Public versus Less-Public News Engagement on Facebook: Patterns Across Bias and Reliability
本文首次全面比较了Facebook公开与较少公开领域的新闻互动模式，发现仅31%互动发生在公开领域且不同新闻类别存在显著差异，强调了综合考察两者对内容审核与平台治理的重要性。
2025-06-02 cs.CY cs.HC cs.SI
Pandemic News: Facebook Pages of Mainstream News Media and the Coronavirus Crisis -- A Computational Content Analysis
COVID-19疫情的发展对全球新闻媒体而言是前所未有的挑战。虽然新闻报道的目的是通过设计来处理未知的事件，但动态变化的局势以如此深刻的方式影响了生活的各个方面，甚至连危机报道的常规都似乎不够。批评人士指出，新闻报道倾向于赛马报道和不加批判的报道，新闻报道过于接近官方声明，过于肯定政治决定。然而，迄今为止，缺乏关于新闻媒体在危机期间表现的经验数据。目前的研究分析了新闻媒体在冠状病毒危机早期的Facebook消息，基于2020年1月至3月的大型德国数据集。使用计算内容分析方法，达到和互动，主题结构，相关演员，负面的消息，以及捏造的新闻和阴谋论的报道进行了检查。在危机的不同阶段，Facebook近期报道的主题结构发生了变化，只有部分支持批评者的主张。最初阶段的专题范围有些不足，但后来的阶段提供了广泛的覆盖面，对冠状病毒有关的问题和社会问题。此外，新闻媒体在危机期间报道了假新闻和阴谋论，但他们始终将其置于真实的背景中，并揭穿了在公众中传播的虚假说法。虽然对危机期间新闻业表现的一些批评得到了一些实证支持，但分析没有发现系统功能失调的压倒性迹象。总的来说，新闻媒体并没有采取统一的反应，也没有报道杂乱无章、缺乏信息的大流行病新闻，但它们对危机进行了多角度的报道。
2020-05-28 cs.SI
Pandemic Populism: Facebook Pages of Alternative News Media and the Corona Crisis -- A Computational Content Analysis
COVID-19疫情不仅带来严重的政治、经济及社会影响，亦以前所未有的方式影响媒体及传播系统。当传统新闻媒体试图适应迅速变化的形势时，互联网上的另类新闻媒体则赋予这些事件自己的意识形态色彩。这些声音被批评为加剧社会混乱，并通过社交媒体和其他在线渠道传播潜在危险的“假新闻”或阴谋论。目前的研究分析了这种担忧的事实基础，基于2020年1月至3月下半月的大型德国数据集，对Corona危机早期另类新闻媒体在Facebook上的输出进行了初步计算内容分析。使用计算内容分析，方法，范围，互动，演员和消息的主题进行了检查，以及使用捏造的新闻和阴谋论。分析表明，替代新闻媒体保持真实的信息模式和意识形态基础在以前的研究中确定。虽然他们不传播明显的谎言，但他们主要分享过于批评，甚至反系统的信息，反对主流新闻媒体和政治机构的观点。随着这种流行的民粹主义，他们促成了一种矛盾的，威胁性的，不信任的世界观，正如本分析所详细描述的那样。
2020-04-09 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
Polarization Rank: A Study on European News Consumption on Facebook
万维网的出现改变了我们生产和获取信息的方式。最近的研究表明，用户倾向于选择与他们的信仰体系相一致的信息，围绕着共同的叙述形成了由志同道合的人组成的两极分化的群体，而不同的信息则被忽略了。在这种环境下，用户合作构建和加强他们的共享叙事，使任何揭穿效率低下的尝试。这种配置甚至发生在在线新闻消费中，考虑到63%的用户直接从社交媒体获取新闻，一种假设是，更多的两极分化允许进一步传播错误信息。沿着这条道路，我们关注不同欧洲国家（意大利，法国，西班牙和德国）Facebook新闻媒体用户的两极分化。首先，我们比较了不同国家的页面发布行为和用户交互模式，并观察不同的发布，喜欢和评论率。其次，我们探索用户与不同页面交互的趋势（即，选择性曝光）以及围绕特定页面产生的两极分化社区的出现。然后，我们引入一个新的度量--即，极化等级--衡量每个国家社区的极化程度。我们发现，意大利是最两极分化的国家，其次是法国，德国和西班牙。最后，我们提出了一个变化的有界置信度模型来模拟这些社区的出现，考虑用户的参与和信任的新闻。我们的研究结果表明，在信息传播的信任起着关键作用，对两极分化的用户在线。
2018-05-21 cs.SI
Selective Exposure shapes the Facebook News Diet
