Influence of fake news in Twitter during the 2016 US presidential election
2016年美国总统大选期间推特上假新闻的动态和影响仍有待澄清。在这里，我们使用选举日前五个月的1.71亿条推文的数据集来识别来自220万用户的3000万条推文，其中包含新闻媒体的链接。根据www.opensources.co对新闻媒体的分类，我们发现这些推文中有25%传播虚假或极端偏见的新闻。我们描述了信息流的网络，以找到最有影响力的假新闻和传统新闻的传播者，并使用因果模型来揭示假新闻如何影响总统选举。我们发现，虽然传播传统中间和左倾新闻的顶级影响者在很大程度上影响了克林顿支持者的活动，但对于假新闻来说，这种因果关系是相反的：特朗普支持者的活动影响了顶级假新闻传播者的动态。
2019-03-20 cs.CY cs.SI physics.soc-ph
Gender Politics in the 2016 U.S. Presidential Election: A Computer Vision Approach
性别在2016年美国总统大选中扮演着重要角色，特别是希拉里·克林顿成为首位女性总统候选人，唐纳德·特朗普经常被指责性别歧视。在本文中，我们引入计算机视觉的性别政治的研究，并提出了一个图像驱动的方法，可以衡量性别的影响，在一个准确和及时的方式。我们首先收集候选人Twitter粉丝的所有个人资料图片。然后，我们使用包含性别标签的图像训练一个卷积神经网络。最后，我们对所有的跟随者和非跟随者图像进行分类。通过两个案例研究，一个关于“女人卡”的争议，一个关于桑德斯的追随者，我们展示了性别如何为2016年总统选举提供信息。我们的分析框架可以很容易地推广到其他案例研究和选举。
2016-11-09 cs.SI
The Footprint of Campaign Strategies in Farsi Twitter: A case for 2021 Iranian presidential election
社交媒体的兴起伴随着新型冠状病毒疫情，促使伊朗总统竞选的模式从现实世界转向社交媒体。与以往的总统选举不同，这次选举的实体活动和候选人广告有所减少，而总统候选人的网上出现则大大增加。波斯语推特在这件事上扮演了一个特定的角色，因为它成为了创建政治内容的平台。在这项研究中，我们发现了波斯语Twitter的组织活动的痕迹。我们的调查显示，2021年选举的讨论网络是异质性和高度两极化的。然而，与其他选举不同的是，候选人的支持者非常接近，支持抵制选举的“反选民”处于讨论的另一端。此外，在所有相关社区中最有影响力的用户中观察到机器人活动的高度存在。
2021-10-04 cs.SI
When Follow is Just One Click Away: Understanding Twitter Follow Behavior in the 2016 U.S. Presidential Election
受两个自相矛盾的事实的启发，即关注一个额外候选人的边际成本接近于零，大多数Twitter用户选择只关注一个或两个候选人，我们研究了2016年美国总统大选中观察到的Twitter关注行为。具体而言，我们完成了以下任务：（1）分析Twitter上的总统选举的Twitter追随模式，（2）使用负二项回归来研究性别和职业对候选人追随人数的影响，以及（3）使用多项逻辑回归来研究性别，职业和名人对候选人选择的影响。
2017-01-31 cs.SI
Predicting Engagement with the Internet Research Agency's Facebook and Instagram Campaigns around the 2016 U.S. Presidential Election
俄罗斯互联网研究机构（IRA）在2016年美国总统大选中的网络干扰运动代表了数字时代民主选举轨迹的转折点。在2020年美国总统大选之前，我们可以了解爱尔兰共和军如何吸引美国观众？我们首次深入分析了2016年大选期间IRA内容特征与Facebook和Instagram用户参与度之间的关系。我们发现，针对右翼和非黑人边缘化群体的内容与Facebook和Instagram上的参与度有着最强的正相关性，这与Twitter上的IRA运动和媒体上的一些评论形成了鲜明对比。更高的参与度与2015-2017年期间的后期发布有关，并且在两个平台上使用更少的文本，使用负面措辞，不包括Facebook上的链接，以及在Instagram上使用更少的标签。与大多数参与相关的次级受众和次级问题在各个平台上各不相同。
2020-10-28 cs.SI
Tracking the 2024 US Presidential Election Chatter on Tiktok: A Public Multimodal Dataset
University of Southern California（南加州大学）
本文公开了一个包含2024年美国总统大选相关TikTok视频的多模态数据集，通过API和第三方爬虫收集180万条视频，分析选举相关关键词和双词组合。
2024-07-02 cs.SI
Electoral Forecasting Using a Novel Temporal Attenuation Model: Predicting the US Presidential Elections
