Societal Controversies in Wikipedia Articles
UvA Amsterdam（阿姆斯特丹大学）；Politecnico di Milano（米兰理工大学）；Barcelona Media（巴塞罗那媒体中心）；Sciences Politiques（巴黎政治学院）
协作内容创作不可避免地会出现不同观点导致冲突的情况。我们专注于维基百科，任何人都可以编辑的自由百科全书，其中有争议的文章中的内容争议往往反映了更大的社会辩论。虽然维基百科对每一篇条目都有一个公开的编辑历史和讨论部分，但这些部分的内容很难让对条目发展感兴趣的维基百科用户幻影化，并定位哪些主题最具争议性。在本文中，我们提出了Contropedia，一个工具，增加维基百科的文章，并提供深入了解有争议的话题的发展。Contropedia使用了一种基于编辑历史的有效的语言不可知论方法，该方法专注于维基链接，可以轻松识别维基百科条目中哪些主题最具争议性，以及何时最具争议性。
2019-04-18 cs.CL cs.CY cs.SI
Sudden Attention Shifts on Wikipedia During the COVID-19 Crisis
我们研究了COVID-19大流行以及随之而来的严重流动限制如何影响了世界上最大的在线百科全书维基百科上的信息访问。一项纵向分析将维基百科12种语言版本的浏览量统计数据与苹果和谷歌发布的移动报告相结合，揭示了大流行期间信息搜索模式的数量和性质发生了巨大变化。有趣的是，虽然我们观察到移动限制后维基百科的页面浏览量暂时增加，但所寻求的信息的性质受到了更持久的影响。这些变化在与实施最严格的流动限制的国家相关的语言版本中最为明显。我们还发现，属于不同主题的文章表现不同;例如，对娱乐相关主题的关注持续存在，甚至有所增加，而对健康和生物相关主题的兴趣很小或短暂。我们的研究结果强调了维基百科在研究大流行如何影响人们的需求、兴趣和关注方面的效用。
2021-04-19 cs.CY cs.SI
Going Down the Rabbit Hole: Characterizing the Long Tail of Wikipedia Reading Sessions
“维基兔子洞”被非正式地定义为维基百科读者所遵循的导航路径，这些路径引导他们进行长时间的探索，有时会涉及意想不到的文章。虽然维基兔子洞是互联网文化中的一个流行概念，但我们目前对其动态的理解仅基于轶事报道。为了弥补这一差距，本文提供了一个大规模的量化表征的导航痕迹的读者谁掉进了维基兔子洞。首先，我们将用户会话表示为导航树，并根据这些树的深度将wiki兔子洞的概念操作化。然后，我们表征兔子洞会议的结构模式，时间属性，和专题探索。我们发现，文章布局影响兔子洞会议的结构，兔子洞会议的分数是在夜间较高。此外，读者更容易从娱乐、体育、政治和历史的文章开始陷入兔子洞。最后，我们观察到，平均而言，读者倾向于保持专注于一个主题，即使在兔子洞会议期间，仍然停留在第一篇文章的语义邻域中。这些发现有助于我们了解维基百科读者的信息需求和用户在网络上的行为。
2022-03-14 cs.CY
Tracking Knowledge Propagation Across Wikipedia Languages
在本文中，我们提出了一个数据集的跨语言知识传播维基百科。该数据集涵盖了全部309种语言版本和3300万篇文章，旨在跟踪维基百科概念的完整传播历史，并允许对建立预测模型进行后续研究。为此，我们根据它们所涵盖的概念以语言不可知的方式对齐所有维基百科文章，这导致13M传播实例。据我们所知，这个数据集是第一个大规模探索完整的跨语言传播的数据集。与数据集一起，提供了传播的整体概述和有关潜在结构因素的关键见解，以帮助未来的研究。例如，我们发现，虽然长级联是不寻常的，传播往往会继续进一步一旦它达到四个以上的语言版本。我们还发现，语言版本的大小与传播速度有关。我们相信，该数据集不仅有助于维基百科增长的先前文献，而且还可以实现新的用例，例如用于解决知识差距的编辑推荐，虚假信息检测和文化关系分析。
2021-03-30 cs.CY
The role of online attention in the supply of disinformation in Wikipedia
维基百科和许多用户生成内容（UGC）社区以生产可靠，高质量的内容而闻名，但也容易受到虚假或误导性信息的影响。先前的研究表明，维基百科上的许多恶作剧在很长一段时间内都没有被发现。但人们对网上故意制造虚假或误导性信息的行为知之甚少。对一个话题的集体关注是否会增加它产生虚假信息的可能性？在这里，我们衡量的注意力分配和生产的英文维基百科上的恶作剧文章之间的关系。对流量日志的分析表明，与同一天创建的合法文章相比，恶作剧往往与创建之前的流量峰值更相关。这与关于一个主题的虚假或误导性信息的提供是由它所受到的关注驱动的想法是一致的。这些发现提高了我们对UGC社区中虚假信息决定因素的理解，并有助于促进维基百科知识的完整性。