社会脑假说将我们能够维持的社会关系数量固定为150。类似的认知限制出现在我们日常生活的几个方面，从我们的移动性到我们的沟通方式，甚至可能影响我们在线消费信息的方式。事实上，尽管我们可以在网上获得前所未有的信息量，但我们的注意力范围仍然有限。此外，最近的研究表明，用户倾向于忽视不同的信息，但与信息坚持自己的观点。在本文中，我们通过分析1400万用户在6年的时间跨度内与Facebook上的583个新闻媒体（页面）进行交互，定量分析了用户在社交媒体上的新闻消费中的注意力经济。特别是，我们探索用户如何在新闻页面和主题中分布他们的活动。我们发现，独立于他们的活动，用户表现出的倾向，遵循数量非常有限的网页。另一方面，用户倾向于与他们喜欢的页面所呈现的几乎所有主题进行交互。最后，我们介绍了一个分类会计用户行为之间的选择性曝光和兴趣的模式进行区分。我们的研究结果表明，回声室中的用户隔离可能是用户在社交媒体上活动的一个新兴效应，而选择性曝光-即用户消费与其偏好一致的信息兴趣的倾向-可能是其消费模式的主要驱动力。
2019-03-02 cs.SI physics.soc-ph
Ideological discrepancy between Facebook pages and shared news is associated with reaction homogeneity
Universidade Tecnológica Federal do Paraná（巴西联邦技术大学）；Universidade Federal de Minas Gerais（米纳斯吉拉斯联邦大学）；University of Toronto（多伦多大学）
研究探讨了出版者与新闻内容之间意识形态差异如何影响Facebook上受众的参与度和共识，发现意识形态差异与共识呈非线性关系，毒性在极端不匹配时增加。
2026-10-16 cs.HC cs.SI
Inspecting Interactions: Online News Media Synergies in Social Media
社交媒体的日益普及从根本上改变了新闻内容的传播方式，包括新层面的互动尝试。到目前为止，传统的新闻媒体，如报纸，电视和广播已经适应了他们的活动，通过利用社交媒体，博客，网站等在线新闻媒体。本文提供了一些洞察到全球流行的新闻媒体的社交媒体存在。尽管事实上，这些大型新闻媒体通过社会媒体环境传播内容在很大程度上，很少有人知道的新闻项目的生产者，供应商和消费者在社会媒体的新闻媒体社区，为了更好地了解这些互动，这项工作的目的是分析新闻项目在两个大型社会媒体，Twitter和Facebook。为此，我们收集了48家新闻媒体在Twitter和Facebook上发布的所有帖子，使用152 K tweets和80 K Facebook帖子的数据集进行描述性和预测性分析。我们探索了一组在社交媒体中自己创建内容的新闻媒体，那些将新闻发布到其他新闻媒体的媒体，以及那些从其他新闻媒体消费新闻内容和/或共享副本的媒体。我们提出了一个预测模型，以增加新闻媒体的普及读者的基础上的帖子数量，追随者数量和互动的数量在新闻媒体社区内进行。研究结果表明，新闻媒体应分散自身的内容，首先在社交媒体上发布，以成为受欢迎的新闻媒体，并获得更多的新闻读者对其新闻项目的吸引力。
2018-09-16 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
Schadenfreude in the Digital Public Sphere: A Cross-National, Decade-Long Analysis of Facebook News Engagement
Yıldız Technical University（伊斯坦布尔技术大学）；Lahore University of Management Sciences（拉合尔管理科学大学）；Computer Science, Science Division, New York University Abu Dhabi（阿布扎比纽约大学科学系计算机科学）
研究通过分析Facebook上九家新闻机构十年的数据，揭示幸灾乐祸在不同国家、意识形态和文化中的表现及动态变化。
2026-10-22 cs.CY cs.SI
The Anatomy of Brexit Debate on Facebook
如今，用户通过社交媒体获得信息并形成他们的观点。然而，对内容的非中介化访问并不能保证信息的质量。事实上，选择性曝光和确认偏差已经被证明在内容消费和信息传播中起着关键作用。用户倾向于选择符合（和加强）他们的世界观的信息，而忽略不同意的信息。这种模式说明了两极化群体的形成--即，回音室--在这里，与志同道合的人的互动甚至可能加强两极分化。在这项工作中，我们解决了英国脱欧在Facebook上的新闻消费。特别是，我们对2016年1月至7月期间与主要新闻提供商的Brexit相关帖子互动的100多万用户进行了大量分析。我们发现，消费模式引发了两个不同社区的新闻媒体的出现。此外，为了更好地描述内部群体动态，我们引入了一种新的技术，结合自动主题提取和情感分析。我们比较了相同的主题如何在帖子上呈现以及评论上的相关情绪反应，发现两个回声室存在显着差异，并且极化影响了主题的感知。我们的研究结果提供了重要的见解的决定因素的极化和演变的核心叙事在线辩论。
