Public Perception of Generative AI on Twitter: An Empirical Study Based on Occupation and Usage
本研究基于推特300万条帖子，发现不同职业人群对生成式AI兴趣浓厚且情绪总体积极，情绪与AI接触度正相关，插画师因作品被滥用而情绪消极，ChatGPT发布后兴趣激增，加密货币话题增长最显著，为技术政策制定和人机共生提供实证依据。
2023-05-16 cs.CY cs.SI
Tweet, but Verify: Epistemic Study of Information Verification on Twitter
虽然Twitter提供了一个前所未有的机会来了解突发新闻和时事，但它经常在用户中产生怀疑，因为并非所有信息都是准确的，而且有时还会传播恶作剧。虽然在自然灾害等快节奏事件中，避免恶作剧的传播是一个主要问题，但到目前为止，关于用户如何信任和验证这些情况下推文中的信息的研究很少受到关注。我们调查了用户对发布在Twitter上与飓风桑迪有关的目击者照片的可信度看法。通过检查可信度的看法，建议在认识论领域的信息验证的功能，我们评估其准确性，以确定图片是真的还是假的相比，由专家进行的专业评估。我们的研究揭示了关于推文呈现的见解，以及用户在评估快节奏事件背景下推文的真实性时应该查看的功能。我们的一些主要发现包括，虽然应该强调Twitter提要上不容易获得的作者详细信息，以便于验证推文，但显示多个推文证实一个事实会误导用户相信实际上是一个骗局。我们将推特上发现的一些行为模式与心理学研究中的文献进行了对比。
2013-12-30 cs.CY cs.SI
Should we tweet this? Generative response modeling for predicting reception of public health messaging on Twitter
Rensselaer Polytechnic Institute（伦斯勒理工学院）
人们对公共卫生组织在社交媒体上发布的信息的反应方式可以让人们深入了解公众对关键健康问题的看法，特别是在COVID-19等全球危机期间。对于美国疾病控制和预防中心（CDC）或世界卫生组织（WHO）等高影响力组织来说，了解这些看法如何影响对卫生政策建议的信息的接收可能是有价值的。我们从Twitter上收集了两个关于COVID-19和疫苗的公共卫生消息及其响应的数据集，并介绍了一种预测方法，可用于探索此类消息的潜在接收。具体而言，我们利用生成模型（GPT-2）直接预测未来可能的反应，并演示如何使用它来优化重要健康指导的预期接收。最后，我们引入了一个新的评估方案，广泛的统计测试，使我们能够得出结论，我们的模型捕捉到的语义和情感在实际的公共卫生反应。
2022-05-13 cs.AI cs.CL cs.CY
Who shapes crisis communication on Twitter? An analysis of influential German-language accounts during the COVID-19 pandemic
Twitter正成为在危机情况下（如COVID-19大流行）传播信息的日益重要的平台。Twitter上有效的危机沟通可以塑造公众对危机的看法，影响对预防措施的坚持，从而影响公共卫生。有影响力的账户尤其重要，因为它们能迅速接触到大量受众。这项研究通过构建一个转发网络和计算PageRank中心值，从2020年1月至5月收集的近300万条德语推文中识别出有影响力的德语账户。我们根据疫情期间的关键事件将分析分为七个阶段，并将有影响力的客户划分为不同的角色，以捕捉危机传播的波动性。我们的分析表明，新闻和记者账户在所有阶段都具有影响力，而政府账户在封锁实施前后不久尤为重要。我们讨论了在健康危机中的危机沟通和分析长期危机数据的影响。
2021-09-12 cs.CY cs.SI
Using Twitter Data to Understand Public Perceptions of Approved versus Off-label Use for COVID-19-related Medications
Harvard Medical School（哈佛医学院）；Brigham and Women’s Hospital（布莱根妇女医院）；Zhejiang University School of Medicine（浙江大学医学院）
该研究用 NLP 流程分析 60 余万条美国推文，揭示公众对 COVID-19 超说明书与获批药物的立场差异及其政治、人口统计影响。
2024-01-22 cs.CL cs.CY cs.LG
Analyzing Public Reactions, Perceptions, and Attitudes during the MPox Outbreak: Findings from Topic Modeling of Tweets
Emory University（埃默里大学）
本研究针对2022年MPox疫情期间的60余万条推文开展主题建模，将相关讨论划分为四大主题并明确热度排序，填补了该领域主题建模研究的不足。
2023-12-19 cs.AI cs.CL cs.CY
Tweeting AI: Perceptions of AI-Tweeters (AIT) vs Expert AI-Tweeters (EAIT)
Arizona State University（亚利桑那州立大学）
随着人工智能（AI）的发展，各种组织和个人开始讨论AI的进步是对社会未来的祝福还是诅咒。本文通过利用Twitter上共享的数据，对公众如何感知AI的进展进行了调查。具体而言，本文对两类用户的理解进行了比较分析-一般AI Tweeter（AIT）和在Twitter上分享AI帖子的专家AI Tweeter（EAIT）。我们的分析显示，这两类用户对AI表达了不同的情感和兴趣。这两类用户都认为人工智能是积极的，对人工智能的进展持乐观态度，但专家比一般的人工智能推特用户更消极。对用户的描述表明，“伦敦”是用户在推特上谈论人工智能的热门地点。AIT发布的推文比EAIT发布的推文转发率高，这表明AIT的信息传播更广。
2017-09-28 cs.AI cs.CY cs.SI
Public Perception of the German COVID-19 Contact-Tracing App Corona-Warn-App
