Cultural Diffusion and Trends in Facebook Photographs
University of Rochester（罗切斯特大学）；Facebook（脸书公司）；UCLA（加州大学洛杉矶分校）
在线社交媒体是一种社交工具，人们可以通过视觉手段（即照片）与朋友分享他们生活中的各种时刻，例如运动，烹饪晚餐或只是为了好玩而自拍。我们的研究需要仔细研究流行的视觉概念，说明各种文化生活方式的聚合，去识别的照片。我们在宏观和微观层面进行分析，以获得有关全球和本地视觉趋势的新见解，以及Facebook朋友之间的人际文化交流和传播的动态。我们通过卷积神经网络（CNN）自动分类视觉内容来处理图像。通过各种统计测试，我们发现，社会关系密切的人更有可能发布显示相似文化生活方式的图像。为了进一步确定所观察到的社会相关性的主要原因，我们使用洗牌测试和基于偏好的匹配估计（PME）测试来区分影响力和同质性的影响。结果表明，每个用户的照片的视觉内容是暂时的，虽然不一定是因果关系，与他们的朋友的照片，这可能表明影响的效果。我们的研究表明，Facebook照片展示了不同的文化生活方式和偏好，通过社交媒体中的视觉渠道介导的社会互动可以成为文化传播的有效机制。
2017-05-24 cs.CV 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
Political advertisement on Facebook and Instagram in the run up to 2022 Italian general election
在线社交平台上的定向广告在政治营销工具包中变得越来越重要。监测政治广告对于确保民主进程的问责制和透明度至关重要。利用赞助内容的Meta公共图书馆，我们研究了在2022年意大利大选之前，Facebook和Instagram上投放政治广告的程度。分析超过2.7 K独立赞助商支付的23 K独立广告，相关金额为4 M欧元，产生的浏览量超过10亿次，我们调查了主要联盟的政治竞选活动的时间，地理和人口模式。我们发现的结果是根据他们的政治议程和选举结果，强调如何最活跃的联盟也获得了大部分的选票，并显示区域差异是一致的（目标）每个团体的政治基础。我们的工作引起了人们对进一步研究数字广告及其对个人意见和选择的影响的关注。
2023-02-08 cs.CY 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
Facebook Political Ads And Accountability: Outside Groups Are Most Negative, Especially When Hiding Donors
本研究分析2018年Facebook上43万余条FEC注册广告商的政治广告，发现暗钱支持的外部团体广告最负面，且暗钱与广告情绪显著下降相关，凸显政治言论问责对广告基调的重要性。
2024-01-26 cs.CY cs.SI
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
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
Embedding-based Qualitative Analysis of Polarization in Turkey
2018年6月24日，土耳其举行了一场意义重大的选举，土耳其人民在新总统制下的第一次选举中选出了总统和议会。在选举期间，土耳其人民在推特上广泛分享他们的政治观点。选民两极分化的一个途径是支持或反对雷杰普·塔伊普·埃尔多安连任。在本文中，我们探讨了两个群体之间的政治观点和生活方式的两极分化，并检查两极分化是否在选举前增加。我们对两个收集的数据集进行了分析，这些数据集涵盖了选举之前和选举期间的时间段，我们将其分为支持和反对埃尔多安的团体。对于两个数据集的赞成和反对分裂，我们生成单独的词嵌入模型，然后使用四个生成的模型来对比政治领导人、政治问题和生活方式选择的邻域（在嵌入空间中）（例如，饮料、食物和假期）。我们的分析表明，这两个群体在一些问题上意见一致，如恐怖主义和威胁国家的组织，但在其他问题上意见不一，如难民和生活方式的选择。对政党领导人的两极分化更加明显，在选举期间，两极分化进一步加剧。
2019-09-23 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
