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
Auditing the Impact of Cross-Site Web Tracking on YouTube Political and Misinformation Recommendations
New York University Abu Dhabi（纽约大学阿布扎比分校）
研究通过sock-puppet实验框架审查跨站点跟踪如何影响YouTube政治和虚假信息推荐，并评估隐私浏览器对跟踪驱动信息茧房的防护作用。
2026-03-26 cs.CY cs.SI
Examining (Political) Content Consumption on Facebook Through Data Donation
本研究采用数据捐赠模式结合CrowdTangle工具，收集分析1200多名美国用户的Facebook互动数据，发现政治内容消费占比约17%且存在人口统计学差异，同时提供了隐私保护的研究框架与相关数据集。
2024-07-02 cs.SI
Parsimonious Data: How a single Facebook like predicts voting behaviour in multiparty systems
最近，两篇有影响力的PNAS论文显示了我们对“Hello Kitty”和“Harley Davidson”的偏好，通过Facebook喜欢，可以准确预测我们的个性，宗教信仰，政治态度和性取向的细节（Konsinski et al. 2013; Youyou et al 2015）。在本文中，我们声称，虽然各种各样的Facebook喜欢可能预测这样的个人特质，甚至更准确和更普遍的结果可以通过应用特定于上下文的，简约的数据策略。我们通过预测当今选民的意图来建立这一主张，仅仅基于政治行为者对帖子的喜欢。结合线上和线下，我们加入了一个子样本的受访者，他们的公共Facebook活动，并应用机器学习分类器，以探索他们的政治喜好行为和实际投票意向之间的联系。通过这项工作，我们展示了即使是一个精心挑选的Facebook喜欢，也可以像数百个随机喜欢一样揭示我们的政治选民意图。此外，通过包括受访者的整个政治历史，我们的模型的预测准确率高于以前的多方研究（60-70%）。最后，我们讨论了如何应用一个简约的数据策略，有一些限制，让我们把我们的研究结果推广到140万丹麦人，至少有一个政治喜欢，甚至其他政治多党制。
2017-04-07 cs.SI
Clandestino or Rifugiato? Anti-immigration Facebook Ad Targeting in Italy
监测围绕有争议问题的广告宣传是确保政治进程问责制和透明度的重要步骤。为此，我们使用Facebook广告库收集了意大利一年内2312个与移民相关的广告活动。我们的亲移民和反移民分类器（F1=0.85）揭示了意大利主要政党之间的党派分歧，反移民广告占近1500万的印象。虽然占所有移民相关广告的47.6%，但反移民广告获得了65.2%的印象。我们估计，在所有捕获的广告活动中，约有三分之二使用了某种按位置、性别或年龄划分的人口统计目标。我们发现年龄和性别的差异很大：例如，来自主要政党的反移民广告被男性用户看到的可能性比女性高17%。与支持移民的政党不同，我们发现反移民的政党与他们自己的选民有相似的人口统计。然而，他们的受众会随着话题的变化而变化：当广告谈到移民时，男性用户看到反移民政党广告的可能性比没有移民的广告高24%。此外，这类广告的收视率倾向于跟随移民问题主流新闻的数量，这支持了政治广告商试图“驾驭”当前新闻的理论。最后，我们总结了政治传播的政策含义：由于Facebook广告库不允许区分广告商的意图和算法定位，我们认为平台应该分享更多关于社会政治活动的定位配置的细节。
2021-03-16 cs.CY 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
Automatically Identifying Political Ads on Facebook: Towards Understanding of Manipulation via User Targeting
俄罗斯干预2016年美国大选的报道引起了公众的关注，人们担心外国行为者有能力增加社会不和谐，并利用个人用户数据达到政治目的。它提出了一些问题，即数据可用于创建心理特征的方式和程度，以确定什么样的广告最能有效地说服特定地点的特定人参加某种政治活动。在这项工作中，我们研究了美国非营利新闻编辑室ProPublica在2018年美国中期选举前使用志愿者网络收集的政治广告数据集。我们首先描述数据的主要特征，并通过一系列交互式插图探索用户属性，包括年龄，地区，活动等。此外，通过用户定位来了解政治操纵的重要第一步是识别与政治相关的广告，但由于社交媒体广告的规模，手动检查广告是不可行的。因此，我们解决了政治和非政治广告之间的自动分类的挑战，展示了显着的改进相比，ProPublica使用的当前基于文本的分类器，并研究用户定位属性是否有利于这项任务。我们的评估揭示了一些问题，例如用户属性如何用于政治广告定位，以及哪些用户更容易成为政治广告的目标。总的来说，我们对数据探索、政治广告分类和目标属性的初步分析的贡献，旨在支持ProPublica数据集的未来工作，特别是关于通过用户目标来理解政治操纵。
2020-04-21 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
Social media algorithms can curb misinformation, but do they?