选举预测是一项持续的科学挑战，具有很高的社会影响力，因为目前的数据驱动方法试图将统计数据与经济指数和机器学习有效地结合起来。然而，最近的研究在网络科学指向的重要性，时间特性的意见传播。因此，我们结合微观观点动力学和时间流行病的概念，并开发了一种新的宏观尺度的时间衰减（TA）模型，它使用选举前的民意调查数据，以提高预测精度。我们的假设是，公布民意调查的时间在民意振荡中起着重要作用，特别是在选举之前。因此，我们定义的势头的意见作为一个时间函数，反弹时，意见被注入到一个多意见系统的选民，并在放松的状态下抑制。我们验证了TA的调查数据，从美国总统选举之间的1968-2016年，TA优于统计方法，以及最好的民意调查在他们的时间，在10出的13个总统选举。我们提出了两种不同的实现TA模型，在48年的时间内，累积的平均预测误差为2.8-3.28点。相反，统计方法累积误差为7.48分，最好的民意调查者累积误差为3.64分。总体而言，TA提供了23-37%的预测性能相比，国家的最先进的。我们表明，TA的有效性不下降时，相对较少的民意调查是可用的，此外，随着越来越多的可用性的选举前调查，我们相信，我们的TA模型将成为一个参考与其他现代选举预测技术。
2020-04-30 cs.CY cs.SI physics.soc-ph
Trump vs. Hillary: What went Viral during the 2016 US Presidential Election
在本文中，我们对2016年9月1日至2016年11月8日选举日期间与美国总统选举有关的顶级转发推文（病毒推文）进行了定量和定性分析。每天，我们都会将前50条转发最多的推文标记为支持或攻击候选人或中立/无关。然后，我们分析了每个类别中的推文：一般趋势和统计数据;最常用的标签，术语和位置;转发最多的帐户和推文;以及最共享的新闻和链接。总的来说，我们分析了在美国大选期间最受关注的3，450条最具病毒性的推文，共被转发了2630万次，占上述期间与美国大选有关的推文总量的40%以上。我们对推文的分析突出了两位候选人的社交媒体策略、他们的信息渗透力以及攻击对双方的潜在影响之间的一些差异
2017-07-11 cs.SI
Trump vs. Hillary Analyzing Viral Tweets during US Presidential Elections 2016
在本文中，我们提供了一个定量和定性分析的病毒式推文与美国总统大选。在我们的研究中，我们专注于分析2016年9月和10月期间每天转发最多的50条推文。结果集由3，050条病毒推文组成，它们被转发了超过2050万次。我们手动注释推文为特朗普，克林顿或两者都不支持。我们的定量研究表明，支持特朗普的推文通常比支持克林顿的推文被转发得更多，除了9月的几天和10月的两天，特别是第一次总统辩论的第二天和Access Hollywood磁带发布之后。2016年10月的两天，支持特朗普的推文量占总推文量的90%以上。
2016-11-03 cs.SI
#Election2020: The First Public Twitter Dataset on the 2020 US Presidential Election
本文公开发布了首个大规模、纵向的2020年美国总统大选Twitter数据集，涵盖数亿条推文并追踪2019至2020年美国政治趋势、初选及候选人动态，旨在赋能计算社会科学研究在线政治话语中的错误信息与操纵等问题。
2020-10-01 cs.SI
The Predictive Power of Social Media: On the Predictability of U.S. Presidential Elections using Twitter
Twitter作为一种新的社交媒体形式，可能包含有用的信息，为推文内容分析提供了新的机会。本文研究了Twitter对2012年美国总统大选的预测能力。在这项研究中，我们通过结合使用机器学习技术分析了3200万条关于美国总统大选的推文。为了提高Twitter内容分析的准确性，我们设计了一个用于情感分析的高级分类器。我们通过将Twitter结果与传统民意调查进行比较来进行分析。此外，我们使用潜在的Dirichlet分配模型，从选定的推文中提取潜在的主题结构。我们的研究结果表明，我们可以通过运行情感分析来确定候选人的受欢迎程度。我们还可以通过对带有地理标签的推文运行情感分析算法来发现候选人在美国各州的受欢迎程度。据我们所知，没有以前的工作在该领域提出了一个系统的分析相当数量的推文采用的分析技术相结合，我们进行了这项研究。因此，我们的研究结果恰当地表明，Twitter作为一个众所周知的社交媒体是预测未来事件（如选举）的有效来源。这意味着，通过社交媒体了解公众意见和趋势反过来又使我们能够提出一种具有成本效益和时间效益的方式，不仅用于传播和分享信息，而且用于预测未来事件。
2014-07-01 cs.CY cs.SI physics.soc-ph
Contending Parties: A Logistic Choice Analysis of Inter- and Intra-group Blog Citation Dynamics in the 2004 US Presidential Election