2023-02-16 cs.CY cs.SI physics.soc-ph
Curious Rhythms: Temporal Regularities of Wikipedia Consumption
本文基于数十亿条维基百科页面请求数据，系统揭示条目消费的昼夜节律及其与主题、国家和设备等因素的关联，深化了对人类全天信息寻求行为的理解。
2024-11-24 cs.CY cs.DL
Global Patterns of Knowledge: Language, Genre, and the Geography of Knowledge
本研究将经济复杂性分析应用于Wikipedia编辑历史，揭示不同语言社群的知识生产模式差异及地缘政治关联，为理解AI训练数据偏见提供了新视角。
2025-07-29 cs.CY
Wikipedia and Grokipedia: A Comparison of Human and Generative Encyclopedias
Sapienza University of Rome（罗马第一大学）
本文比较了维基百科与Grokipedia，探讨生成中介对百科内容选择、重写和框架的影响，发现生成系统保留了结构组织，但改变了内容的选取和表达方式。
2026-02-05 cs.CY cs.SI physics.soc-ph
TATA: Stance Detection via Topic-Agnostic and Topic-Aware Embeddings
Stanford University（斯坦福大学）
提出TATA模型，利用对比学习和未标注新闻数据训练主题无关与主题感知嵌入，结合二者在多个立场检测数据集上达到最先进性能，Zero-shot VAST上F1为0.771。
2024-02-08 cs.CL cs.CY cs.LG
Wikiwhere: An interactive tool for studying the geographical provenance of Wikipedia references
不同语言版本的同一主题的维基百科条目是基于不同的信息来源构建的。例如，在英文维基百科题为“俄罗斯联邦吞并克里米亚”的文章中，人们可以找到与德文维基百科文章（通过维基百科的语言链接确定）非常不同的新闻文章。这种差异当然可以归因于不同语言版本的读者和编辑的不同语言专业，然而，尽管德语版中包含英语新闻来源似乎没有问题，但列出的英语参考文献与文章的英语版本中的参考文献并没有高度重叠。这种模式可能是在引用维基百科中的事实和陈述时对某些国家背景的偏见的指标。然而，确定每个参考文献可以追溯到哪个国家的背景，并相互比较链接分布对于非技术背景的普通读者或科学家来说是不可行的。Wikiwhere通过分析和可视化包含在给定维基百科条目中的外部参考链接的地理位置来回答Web参考来源的问题。我们的机器学习模型考虑了几个特征，而不是仅仅依赖于给定URL的IP位置。
2016-12-16 cs.CY cs.HC
There is No Deadline - Time Evolution of Wikipedia Discussions
维基百科的条目从定义上来说永远不会结束：它们的内容随时都可以被编辑，或者在相关的讨论页中进行讨论。在这项研究中，我们分析了这些讨论的演变，揭示了沿时间维度的集体参与模式，并阐明了不同主题的内容创作过程。在微观尺度上，我们研究了讨论活动中的峰值，并观察到与编辑活动的非平凡关系。在更大的范围内，我们引入了一个衡量讨论复杂性增长速度的指标，我们发现不同文章的速度跨越了三个数量级。我们的分析应该有助于社区的任务，如早期发现的争议和评估的讨论成熟度。
2012-07-10 cs.CY cs.SI physics.soc-ph
A Multilingual Entity Linking System for Wikipedia with a Machine-in-the-Loop Approach
超链接构成了Web的主干;它们使用户导航、信息发现、内容排名和Internet上的许多其他关键服务成为可能。特别是，维基百科中的超链接允许读者从一个页面导航到另一个页面，以扩展他们对感兴趣的给定主题的知识或发现新主题。然而，尽管维基百科编辑努力添加和维护其内容，但在许多语言版本中，链接的分布仍然稀少。本文介绍了一个机器在环实体链接系统，可以遵守社区的指导方针添加一个链接，旨在增加新的页面和低资源的维基项目的链接覆盖率。为了应对这些挑战，我们构建了一个上下文和语言无关的实体链接模型，该模型结合了从维基项目中发现的数百万个锚点以及数十亿用户的阅读会话中收集的数据。我们开发了一个交互式推荐界面，向编辑提供候选链接，编辑可以确认，拒绝或调整推荐，其总体目标是通过结构化任务为新人提供更容易获得的编辑体验。我们的系统的设计选择是与几个语言社区的成员合作做出的。当该系统作为维基百科的一部分实现时，志愿者编辑的使用将帮助我们构建一个具有主动反馈的连续评估数据集。我们的实验结果表明，我们的链接推荐器可以达到80%以上的准确率，同时确保召回率至少50%，在6种语言，覆盖不同的大小，大洲和家庭。