Keep Your Friends Close and Your Facebook Friends Closer: A Multiplex Network Approach to the Analysis of Offline and Online Social Ties
社交媒体允许人们在网上进行前所未有的互动。然而，人类社会行为的一个基本方面是人们倾向于将自己与志同道合的人联系起来，形成在线和离线的同质社交圈。在这项工作中，我们应用了一个新的模型，使我们能够区分不同强度的社会关系，并观察在74名大学生的在线和离线社交网络中，关于政治，音乐，健康，住宅部门和大学一年的同质性证据。我们提出了一个多路复用网络的方法，社会关系的强度，在这里应用到移动通信数据-电话，短信，并共同定位，使我们能够通过考虑学生之间利用的通信渠道的数量来确定维度的关系。我们发现，强的社会关系的特点是最大限度地利用沟通渠道，而弱的关系，最小的使用。我们能够识别75%的亲密友谊，90%的弱关系，以及90%的Facebook友谊。然后，我们表明，较强的关系表现出更大的配置文件的相似性比较弱的。除了在政治和健康方面的社会圈子高度同质性，我们观察到音乐，住宅部门和大学一年的强烈同质性。尽管Facebook友谊高度依赖于居住地和年份，但学生的在线社交圈而不是线下社交圈中可以发现不太同质的内容，尤其是在政治和音乐方面。
2014-03-31 cs.SI physics.soc-ph
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
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
Junk News on Military Affairs and National Security: Social Media Disinformation Campaigns Against US Military Personnel and Veterans
社交媒体为现役军人和退伍军人提供政治新闻和信息。我们分析了Twitter和Facebook用户的亚组，他们花时间从针对美国军事人员和退伍军人的网站上消费垃圾新闻，这些网站有阴谋论，错误信息以及其他形式的关于军事事务和国家安全问题的垃圾新闻。(1)在Twitter上，我们发现，现任和前任军事人员与极端主义者、以俄罗斯为重点的国际阴谋集团的广泛网络之间存在着重大而持续的互动。(2)在Facebook上，我们发现军队和退伍军人的公共页面之间以及致力于政治阴谋的子群体之间存在着重要而持久的互动。(3)在Facebook上，对阴谋论和政治权利最感兴趣的用户似乎发布了最多的垃圾新闻，而军队或退伍军人的用户则是最老练的新闻消费者，他们很少通过网络分享垃圾新闻。
2018-02-10 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
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
Advertisers Jump on Coronavirus Bandwagon: Politics, News, and Business
在社交媒体时代，灾难和流行病不仅在物理世界中带来了破坏和痛苦，而且还向数十亿互联网用户提供了大量信息，意见，建议和建议。2019-2020年的冠状病毒疫情也不例外，世界卫生组织警告说，假新闻可能会“信息泛滥”。在这项研究中，我们通过在美国最大的社交媒体平台Facebook上推广的广告，研究了围绕冠状病毒爆发的其他叙述。使用新的Facebook广告库，我们发现来自公共卫生和非营利部门的广告客户，以及来自新闻媒体，政治和商业的广告客户，将冠状病毒纳入他们的消息和议程。我们发现这种病毒被用于政治攻击、募捐、商业推广、股票市场建议和动物权利运动。其中，我们发现了几个可能的错误信息的例子，从生物武器阴谋论到政治家无法核实的说法。当我们向社区提供数据集时，我们希望广告领域将成为公共卫生传播和公共话语质量控制的重要组成部分。
2020-03-02 cs.CY 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
Understanding the Political Ideology of Legislators from Social Media Images
University of California, Los Angeles（加州大学洛杉矶分校）；University of Georgia（佐治亚大学）