在COVID-19疫情持续期间，多个政府引入或推广使用接触追踪应用程序。在德国，相关应用程序名为Corona-Warn-App，截至2020年底，其下载量为2280万次。接触者追踪是遏制新型冠状病毒传播的一种有前途的方法。只有在有大量用户群的情况下才有效，这带来了新的挑战，例如不熟悉使用智能手机或应用程序的应用程序用户。由于Corona-Warn-App是自愿使用的，因此接触到许多用户并获得积极的公众看法对其有效性至关重要。基于应用评论和推文，我们正在分析公众对Corona-Warn-App的看法。我们收集并分析了Android和iOS版本从发布（2020年6月）到2021年2月初的所有78，963条应用评论，以及截至2021年2月包含#CoronaWarnApp的所有原始推文（43，082）。对于评论，最常见的单词和n-gram指向技术问题，但目前尚不清楚，这在多大程度上是由于应用程序本身，使用的曝光通知框架，用户手机上的系统设置，或用户对应用程序内容的误解。对于Twitter数据，总体而言，基于推文内容，频繁的主题标签以及与推文的互动，我们得出结论，德国Twitter领域广泛报道采用该应用程序并推广其使用。
2021-04-21 cs.CY cs.HC
CML-COVID: A Large-Scale COVID-19 Twitter Dataset with Latent Topics, Sentiment and Location Information
作为一个平台，Twitter一直是讨论COVID-19疫情的重要公共空间。Twitter等公共社交媒体平台是参与大流行病的重要网站，这些数据可供研究团队用于社会、健康和其他研究。了解公众对COVID-19的看法以及信息如何在社交媒体上传播对政府和研究机构非常重要。Twitter是一个无处不在的公共平台，因此在了解公众对COVID-19的看法、行为和态度方面具有巨大的效用。在这项研究中，我们展示了CML-COVID，这是一个COVID-19 Twitter数据集，包含来自5，977，653个独立个体的19，298，967百万条推文，并总结了这些数据的一些属性。这些推文是在2020年3月至2020年7月期间使用与COVID-19相关的冠状病毒、COVID和口罩等查询词收集的。我们使用主题建模、情感分析和描述性统计来描述我们收集的与COVID-19相关的推文以及推文的地理位置（如有）。我们提供有关如何访问我们的tweet数据集的信息（使用twarc存档）。
2021-01-28 cs.CY cs.HC cs.SI
Taureau: A Stock Market Movement Inference Framework Based on Twitter Sentiment Analysis
本文提出Taureau框架，利用Twitter情感分析预测股市走势，通过提取历史推文生成词嵌入并量化情感，建立滞后情感分数与月度股价走势的关联模型。
2023-03-30 cs.CY cs.SI q-fin.CP
A Longitudinal Analysis of the Public Perception of the Opportunities and Challenges of the Internet of Things
物联网（或IoT）使日常物品的网络互连成为可能，在我们生活的许多方面越来越受欢迎，从娱乐到医疗保健。虽然物联网带来了一系列宝贵的优势和机遇，但也有证据表明，许多挑战尚未解决。在确保物联网的网络安全方面肯定是这样的，并且有各种设备被黑客攻击的例子。尽管有这些证据，但公众对物联网带来的机遇和挑战的看法却知之甚少。为了推进这一方向的研究，我们挖掘了社交媒体平台Twitter，以了解公众对物联网的看法。通过分析超过670万条推文的纵向数据集，我们揭示了公众对物联网的看法，将大数据分析确定为最积极的方面，而安全问题是公众关注的主要负面问题。我们的研究旨在强调保持物联网设备安全的重要性，并提醒制造商，这是一个尚未解决的问题，至少在公众认为的范围内。
2018-12-03 cs.CY cs.SI
Leveraging Content Producer Networks and User Perception to Detect Online Discursive Communities
National Research Council of Italy, Institute for Applied Mathematics（意大利国家研究委员会应用数学研究所）；LUISS “Guido Carli” University（卢伊斯·圭多·卡尔利大学）；National Research Council of Italy, Institute of Complex Systems（意大利国家研究委员会复杂系统研究所）；Ca’ Foscari University of Venice（威尼斯卡福斯卡里大学）；London Institute for Mathematical Sciences（伦敦数学科学研究所）；“Enrico Fermi” Research Center（恩里科·费米研究中心）；IMT School for Advanced Studies Lucca（卢卡高等研究学院）
本文提出利用内容生产者网络和用户感知检测在线社交网络中的讨论社区，通过识别和聚类核心用户并扩展标签，结合信息熵过滤提升聚类效果，验证结果表明能更准确地识别政治结构。
2026-02-13 cs.CY cs.SI
Exploring Public Perceptions of Generative AI in Libraries: A Social Media Analysis of X Discussions
本研究通过分析X平台帖子，采用混合方法揭示公众对图书馆中生成式AI的认知以负面情绪为主，并识别出关键参与者和跨领域互动结构。
2025-07-09 cs.CY cs.HC cs.SI
Statistical Analysis of Risk Assessment Factors and Metrics to Evaluate Radicalisation in Twitter
Universidad Autónoma de Madrid（马德里自治大学）
本文针对社交网络中的激进化问题，在三个数据集上评估了一组激进化风险指标及度量方法，发现基于关键词的指标表现良好，而基于书写习惯的指标效果不佳。
2025-01-28 cs.CY cs.LG cs.SI
AirCalypse: Can Twitter Help in Urban Air Quality Measurement and Who are the Influential Users?