2021-05-31 cs.CY cs.HC cs.SI
Small edits, large models: How Wikipedia advocacy shapes LLM values
Compassion Aligned Machine Learning (CaML)（慈悲对齐机器学习实验室）；Independent researcher（独立研究者）；Pro-Animal Wikipedians (PAW)（亲动物维基人组织）
通过梯度归因和反事实影响估计，发现维基百科上一个小型倡导组织的编辑活动显著影响了语言模型在动物福利话题上的行为。
2026-07-14 cs.AI cs.CL cs.CY
A Test of Time: Predicting the Sustainable Success of Online Collaboration in Wikipedia
University of Michigan（密歇根大学）
提出“Sustainable Success”指标并构建 SustainPedia 数据集，利用机器学习预测 Wikipedia 条目质量能否长期维持，最佳模型平均 AU-ROC 达 0.88。
2025-03-14 cs.CL cs.CY cs.SI
Life Histories of Taboo Knowledge Artifacts
University of Washington（华盛顿大学）
研究通过混合方法分析维基百科中禁忌主题知识 artifacts 的生成、发展及持续机制，揭示其在有限可识别性和碎片化意义建构中的韧性领导与协作模式。
2026-03-09 cs.CY cs.HC
Cross-Language Evolution of Divergent Collective Memory Around the Arab Spring
通过分析2011-2024年间阿拉伯语和英语维基百科中阿拉伯之春相关文章的存档内容，定义了多语言的事件显著性、商议、语境化和集体记忆巩固度量，揭示了跨语言内容相似性的时间演化规律。
2024-04-16 cs.CL cs.CY cs.HC
Understanding Editing Behaviors in Multilingual Wikipedia
KAIST（韩国科学技术院）；University of Oxford（牛津大学）
使用多种语文在离线情况下很常见，但我们对在线使用多种语文的方式以及使用多种语文者在不同语言的使用者之间传播内容方面所发挥的作用的了解却很有限。我们采用计算方法来研究使用最大的用户生成的内容平台之一，维基百科多语。我们通过收集和分析维基百科英语、德语和西班牙语版本的多语种编辑撰写的内容的大型数据集来研究多语言。该数据集包含2013年7月8日至8月9日期间由超过15，000名多语言用户编辑的超过200万个段落。我们分析了这些多语种编辑的参与，兴趣和语言熟练程度方面的主要和非主要（次要）语言，并发现维基百科的英文版显示不同的动态从西班牙语和德语版本。主要编辑西班牙语和德语版本的用户比将这些版本作为第二语言编辑的用户进行更复杂的编辑。相比之下，将英语版本作为第二语言进行编辑的用户进行的编辑与主要编辑英语版本的用户进行的编辑一样复杂。通过这种方式，英语发挥了特殊的作用，汇集了来自多种语言版本的多种语言编写的内容。尽管如此，语言仍然是内容传播的一个巨大障碍：我们发现了一个复杂性障碍的证据，即编辑不太可能用第二语言编辑复杂的内容。此外，我们发现，多语者参与度较低，第二语言的语言熟练程度较低。我们还研究了多语种编辑的主题兴趣，发现每种语言的主要和非主要编辑之间没有显着差异。
2015-08-28 cs.CL cs.CY cs.SI
A "Perspectival" Mirror of the Elephant: Investigating Language Bias on Google, ChatGPT, YouTube, and Wikipedia
Harvard University（哈佛大学）
该研究揭示Google、Wikipedia、YouTube及ChatGPT存在语言偏差现象，即不同语言搜索同一复杂话题会返回差异化的文化主导观点，形成无形文化壁垒，同时分析了该偏差的证据与社会影响。
2024-03-08 cs.AI cs.CL cs.CY
Leveraging Recommender Systems to Reduce Content Gaps on Peer Production Platforms
针对 Wikipedia 内容缺口，研究结合 SuggestBot 离线分析与三个月对照实验，证明推荐代表性不足主题的条目可增加相关编辑工作且不显著降低推荐采纳率。
2024-04-10 cs.CY cs.HC cs.IR