2004年美国总统大选标志着博客和社交网站等互联网媒体首次成为美国政治格局的制度性特征。使用所有DNC/RNC指定的博客-引文网络的纵向样本，我们能够测试各种战略，制度和平衡理论的机制和外源性因素，如季节性和政治事件的影响博客的倾向，随着时间的推移相互引用。利用我们的数据的时间分辨率，我们利用自回归网络回归框架进行推理的逻辑选择过程。使用基于偏差的模型选择标准和基于模拟的模型充分性测试的组合，我们确定了最能表征竞争博客的选择行为的过程组合。
2011-10-18 cs.SI physics.soc-ph stat.AP
Bots, elections, and social media: a brief overview
机器人，即在社交媒体上运行的软件控制帐户，已被用于操纵和欺骗。我们研究了机器人在重大政治事件（包括各国的选举）周围的特征和活动。在本章中，我们总结了我们在2016年和2018年美国总统和中期选举以及2017年法国总统选举背景下对机器人操作的研究结果。
2019-10-03 cs.SI
When Celebrities Endorse Politicians: Analyzing the Behavior of Celebrity Followers in the 2016 U.S. Presidential Election
由于他们的知名度和知名度，名人在美国政治中发挥着重要作用。名人的支持可以增加政治家竞选的势头，并为候选人赢得广泛的媒体报道。不过，有一点需要注意：名人追随者的政治偏好可能与名人本人不同。在本文中，我们将探讨这种可能性。通过仔细研究2016年美国总统大选中六位主要总统候选人的知名代言人，并对Twitter的“关注”行为进行统计建模，我们发现：（1）除Lady Gaga外，所有名人的粉丝都更有可能关注大量候选人;（2）名人粉丝的观点可能与名人的观点存在系统性差异。我们的研究方法可以推广到NBA球员拒绝访问白宫和流行歌手会见达赖喇嘛等事件的研究。
2017-12-28 cs.SI
Detection and Analysis of 2016 US Presidential Election Related Rumors on Twitter
2016年美国总统大选见证了Twitter在这一年最重要的政治事件中的重要作用。候选人广泛利用这一社交媒体平台开展在线竞选活动。与此同时，社交媒体上充斥着谣言，这可能对选民的决定产生了巨大影响。在本文中，我们对两位总统候选人的追随者的谣言推文进行了深入分析：希拉里克林顿和唐纳德特朗普。为了克服将大量推文标记为训练数据的困难，我们通过将它们与经过验证的谣言文章进行匹配来检测谣言推文。我们分析了从两位候选人的追随者那里收集的800多万条推文。我们的研究结果提供了几个主要问题的答案，在这次选举中的谣言，包括：哪一方的追随者张贴最谣言，谁张贴这些谣言，他们张贴的谣言，以及他们何时张贴这些谣言。本文的研究有助于我们理解美国政治中的网络谣言行为。
2017-04-10 cs.SI
A Hybrid Method of Sentiment Analysis and Machine Learning Algorithm for the U.S. Presidential Election Forecasting
本文提出融合人口普查、经济、民调与 Twitter 情感数据的州级混合机器学习框架，用于预测美国总统选举，并在2020年选举中达到96%准确率。
2023-12-09 cs.SI
Tracking the 2024 US Presidential Election Chatter on TikTok: A Public Multimodal Dataset
本文构建并公开了一个包含314万个视频的TikTok 2024年美国总统选举多模态数据集，通过分析标签共现网络揭示政治立场演变，为研究社交媒体对选举话语及公众舆论的影响提供丰富资源。
2024-12-20 cs.SI
Unveiling Political Influence Through Social Media: Network and Causal Dynamics in the 2022 French Presidential Election
本文基于2022年法国总统选举期间的Twitter数据，运用收敛交叉映射因果推断方法分析政党间的方向性影响，揭示健康与外交政策等议题在选举关键阶段如何催化跨党派影响，为竞选策略和媒体分析提供新框架。
2025-06-19 cs.CY cs.SI physics.soc-ph
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 Misinformation Claims During the 2022 Brazilian General Election on WhatsApp, Twitter, and Kwai
本研究分析了2022年巴西大选期间WhatsApp、Twitter和Kwai上的虚假信息声明，发现各平台声明存在独特性及跨平台差异，揭示了现有声明匹配算法的局限性，并对声明格式与内容主题进行了描述性分析。
2024-01-04 cs.CY cs.SI physics.soc-ph
Group polarization, influence, and domination in online interaction networks: A case study of the 2022 Brazilian elections
本文以2022年巴西选举期间的Twitter数据为例，提出d-modularity方法分析特定群体对网络极化的贡献，并利用部分支配概念比较不同群体的影响力覆盖与协调沟通能力，发现右倾社区虽整体网络支配较弱，但在群体内部以更少节点实现更强支配和协调沟通。