在本文中，我们试图通过美国众议院和参议院成员发布的Facebook图像来了解政治家如何使用图像来表达意识形态言论。在社交媒体时代，政治已经变得充满了图像，这是一种强有力的、情感上突出的政治修辞形式，一个多世纪以来，政治家和政治组织一直在使用这种形式来影响公众情绪和投票行为。然而，迄今为止，人们对图像如何被用作政治修辞知之甚少。使用深度学习技术，仅从第114届美国国会议员的Facebook照片中自动预测共和党或民主党的隶属关系，我们证明，从我们的模型中预测的类概率可以准确地代表图像的政治意识形态。在控制了政治家的性别和种族之后，我们的方法从单张照片中获得了59.28%的准确率，从同一个人的多张照片（最多150张）中聚合得分时达到了82.35%。为了更好地了解图像内容区分自由派和保守派图像，我们还对照片进行了深入的内容分析。我们的研究结果表明，保守派倾向于使用更多的图像支持现状的政治机构和等级制度的维护，具有个人从占主导地位的社会群体，并表现出更大的幸福比自由主义者。
2019-07-22 cs.CV cs.HC cs.MM
Decoding Political Polarization in Social Media Interactions
本文分析约4700万条Facebook帖子及1.7亿用户互动，揭示不同政治倾向用户在评论与点赞行为上的选择性接触差异，以理解线上政治两极分化。
2024-07-04 cs.SI physics.soc-ph
Recommendation Algorithms on Social Media: Unseen Drivers of Political Opinion
本研究基于 3,300 余名参与者的数据，分析 Facebook 和 X 等平台及其推荐算法对用户政治兴趣的差异化影响，并揭示人口统计学差异，为理解数字政治动员提供实证依据。
2025-06-25 cs.SI
Attacking Strategies and Temporal Analysis Involving Facebook Discussion Groups
在线社交网络（OSN）讨论组正在对政治对话产生重要影响。在没有访问控制机制的情况下，任何用户都可以对任何OSN线程进行贡献。个人可以利用这一特性来执行有针对性的攻击，这增加了后续恶意行为的可能性，例如网络钓鱼和恶意软件分发。这类行动还将破坏媒体、政治家及其选民之间的桥梁。对于安全管理的关注，将恶意网络攻击与在线社交互动相结合带来了全新的挑战。在本文中，我们描述了一种新的方法来研究和理解攻击者用来在Facebook讨论组中传播恶意URL的策略。我们定义和分析与预测针对新闻媒体组织创建的线程的攻击潜力相关的问题。我们使用宏观静态特征和帖子和线程的微观动态演变的混合来识别可能的目标，准确率超过90%。我们的次要目标之一是在短时间内（10分钟）做出这样的预测。我们希望本文中提供的数据和分析将有助于更好地了解攻击者的策略和足迹，从而开发新的系统管理方法来处理社交网络上的网络攻击。
2018-02-13 cs.SI
Facebook Use of Sensitive Data for Advertising in Europe
即将出台的《欧洲通用数据保护条例》（GDPR）禁止处理和利用某些类别的个人数据（健康、政治取向、性偏好、宗教信仰、民族血统等）。这是由于恶意使用此类信息可能导致明显的隐私风险。这些类别被称为敏感个人数据。Facebook最近在西班牙被罚款120万欧元，原因是出于广告目的收集、存储和处理敏感个人数据。本文量化了欧盟（EU）中被贴上与敏感个人数据相关的兴趣标签的Facebook用户的比例。我们的研究结果显示，Facebook将73%的欧盟用户标记为敏感兴趣。这相当于欧盟总人口的40%。我们还估计，恶意第三方可能会以每个用户0.015欧元的低成本揭露被分配敏感兴趣的Facebook用户的身份。最后，我们提出并实现了一个Web浏览器扩展，以通知Facebook用户的敏感利益Facebook已经分配给他们。
2018-02-14 cs.CY cs.SI
Characterizing Engagement Dynamics across Topics on Facebook
本研究通过分析Facebook上约5700万条帖子，探究争议性主题的病毒式传播与用户极化的关联，发现主题参与动态存在相似模式，且初始爆发性可预测用户未来的负面反应。
2022-11-30 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
Simulating and Experimenting with Social Media Mobilization Using LLM Agents