本研究利用推特作为传感器，通过定制TRank算法识别德里空气污染事件中的有影响力用户，并分析其帖子感知与实际污染水平的关系，以辅助众感知空气质量测量框架的开发。
2025-01-25 cs.CY cs.SI physics.soc-ph
Migration and Refugee Crisis: a Critical Analysis of Online Public Perception
移民率和对移民的怨恨程度是现代文明中的一个重要问题。臭名昭著的欧盟难民危机让许多国家措手不及，导致零星和基本的遏制措施，这反过来又导致了重大的公共讨论。通过传统调查方法收集的数十年离线数据已被用于了解民意，以促进和平共处。通过社交媒体捕捉和了解在线舆论，对于制定一项涵盖安全、移民权利和促进经济繁荣的友好融合的联合战略监管至关重要。我们分析了一个非常受欢迎的社交平台Twitter的用户对移民和难民的看法。我们分析了情绪和相关的表达背景，在大量的与欧盟难民危机有关的推文中。我们的研究显示，相对于移民，负面情绪的比例略高，而大部分负面情绪更多地反映在普通用户中。拥有许多追随者和非政府组织（NGO）的用户倾向于在Twitter上积极谈论这个话题，抵消了负面情绪的分布。我们认为，可鼓励他们更积极主动地消除对类似事件可能产生的负面态度。
2020-07-20 cs.CY cs.SI
Call Me MayBe: Understanding Nature and Risks of Sharing Mobile Numbers on Online Social Networks
人们对OSN上个人信息泄露的可能性非常关注，但很少有定量研究。本研究探讨了通过公开配置文件和帖子在OSN上共享手机号码的活动。我们试图了解OSN上手机号码共享行为的特点和风险，并专注于印度手机号码。我们收集了85905名用户在Twitter和Facebook上发布的76,347个独特的手机号码，并分析了2997个前缀为+91的号码。我们观察到，大多数用户共享自己的手机号码是为了传播紧急信息;推销产品和护送业务。在OSN上分享手机号码的女性用户更少。用户利用其他OSN平台和第三方应用程序（如Twitterfeed）在多个OSN上发布手机号码。与用户对数字在OSN上快速传播的看法相反，我们观察到，除了紧急情况外，大多数数字并没有深入传播。为了评估与OSN上暴露的手机号码相关的风险，我们使用号码通过整理来自OSN、Truecaller、OCEAN的公开数据来获取有关其所有者的敏感信息（例如姓名、选民ID）。在WhatApp上使用这些号码时，我们获得了号码所有者的大量敏感信息（关系状态，BBM引脚）。我们通过电话向业主传达了观察到的风险。很少有用户对他们的号码在网上的存在感到惊讶，而其他一些人则出于商业目的故意在网上发布。我们观察到，38.3%的用户不知道他们的号码在网上的存在，他们自己在社交网络上发布了他们的号码。根据这些观察结果，我们强调有必要监控通过个人资料和公开帖子泄漏的移动电话号…
2013-12-12 cs.CY cs.SI
To Vaccinate or not to Vaccinate? Analyzing $\mathbb{X}$ Power over the Pandemic
Tampere University（坦佩雷大学）；RISE Research Institutes of Sweden（瑞典RISE研究院）
本研究通过自然语言处理和情感分析评估公众对COVID-19疫苗的看法，发现总体反应积极但存在国家层面的负面情绪，并验证S-SVDD分类器在推文情感分类中表现最佳。
2025-03-04 cs.CY cs.LG cs.SI
Cross-Platform Social Dynamics: An Analysis of ChatGPT and COVID-19 Vaccine Conversations
本研究分析超过1200万条跨平台数据，采用主题建模和情感分析，比较ChatGPT发布与COVID-19疫苗讨论的传播动态，发现疫苗话题因即时性传播更快，而ChatGPT话题传播较缓。
2023-10-17 cs.CY physics.soc-ph