本文指出Guess等人的研究未考虑2020年美国大选后Facebook的临时算法调整，这些调整减少了控制组虚假信息量，可能导致读者误判算法对政治虚假信息的实际影响。
2024-09-27 cs.CY cs.SI
Demographic Confounding Causes Extreme Instances of Lifestyle Politics on Facebook
Spotify；Cornell University（康奈尔大学）
当与意识形态没有实质性关系的活动在政治上结盟和两极分化时，生活方式政治就出现了。同质性和社会影响能够自己产生这些断层线;然而，来自人口统计的社会身份可能作为协调机制，通过这种机制，生活方式政治被动员起来并传播开来。使用来自不同种族/民族，教育，年龄，性别和收入人口统计数据的用户的299，327个Facebook兴趣的137，661，886个观察数据集，我们发现生活方式政治的最极端实例是那些高度混淆的人口统计数据，如种族/民族（例如，黑人艺术家和表演者）。在调整人口影响的政治结盟后，生活方式政治向政治“中心”下降了27.36%，人口混淆的利益不再是最两极分化的利益。相反，在人口统计学解构之后，我们发现最自由的利益包括电动汽车，计划生育和自由派讽刺，而最保守的利益包括共和党和保守派评论员。我们使用综合社会调查验证了我们对政治联盟和生活方式政治的衡量，并发现在Facebook等社交媒体无处不在之前，生活方式政治存在类似的人口纠缠，这让我们有信心我们的结果不是由于回音室或过滤气泡。同样，由于人口特征存在于意识形态价值观之前，我们认为，我们观察到的人口混淆是我们在聚集的利益中发现的极端生活方式政治的因果关系。最后，我们将我们的研究结果与辛普森悖论，文化杂食性和网络自相关。
2022-01-17 cs.AI cs.CL cs.IR
Inferring Human Traits From Facebook Statuses
本文探讨了使用语言模型来预测用户Facebook状态更新中的20种人类特征。这些数据是由myPersonality项目收集的，包括用户状态以及他们的个性，性别，政治认同，宗教，种族，生活满意度，智商，自我披露，公正性和对占星术的信仰。单一的可解释模型满足了预测性别和性格等经过充分研究的任务的最新结果;并为智商、轰动性兴趣、政治认同和生活满意度等其他特征设定了标准。此外，还为每个特质发布了高权重的单词。这些列表对于创建关于人类行为的假设以及理解模型提取的信息很有价值。使用性能和提取的特征，我们分析基于社交媒体构建的模型。我们探索的现实世界问题包括性别分类偏见和剑桥分析公司对心理模型的使用。
2018-07-25 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
On Microtargeting Socially Divisive Ads: A Case Study of Russia-Linked Ad Campaigns on Facebook
定向广告是为了提高广告客户与其客户的匹配效率。然而，有针对性的广告也可能被恶意广告商滥用，以有效地接触到容易受到虚假故事影响的人，引发不满并煽动社会冲突。由于定向广告不会被非定向和非脆弱人群看到，因此恶意广告可能不会被报告，其影响也不会被发现。这项工作研究了恶意广告的具体案例，探讨了俄罗斯情报研究局（IRA）在2016年美国大选之前运行的政治广告在多大程度上利用Facebook的定向广告基础设施来有效地针对分裂或两极分化的主题（例如，移民、基于种族的治安）。具体而言，我们做了以下工作：（a）我们进行美国人口普查代表性调查，以描述具有不同政治意识形态的用户如何报告，批准和感知IRA广告内容的真实性。我们的调查显示，许多广告都是“分裂性的”：它们从属于不同社会显著群体的人那里引发了非常不同的反应。(b)我们描述了这些分裂性广告是如何针对那些对现状感到特别不满的亚人群的。我们的研究结果支持现有的呼吁，即提高内容的透明度和政治广告的针对性。(c)我们特别关注Facebook广告API如何促进这种定位。我们展示了Facebook如何收集大量关于用户的个人数据并提供给广告商，从而实现这种恶意定位。
2018-11-21 cs.SI
The Thin Ideology of Populist Advertising on Facebook during the 2019 EU Elections