Graduate School of Business, Stanford University（斯坦福大学商学院）
基于6100万人Facebook实验，本文开发了一个整合真实人口分布、Twitter网络拓扑和异构LLM智能体的模拟框架，以考察政治动员信息对选民投票率的影响，为政治动员研究提供可控可复现的计算建模环境。
2025-10-30 cs.AI cs.SI
Exit Stories: Using Reddit Self-Disclosures to Understand Disengagement from Problematic Communities
本文基于 Reddit 上 131 个子版块的 15,000 个退出故事，结合社会心理学、组织行为与暴力极端主义理论，揭示从阴谋论和男性圈等问题群体脱离的多层面过程，并为心理健康干预设计提供启示。
2025-08-19 cs.CY cs.HC cs.SI
Hiding in Plain Sight: The Anatomy of Malicious Facebook Pages
Facebook是世界上最大的在线社交网络，拥有超过10亿用户。与大多数其他社交网络一样，Facebook也是各种敌对实体的家园，这些实体通过发布恶意内容滥用该平台。在本文中，我们识别和表征Facebook的网页，从事传播指向恶意域名的URL。我们使用Web of Trust API来确定页面发布的URL的域名信誉，并确定了627个发布不可信信息、误导性内容、成人和儿童不安全内容、诈骗等被Facebook视为“页面垃圾邮件”的页面，不符合Facebook的社区标准。我们的研究结果显示，政治两极分化的实体主要存在于不可信的网络域名中传播内容。愤怒和宗教是这些页面发布的文本内容中最突出的主题。我们发现，至少有8%的恶意网页专门用于推广单个恶意域名。研究的时间张贴活动的网页显示，恶意网页比良性网页更活跃。我们进一步确定了一组传播成人和色情内容的恶意页面中的合谋行为。我们相信，我们的研究结果将使技术人员能够设计出高效的自动化解决方案，以识别和遏制恶意内容通过此类页面的传播。据我们所知，这是文献中的第一次尝试，专门关注恶意Facebook页面的特征。
2015-10-20 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
Towards Automatic Personality Prediction Using Facebook Like Categories
本研究利用73.8万用户的Facebook点赞数据，通过点赞到页面类别的映射技术结合机器学习算法，实现对多种敏感个人特质的高准确率自动预测，并给出相关示例与未来方向。
2018-12-11 cs.LG cs.SI stat.ML
Social Media, Money, and Politics: Campaign Finance in the 2016 US Congressional Cycle
随着社交媒体在公民和政治人物中的渗透不断加深，迫切需要了解主要平台的政治使用是否以及如何对选举产生影响。特别是，关注竞选使用的文献很少，并且通常描述政客的参与策略或试图量化社交媒体参与对政治学习、参与或投票的影响。尽管竞选筹款在美国政治中的重要性是公认的，但很少有人考虑过竞选筹款的影响。这篇论文是第一篇量化社交媒体竞选活动财务回报的论文。利用来自Facebook和Twitter、Google趋势、维基百科页面浏览量和联邦选举委员会（FEC）捐款记录的候选人数据，我们分析了2016年美国参议院大选中所有108名候选人的社交媒体内容主题和数量与竞选资金之间的关系。通过应用无监督学习方法来识别跨平台候选人内容中的主题，我们发现，在控制在职人员，州人口和候选人信息搜索时，整体和与问题相关的内容的更频繁发布与更高的捐赠收入相关，尽管考虑捐赠数量而不是价值时，与捐赠相关的内容比后者具有更强的影响。
2017-11-28 cs.CY cs.SI physics.soc-ph
Facebook's Architecture Undermines Vaccine Misinformation Removal Efforts