2016-10-21 cs.SI
Junk News & Information Sharing During the 2019 UK General Election
今天，估计有75%的英国公众在网上获取有关政治和公共生活的信息，40%的人通过社交媒体获取。考虑到这一背景，我们调查了2019年英国大选前社交媒体上的信息共享模式，并提出以下问题：（1）社交媒体用户在投票前在Twitter上分享了什么类型的政治新闻和信息？(2)其中有多少是极端主义、耸人听闻或阴谋论的垃圾新闻？(3)这些网站在Facebook上的公众参与度如何？（4）垃圾新闻媒体最常见的叙述和主题是什么？
2020-02-27 cs.SI
Fake News Detection Tools and Methods -- A Review
Central University of Jammu（查谟中央大学）
在过去的十年中，Facebook、Twitter、Instagram和微博等社交网络平台和微博网站已经成为我们日常活动中不可或缺的一部分，并被全球数十亿用户广泛使用，以消息、图片和视频的形式分享他们的观点和传播信息。这些甚至被政府机构用来通过其经过验证的Facebook帐户和官方Twitter处理来传播重要信息，因为它们可以在有限的时间窗口内接触到大量人口。然而，许多欺骗性的活动，如宣传和谣言，每天都会误导用户。在这些COVID时代，假新闻和谣言非常普遍，并且在这个艰难时期制造了混乱。因此，在目前的情况下，对假新闻检测的需求是不可避免的。在本文中，我们调查了最近的文献不同的方法来检测假新闻在互联网上。特别是，我们首先讨论了假新闻以及文献中考虑的与之相关的各种术语。其次，我们强调了各种公开可用的数据集和各种在线工具，这些工具可以实时揭穿假新闻。第三，我们描述了基于两个更广泛领域的假新闻检测方法，即，它的内容和社会背景。最后，我们提供了用于揭穿假新闻的各种技术的比较。
2021-11-21 cs.CL cs.CY cs.SI
Understanding how people consume low quality and extreme news using web traffic data
为了减少假新闻的传播，研究人员需要了解谁访问了假的新网站，是什么让人们访问这些网站，访问者来自哪里，以及他们喜欢消费什么内容。在本文中，我们分析了网关专家（TGP）的网络流量数据，TGP是一个流行的极右翼网站，以反复分享虚假信息而闻名，这些信息使其网络流量可供公众使用。我们收集了一个月内6800万次网站访问量的数据，并分析了人们如何通过多种功能消费新闻。我们的流量分析显示，搜索引擎和社交媒体平台是流量的主要驱动力;我们的地理位置分析显示，TGP在2020年投票支持特朗普的县更受欢迎;我们的主题分析显示，阴谋论文章的访问量高于事实文章。由于无法观察直接的网站流量，现有的研究使用替代数据源，如来自社交媒体帖子的参与信号。为了验证社交媒体参与度信号是否与实际网络访问量相关，我们收集了同一时间段内所有带有TGP URL的Facebook和Twitter帖子。我们发现，所有的参与信号与网络访问计数呈正相关，但不同的相关强度。基于Facebook帖子的统计数据比基于Twitter的指标更相关。我们独特的网络流量数据集和见解可以帮助研究人员更好地衡量极右翼和假新闻URL对社交媒体平台的影响。
2022-01-11 cs.SI
Exploring the Public Reaction to COVID-19 News on Social Media in Portugal
COVID-19疫情的爆发和扩散，以及随后的社交距离措施，对全球几乎所有公共和私人生活领域带来了巨大挑战。“呆在家里”运动促使新闻受众进入社交网络，而社交网络又成为接收和分享最新新闻以及公开表达对这一流行病的意见、关切和感受的最多产的领域。舆论是分析信息和事件如何影响人们生活的一个关键方面，研究表明，社交媒体数据可能有助于了解人们如何应对健康风险和社会危机，这是他们倾向于分享的感受，以及他们如何适应威胁几乎所有社会领域的不可预见的情况。本文件载列葡萄牙主要每日新闻媒体Sic Noticias于2020年1月至12月在Facebook上发布的61 532条新闻标题的社交媒体分析结果，重点关注问题关注周期及受众对COVID新闻爆发的情绪反应。这项工作增加了新兴的研究机构，研究公众对社交媒体数据上的冠状病毒大流行的反应。
2021-02-15 cs.SI
The Web Centipede: Understanding How Web Communities Influence Each Other Through the Lens of Mainstream and Alternative News Sources