社交媒体一直是扩大民粹主义信息的重要工具，人们认为它在过去十年中为民粹主义政党的选举成功做出了贡献。这项研究比较了民粹主义政党在2019年欧洲议会选举期间如何在Facebook上做广告。特别是，我们研究的共同点和差异，他们达到的受众和他们关注的问题。通过使用来自Meta（以前的Facebook）广告库的数据，我们分析了德国、英国、意大利、西班牙和波兰39个政党的4.5万个广告活动，包括民粹主义和主流。虽然民粹主义政党仅占政治广告总支出的20%多一点，但它们占了$\unicode{x2013}$总印象的40%，其中大部分来自欧洲怀疑论者和极右翼政党$\unicode{x2013}$，从而暗示了民粹主义政党在Facebook上的竞争优势。我们进一步发现，民粹主义政党发布的广告更有可能触及男性受众，有时甚至是年龄更大的受众。就议题而言，民粹主义政治家关注货币政策、国家官僚机构和改革以及安全，而对欧盟和英国退欧的关注与非民粹主义的主流政党不相上下。然而，问题偏好在很大程度上是针对具体国家的，因此支持了政治学中的观点，即民粹主义是一种“单薄的意识形态”，没有一个普遍、连贯的政策议程。这项研究说明了公开可用的广告数据在监测民粹主义者与数百万潜在选民的接触和参与方面的有用性，同时概述了目前可用数据的局限性。
2023-02-08 cs.CY cs.SI
Search engines in polarized media environment: Auditing political information curation on Google and Bing prior to 2024 US elections
该研究审计2024年美国大选前 Google 与 Bing 的政治信息策展，发现二者均偏向优先呈现左倾来源，且附加界面元素比自然搜索结果更易受时间和州别影响。
2025-01-08 cs.CY cs.IR cs.SI
Auditing Differential Visibility of Political Content on TikTok
New York University Abu Dhabi（阿布扎比纽约大学）
研究TikTok政治内容差异可见性，通过对多账户多视频的密集面板数据测试，发现传统分析的传播差距是伪重复和混淆所致，实际无传播抑制，还明确了可信可见性审核要求。
2026-07-21 cs.CY cs.SI
Human Values and Attitudes towards Vaccination in Social Media
心理、政治、文化甚至社会因素都与疫苗接种的推理和决策过程纠缠在一起，使疫苗犹豫成为一个复杂的问题。在这里，通过Facebook托管的应用程序管理一系列调查，我们研究了“喜欢”支持性或疫苗弹性Facebook页面的人的世界观。特别是，我们评估了在政治观点，道德价值观，人格特质和一般利益的差异，发现那些怀疑疫苗接种，似乎不太信任政府，不太令人愉快，而他们更强调反独裁的价值观。探索Facebook页面语言描述中所表达的道德叙事的差异，我们看到捍卫疫苗的页面优先考虑家庭的价值，而疫苗犹豫页面则关注自由的价值。最后，根据Facebook页面上与健康相关的喜好创建嵌入，我们探索了对疫苗犹豫不决的人的共同潜在兴趣，表现出对自然疗法的强烈偏好。这一探索性分析旨在探索社交媒体平台作为感知工具的潜力，为研究人员和政策制定者提供从数字痕迹中得出的见解，这些见解可以帮助设计建立信心的传播活动，这些活动基于也符合人们社会道德标准的价值观。
2019-05-23 cs.CY cs.SI
Generic Multilayer Network Data Analysis with the Fusion of Content and Structure
Umeå University（于默奥大学）；University of Texas at Arlington（德克萨斯大学阿灵顿分校）
多特征数据分析（例如，在Facebook上，LinkedIn）是具有挑战性的，特别是如果一个人想要有效地做，并通过选择感兴趣的特征进行分析来保持灵活性。特征（例如，年龄、性别、关系、政治观点等）可以从数据集明确给出，但也可以从内容导出（例如，基于Facebook帖子的政治观点）。需要从多个角度进行分析，以理解数据集（或其子集）并推断有意义的知识。例如，年龄、地点和婚姻状况对政治观点的影响可能需要单独（或组合）推断。在本文中，我们适应多层网络（MLN）分析，一种非传统的方法，Facebook数据集建模，整合内容分析，并进行分析，这是由一个列表所需的应用程序为基础的查询。我们的实验分析表明，所提出的方法的灵活性和效率时，建模和分析数据集的多个功能。
2019-05-21 cs.CL 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
Analyzing Political Discourse on Discord during the 2024 U.S. Presidential Election
本研究通过分析Discord上超3000万条消息，首次揭示2024年美国大选期间不同政治倾向服务器的议题差异、语义偏见及毒性语言变化，凸显Discord在在线政治参与中的新兴作用。