错误的信息促进了对科学的不信任，破坏了公共卫生，并可能引发内乱。特别是疫苗的错误信息阻碍了克服COVID-19大流行的努力，促使社交媒体平台试图减少它。一些人质疑“软”内容适度补救措施--例如，标记和降级错误信息-是成功的，这表明增加“硬”内容补救措施-例如，去平台化和内容禁令是必要的。因此，我们研究了Facebook的疫苗错误信息内容删除政策是否有效。在这里，我们表明Facebook的政策减少了反疫苗帖子的数量，但也造成了一些反常的影响：支持疫苗的内容也被删除，与剩余的反疫苗内容的参与一再恢复到政策前的水平，这些内容变得更加错误，政治上更加两极分化，更有可能在用户的新闻源中看到。我们将这些结果解释为Facebook设计目标的意外后果：促进社区形成。致力于疫苗拒绝的社区成员似乎从多个来源寻找错误信息。社区管理员利用Facebook平台提供的几个渠道传播错误信息。我们的研究结果表明，有必要解决社交媒体平台架构如何在管理在线内容传播时围绕错误信息主题实现社区形成和动员。
2022-08-11 cs.CY cs.SI cs.SY
A Recipe for Social Media Analysis
Virtual University of Pakistan（巴基斯坦虚拟大学）
智能手机无处不在的特性显著增加了社交媒体平台的使用，如Facebook、Twitter、TikTok和LinkedIn等，在公众、政府和企业中。Facebook在2019年仅广告收入就产生了约700亿美元，比上年增长了约27%。社交媒体在不同国家引发政治变革的社会抗议活动中也发挥了重要作用。从上面的例子中我们可以看出，社交媒体在商业智能和国际政治中发挥着重要作用。在本文中，我们提出并讨论了社会媒体分析（SMA）的高级功能智能模型（配方）。该模型综合了输入数据，并使用运营智能提供可行的建议。此外，它还符合从环境中获得的经验和学习的综合功能。提出的SMA模型独立于应用领域，可以应用于不同的领域，如教育，医疗保健和政府等，最后，我们也提出了SMA所面临的一些挑战，以及本文提出的SMA模型如何解决这些问题。
2021-06-14 cs.AI cs.CY 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
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
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
The Morbid Realities of Social Media: An Investigation into the Misinformation Shared by the Deceased Victims of COVID-19
本文通过分析死于COVID-19且生前相信相关错误信息的Facebook用户帖子，揭示右翼政治生态主导的反政府主题及平台软审核失效，并探讨政治精英与平台在遏制有害错误信息中的责任。
2022-09-20 cs.CY cs.SI
How Biased is the Population of Facebook Users? Comparing the Demographics of Facebook Users with Census Data to Generate Correction Factors
世界各地的人口普查是指导政府投资和公共政策的关键数据来源。然而，这些来源的获取非常昂贵，而且收集的频率相对较低。在过去的十年中，人们对使用社交媒体数据来补充传统数据源的兴趣越来越大。然而，社交媒体用户并不代表一般人群。因此，基于社交媒体数据的分析需要进行统计调整，如后分层，以消除偏见并提出可靠的统计主张。只有当我们掌握了人口统计群体使用社交媒体的频率信息时，这些调整才有可能。这些数据与官方统计数据相比，使研究人员能够得出适当的统计校正系数。在本文中，我们利用Facebook的广告平台来编译相当于Facebook用户的聚合级普查。我们的汇编包括美国不同地理水平的七个人口统计属性（如性别和年龄）的人口分布。通过将Facebook的统计数据与美国人口普查局和盖洛普提供的官方报告进行比较，我们发现了非常高的相关性，特别是在政治倾向和种族方面。我们还发现了官方统计可能低估人口数量的情况，如移民情况。我们使用收集的信息来计算所有计算属性的偏差校正因子，以评估不同人口统计群体在Facebook上或多或少的代表程度。我们提供了第一个全面的分析，以评估Facebook用户在多个维度上的偏见。这些信息可用于在官方统计数据发布之间及时生成经偏差调整的人口估计数和人口统计数，并具有精细的地理粒度
2020-05-16 cs.SI
Propaganda and Misinformation on Facebook and Twitter during the Russian Invasion of Ukraine