随着网络上新闻媒体的数量和多样性的增长，“替代”信息来源的机会也在增加。利用Twitter和Facebook等大型社交网络，误导性、虚假或虚假信息可以迅速无缝地在网上传播，欺骗人们或影响他们的观点。此外，Reddit和4chan等紧密联系的社区的参与度增加，进一步加剧了问题，因为他们的用户不仅在自己的社区内，而且还向不同的社区和各种社交媒体发起和传播替代信息。事实上，这些平台已经成为现代信息生态系统的重要组成部分，但到目前为止，还没有作为一个整体进行研究。在本文中，我们开始通过研究Twitter，Reddit和4chan上分享的主流和另类新闻来填补这一空白。通过分析围绕几个轴的数百万个帖子，我们衡量了主流和另类新闻如何在这些平台之间流动。我们的研究结果表明，4chan和Reddit中的另类右翼社区对Twitter的影响力达到了令人惊讶的水平，这证明了“边缘”社区通常能够成功地将另类新闻传播到主流社交网络和更大的网络。
2017-09-30 cs.CY cs.SI
Everyday the Same Picture: Popularity and Content Diversity
IUSS Pavia（帕维亚高等研究大学）；IMT Lucca（卢卡高等研究院）；ISC CNR,Rome（罗马国家研究委员会信息系统研究所）；Sapienza University of Rome（罗马第一大学）；Aix Marseille（艾克斯-马赛大学）
本研究以意大利Facebook上每日发布同一张歌手照片的4万粉主页为对照，对比科学、阴谋论新闻主页的信息消费模式，分析约200万点赞与19万评论，构建了考虑内容异质性的用户选择偏好模型。
2015-02-02 cs.HC cs.SI physics.data-an
The Fake News Spreading Plague: Was it Preventable?
2010年，一篇题为《从模糊到分钟内的突出：政治演讲和实时搜索》的论文获得了2010年网络科学大会的最佳论文奖。调查结果包括发现和记录了所谓的“推特炸弹”，这是一个有组织的努力，通过匿名推特账户传播关于民主党候选人玛莎·科克利的错误信息。在本文中，在总结了该事件的细节之后，我们概述了社交网络如何被用来传播错误信息的配方。在这样一个配方中，最重要的步骤之一是“渗透”已经参与某个话题对话的用户社区，将他们用作其扩展子网络中错误信息的有机传播者。然后，我们采用这种错误信息传播方法，并指出它是如何在2016年美国总统大选期间成功地用于传播假新闻的。两种情景之间的主要区别是使用Facebook而不是Twitter，以及各自的动机（2010年：政治影响; 2016年：通过在线广告获得经济利益）。在将这些事件置于利用网络的更广泛背景下之后，我们抓住这个机会来解决研究结果的局限性，并开始讨论研究人员社区如何增加他们对现实社会问题的影响。
2017-03-20 cs.SI
Writing about COVID-19 vaccines: Emotional profiling unravels how mainstream and alternative press framed AstraZeneca, Pfizer and vaccination campaigns
University of Turin（都灵大学）；University of Exeter（埃克塞特大学）
自二零二零年十一月宣布以来，COVID-19疫苗在媒体及社交媒体上引起广泛讨论。由于大多数研究都集中在社交媒体中的COVID-19虚假信息上，因此很少有人关注主流新闻媒体与其他来源相比如何构建COVID-19叙述。为了填补这一空白，我们使用认知网络科学和自然语言处理来重建5745条意大利新闻的时间演变语义和情感框架，这些新闻在Facebook和Twitter上被大量转发，关于COVID-19疫苗。我们发现，在主流来源构建“疫苗/疫苗”的总体概念的方式中，信任/预期水平一直很高，而厌恶程度较低。这些情绪在替代来源构建COVID-19疫苗的方式中至关重要。在疫苗的具体情况下发现了更多的差异。其他新闻包括用强烈的悲伤情绪来框定阿斯利康疫苗的标题，这在主流标题中是不存在的。主流新闻最初将“辉瑞”与“阿斯利康”相比，与副作用有更多的负面联系。随着后者在2021年3月15日的暂时暂停，我们发现了语义/情感上的转变：即使是主流文章标题也将“阿斯利康”框定为语义上更丰富的副作用负面关联，而“辉瑞”则经历了积极的效价转变，主要与其更高的疗效有关。“血栓形成”与可怕的概念联想一起进入了疫苗的框架，而“死亡”经历了情感上的转变，在替代标题中转向恐惧，在主流标题中失去了希望的内涵。我们的研究结果揭示了媒体对COVID-19疫苗的情感叙述的关键方面，强调了了解替代媒体和主流媒体如何报道疫苗接种新闻的必要性。
2022-01-19 cs.CL cs.CY cs.SI
