有找到支持这一假设的证据。我们希望我们的研究结果将有助于对个性化算法在塑造政治内容消费方面所起作用的循证辩论。
2021-10-21 cs.CY cs.SI
Breaking Political Filter Bubbles via Social Comparison
针对在线社交平台中用户因选择性接触形成政治过滤气泡的问题，本研究通过政治偏见分析与Twitter镜像工具开展社会比较用户研究，证实该方法可有效激励用户阅读对立政党观点，改变阅读行为。
2024-03-11 cs.HC 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
A Bi-level assessment of Twitter in predicting the results of an election: Delhi Assembly Elections 2020
选举是任何民主国家的支柱，选民选举候选人作为他们的代表。社交网站的出现为政党及其候选人提供了一个与选民联系的平台，以传播他们的政治理念。我们的研究旨在使用Twitter来评估2020年德里议会选举的结果，使用双层方法，即，关于政党及其候选人。我们分析了选举结果与不同候选人和政党在Twitter上的活动的相关性，以及选民对他们的反应，特别是选民对一个政党的提及和情绪。候选人的Twitter个人资料在政党一级和候选人一级都进行了比较，以评估其与选举结果的关联。我们注意到，关注者的数量和对候选人推文的回复是预测实际选举结果的良好指标。然而，我们观察到，提及某个政党的推文数量以及推文中显示的选民对该政党的情绪与选举结果并不一致。我们还使用机器学习模型来预测选举结果（赢或输）的各种特征，如语言，词嵌入和道德维度。使用推文特征的随机森林模型为预测推文是否属于获胜或失败的候选人提供了有希望的结果。
2022-04-29 cs.SI
UK General Election 2017: a Twitter Analysis
这项工作是由爱丁堡大学社会与政治科学学院和信息学院神经政治学研究实验室的研究人员完成的。在这份报告中，我们分析了2017年英国大选投票前一个月的社交媒体帖子。我们发现，亲工党的情绪主导了GE 2017的Twitter对话，并且考虑到威斯敏斯特选举的英国范围内的性质，苏格兰民族党（SNP）的存在也不成比例。在Twitter辩论中，实质性问题远不如支持和反对领导人和政党的帖子那么突出，也不那么持久。然而，英国脱欧问题为GE 2017对话提供了一致的背景，并且在上个月很少退出前三名最受欢迎的标签。英国脱欧一直是GE 2017竞选活动的议题，甚至让NHS黯然失色。我们发现，GE 2017 Twitter辩论中的对话受到外部事件和广播媒体自上而下引入的标签的严重影响，这些标签通常与特定节目和媒体化的政治辩论有关。像这样的标签对从Twitter收集的数据的形状有显著的影响，并且可能会扭曲数据收集窗口较短的研究，但通常是短暂的，对Twitter对话的长期影响很小。如果目前的民意调查是可信的，那么杰里米·科尔宾不太可能像第一次选举时预期的那样糟糕。传统媒体对公众舆论的这一变化反应缓慢，而这一趋势在社交媒体上和整个5月都可以看到。
2017-06-07 cs.SI