本研究针对俄乌冲突初期Facebook和Twitter上的宣传与虚假信息展开，基于百万级帖子数据集分析其流行度、传播模式、传播者政治倾向及平台审核效果，发现平台仍易被滥用，呼吁加强治理以维护在线对话完整性。
2023-02-20 cs.SI
Does Facebook Use Sensitive Data for Advertising Purposes? Worldwide Analysis and GDPR Impact
最近的《欧洲通用数据保护条例》（GDPR）和其他数据保护条例限制了某些类别的个人数据（健康、政治取向、性偏好、宗教信仰、种族血统等）的处理。由于与这些信息相关的隐私风险。GDPR将这些类别称为敏感个人数据。本文量化了197个国家的Facebook用户的比例，这些用户被贴上了与潜在敏感个人数据相关的广告兴趣的标签。我们的研究表明，Facebook将67%的用户标记为潜在的敏感兴趣。这相当于上述197个国家人口的22%。此外，我们的工作表明，GDPR的实施在这方面的影响可以忽略不计，因为欧盟标记为敏感利益的FB用户的比例在GDPR颁布前5个月和颁布后9个月几乎保持不变。该文件还说明了与使用敏感利益相关的潜在风险。例如，我们量化了在同性恋可能被判处死刑的国家中，被标记为“同性恋”的FB用户的比例。最后一个贡献是实现了一个Web浏览器扩展，允许FB用户以简单的方式删除FB分配给他们的潜在敏感利益。
2019-07-23 cs.CY cs.SI
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
Echo Chambers on Social Media: A comparative analysis
最近的研究表明，在线用户倾向于选择符合其信念系统的信息，忽略不符合的信息，并加入团体-即，回音室-围绕着一个共同的故事。虽然还没有一种确定回声室的定量方法，但回声室现象在科学和政治层面上都有广泛的争论。为了阐明这个问题，我们引入了回声室的操作定义，并对100万用户在四个社交媒体平台上产生的超过10亿条内容进行了大量的比较分析：Facebook，Twitter，Reddit和Gab。我们推断出用户对有争议的话题的倾向-从疫苗到堕胎-并通过分析不同的特征，如共享链接域，关注页面，关注者关系和评论帖子来重建他们的交互网络。我们的方法量化了回声室的存在沿两个主要方面：同质性的互动网络和偏见的信息扩散到志同道合的同行。我们在社交媒体上发现了特殊的差异。事实上，虽然Facebook和Twitter在所有观察到的数据集中都有明确的回音室，但Reddit和Gab却没有。最后，我们通过比较Reddit和Facebook来测试社交媒体平台对新闻消费的作用。同样，我们发现支持这样一个假设，即像Facebook这样实施新闻推送算法的平台可能会引发回声室的出现。
2020-04-20 cs.CY cs.SI physics.soc-ph
Institutional Floors and Partisan Lenses: Cross-National Online Discourse on Political Violence in France and the United States
University of California, Berkeley（加州大学伯克利分校）
本文研究在线讨论如何塑造和评估不同背景下政治暴力的道德评价，通过法国和美国的案例，分析机构环境对道德感知的影响，揭示跨国民间对政治暴力的道德价值、情感强度和机构框架的差异。
2026-04-29 cs.SI
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
Indian Premier League (IPL), Cricket, Online Social Media
最近，在线社交媒体在分享关于实时的事件的信息和意见方面发挥了关键作用。物理空间中的事件通过在线社交网络反映在数字世界中。在Twitter上，计算机科学社区已经广泛开展了基于事件的研究。在这份报告中，我们对Facebook和Twitter的一项名为印度超级联赛（IPL '13）的体育赛事进行了详细分析。IPL是印度最受欢迎的板球联赛，球员来自世界各地。我们分析了超过260万条推文和70万条Facebook帖子，包括时间活动，文本质量，用户地理位置以及联赛期间出现的定点丑闻。我们能够在团队的品牌价值和他们在Facebook和Twitter上的社交媒体上被谈论的程度之间得出强烈的相关性。对地理标记数据的分析显示，主要活动来自大都市郊区，但活动并不限于与每个团队地理相关的地区。我们提出了一种衰减计算方法，使用该方法，我们得出的活动在Twitter和Facebook上以非常相似的方式消失。这样的分析可以用于对事件建模并研究它们在社交网络中的渗透。我们分析了现场固定的文本，发现用户对有关比赛被固定的指控的反应是冷淡的。本报告中的完整分析对于研究涉及危机的事件或具有类似结构的政治重要性的事件特别有用。