2025-02-05 cs.SI
Biases in the Facebook News Feed: a Case Study on the Italian Elections
Facebook News Feed个性化算法每天都对数百万互联网用户的生活方式，情绪和意见产生重大影响。尽管如此，这些算法的行为通常缺乏透明度，缺乏激励测量，建模和分析，以了解和改进其属性。在本文中，我们提出了一种可重复的方法，包括测量和分析模型，以捕捉新闻提要的发布商的可见性。首先，测量被用来参数化和验证所提出的模型的表达能力。然后，我们进行假设分析，以评估用户对模型得出的基线所产生的可见性偏差。我们的研究结果表明，一个显着的偏见存在，它是更突出的新闻提要的顶部位置。此外，我们发现，即使对于那些故意将其政治观点设置为中立的用户，这种偏见也是不可忽视的。
2018-07-27 cs.SI
Mapping the Global Election Landscape on Social Media in 2024
本文分析2024年欧洲、墨西哥和印度政党及新闻机构的Facebook帖子，运用主成分分析识别选举话题与公众互动模式，揭示媒体内容、意识形态和受众参与之间的关联。
2024-06-12 cs.SI physics.soc-ph
ITA-ELECTION-2022: A multi-platform dataset of social media conversations around the 2022 Italian general election
本研究推出首个聚焦2022年意大利大选的公开意大利语多平台社交媒体对话数据集，涵盖多平台内容及补充数据，助力研究社交媒体在民主进程中的作用。
2023-06-12 cs.SI
Polarization and echo chambers in Reddit's political discourse
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
The Junk News Aggregator: Examining junk news posted on Facebook, starting with the 2018 US Midterm Elections
近年来，在社交媒体上传播的网上错误信息和垃圾新闻现象已成为影响全球公众网上生活的一个重要和普遍的问题，特别是在选举等重要政治事件期间。与此同时，有人呼吁提高社交媒体平台上错误信息的透明度，因为许多最受欢迎的社交媒体平台都是“围墙花园”，研究人员和公众不可能随时检查平台上错误信息活动的规模和性质。为了帮助解决这个问题，我们提出了垃圾新闻聚合器，一个公开的互动网络工具，它允许任何人检查，在近实时，所有的公共内容张贴到Facebook的重要垃圾新闻来源在美国。它允许公众访问和检查Facebook上发布的最新文章（美国最受欢迎的社交媒体平台，其中内容不容易从开放网络大规模访问），以及按时间，新闻出版商和感兴趣的关键字组织它们，并根据Facebook上提供的所有八个参与指标对其进行排序。因此，聚合器允许公众近实时地了解垃圾新闻发布商发布的内容的数量、内容、关键主题以及参与的类型和数量，从而在这些活动展开时，在最受欢迎的垃圾新闻发布商中大规模地开放并提供这些活动的透明度。通过这种方式，聚合器可以帮助提高社交媒体上垃圾新闻的性质，数量和参与度的透明度，并作为公众的媒体素养工具。
2019-04-17 cs.SI
When Transparency Falls Short: Auditing Platform Moderation During a High-Stakes Election
University of Pisa（比萨大学）；IIT-CNR（意大利国家研究委员会信息与通信技术研究所）；University of Duisburg-Essen（杜伊斯堡-埃森大学）
研究分析了欧洲八家最大社交媒体平台在2024年欧洲议会选举期间的15.8亿条自我报告的 moderation 行为，发现其 moderation 策略未显著变化，质疑平台是否做出实质性调整或数据库结构是否掩盖了这些调整，指出当前自我监管方法的局限性。
2026-08-17 cs.CY cs.HC cs.SI
A Multi-Platform Collection of Social Media Posts about the 2022 U.S. Midterm Elections
本文介绍了一个涵盖Twitter、Facebook、Instagram、Reddit和4chan的多平台社交媒体数据集MEIU22，用于研究2022年美国中期选举，并公开了数据收集管道的源代码。
2023-03-27 cs.SI