2014-05-20 cs.SI physics.soc-ph
Analyzing the Stance of Facebook Posts on Abortion Considering State-level Health and Social Compositions
本研究通过微调Transformer模型分析美国各州堕胎相关Facebook帖子的立场，发现反堕胎观点较多的州婴儿及孕产妇死亡率更高，且社交媒体立场与州堕胎法基本一致，强调需对弱势女性群体加强教育和保护。
2023-05-17 cs.SI
Trends, Politics, Sentiments, and Misinformation: Understanding People's Reactions to COVID-19 During its Early Stages
COVID-19的突然爆发导致大量数据在不同的社交媒体平台上共享。分析和可视化这些数据无疑对于深入了解这一流行病对人们生活的影响以及人们对这些影响的反应至关重要。在这项工作中，我们进行了一项大规模的时空数据分析研究，以了解人们对COVID-19大流行早期阶段的反应。特别是，我们分析了一个基于JSON的数据集，该数据集是在4个月内从关于COVID-19的英语新闻/消息/论坛/博客中收集的，总共有520万条帖子。这些数据是从2019年12月至2020年3月从Facebook、LinkedIn、Pinterest、StumbleUpon和VK等多个社交媒体平台收集的。我们的研究主要旨在了解COVID-19的哪些影响最令社交媒体用户感兴趣，以及它们如何随时间变化，错误信息的时空分布以及大流行期间公众对公众人物的舆论。我们的结果可以被许多方面使用（例如，政府、心理学家等）根据人民群众的实际利益和意见，
2021-06-25 cs.IT cs.SI math.IT
Platform Sorting Drives Ideological Fragmentation in the Social Media Ecosystem
Sapienza University of Rome（罗马第一大学）；University of Padova（帕多瓦大学）；Universitat Pompeu Fabra（庞培法布拉大学）
通过分析2020和2024年美国大选期间六大平台的政治信息动态，发现意识形态碎片化发生在平台层面，用户逐渐与意识形态一致的环境对齐，且这种平台排序是社交媒体的持久结构特征。
2026-06-09 cs.CY cs.SI physics.soc-ph
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
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
'Dark Germany': Hidden Patterns of Participation in Online Far-Right Protests Against Refugee Housing
在德国等西欧国家的政治话语中，难民话题最近死灰复燃，来自中东和非洲各国的难民涌入。尽管难民问题显然在受影响国家的线上和线下政治中发挥着重要作用，但反对难民的抗议活动来自右翼政治派别，这一事实导致相应的媒体以分散的方式共享，从而难以分析潜在的社会和媒体网络。为了有助于这些过程的分析，我们提出了一个定量研究的社会媒体活动的当代全国性的抗议运动对当地的难民住房在德国，通过专门的Facebook页面，每个城市组织自己。我们分析了2015年136个此类抗议页面的数据，其中包含超过46，000个帖子和超过20万用户的100多万次互动。为了了解极右社交媒体网站和页面用户之间的沟通和互动模式，我们调查了这场抗议运动的社交媒体活动的时间特征，以及参与者互动的连通性。我们发现几个活动指标，如发布的帖子数量，关于犯罪和住房成本的讨论量，评论中的负面极性，以及用户参与度在2015年底达到峰值，与总理安格拉·默克尔2015年9月备受批评的决定一致，暂时允许叙利亚难民进入德国。此外，我们的证据表明，在这场运动中，参与者的直接联系程度很低，（即，从缺乏地域协作模式可以看出，但我们发现，这些网页的用户群与极右翼政党有很强的联系。
2017-07-24 cs.SI