2023-03-29 cs.SI physics.soc-ph
Mining Public Opinion about Economic Issues: Twitter and the U.S. Presidential Election
University of South Carolina（南卡罗来纳大学）；Auburn University at Montgomery（奥本大学蒙哥马利分校）
民意调查一直是选举中民意和政客之间的桥梁。然而，开展调查以揭示人们对经济问题的反馈是有限的，昂贵的，耗时的。近年来，Twitter等社交媒体使人们能够分享他们对选举的看法。社交媒体为收集大量社交媒体数据提供了平台。本文提出了一种计算民意挖掘方法，探讨在选举期间的社会媒体上的经济问题的讨论。目前的相关研究都是单独使用文本挖掘方法进行选举分析和选举预测，本研究结合了情感分析和主题建模两种文本挖掘方法。所提出的方法已经有效地部署在数百万条推文上，以分析2012年美国总统大选期间人们的经济问题。
2018-02-06 cs.CL cs.IR cs.SI
A Public Dataset Tracking Social Media Discourse about the 2024 U.S. Presidential Election on Twitter/X
University of Southern California（南加州大学）
本文提出一个包含2024年美国总统选举相关社交媒体讨论的公开数据集，用于研究社交媒体对政治讨论的影响及虚假信息传播。
2024-11-01 cs.SI
Predicting the 2020 US Presidential Election with Twitter
University of California, Berkeley（加州大学伯克利分校）
用社交媒体数据进行民意调查的一个主要子领域是选举预测。利用社交媒体数据进行选举预测可能会对竞选策略产生重大影响，补充传统的民意调查方法，并提供更便宜的实时民意调查。首先，本文从使用Twitter数据分析和预测2020年美国总统大选的研究中探索了过去成功的方法。然后，本研究提出了一种新的选举预测方法，它结合了情感，从NLP的推文文本，结构化数据与聚合民意调查，时间序列分析，并特别关注对选举至关重要的Twitter用户。虽然这种方法的表现不如其基线的民意调查预测，这是不确定的，这是否是一个准确的方法来预测选举，由于缺乏数据。需要更多的研究和更多的数据来准确衡量这种方法的整体有效性。
2021-07-19 cs.LG cs.SI
Characterizing and modeling an electoral campaign in the context of Twitter: 2011 Spanish Presidential Election as a case study
以尽可能有效的方式传递信息一直是政治家在选举过程中的主要关切之一。由于用户数量迅速增长，在线社交网络已成为政治家与潜在选民互动的理想平台。利用这些工具的现有潜力，最大限度地发挥其对选民的影响力，是政治家面临的实际挑战之一。为了朝着这个方向迈进，我们分析了2011年西班牙总统选举过程中在线社交网络Twitter的用户活动，发现这种活动与选举结果相关。我们引入了一个新的措施来研究Twitter中的政治支持，我们称之为相对支持。我们还通过分析从提及和转发网络中涌现的复杂网络的结构和动力模式来表征用户行为。我们的研究结果表明，集体注意力是由一小部分用户驱动的。此外，我们分析了政治家之间发生的互动，观察到缺乏辩论。最后，我们开发了一个网络增长模型来再现政治家之间发生的互动。
2013-09-19 cs.CY cs.SI physics.soc-ph
Network Analysis of the 2016 Presidential Campaign Tweets
我们将复杂网络分析应用于2016年美国总统大选主要参与者发布的约27，000条推文。我们确定了竞选活动的各个阶段以及候选人反复提到的主题。最后，我们揭示了候选人之间的领导者-追随者关系。我们的结论是，国务卿希拉里·克林顿的Twitter表现从属于唐纳德·特朗普，这可能是导致她选举失败的一个因素。
2020-09-28 cs.SI
Disinformation and Social Bot Operations in the Run Up to the 2017 French Presidential Election
研究人员、记者和联邦调查人员最近的报告得出了一个一致的结论：社交媒体被系统地利用来操纵和改变公众舆论。一些虚假信息活动是通过机器人来协调的，这些机器人是由计算机脚本控制的社交媒体账户，试图将自己伪装成合法的人类用户。在这项研究中，我们描述了2017年法国总统大选前发生的一次这样的行动。我们收集了2017年4月27日至5月7日（选举日）期间近1700万条帖子的大规模Twitter数据集。然后，我们开始研究MacronLeaks的虚假信息活动：通过利用机器学习和认知行为建模技术的混合，我们将人类与机器人分开，然后研究两组独立进行的活动，以及它们的相互作用。我们提供了机器人和与他们互动的用户的特征，并反对那些没有互动的用户。虚假信息采纳者的优先利益指出了这场运动很少成功的原因：与MacronLeaks接触的用户大多是对另类右翼话题和替代新闻媒体感兴趣的外国人，而不是具有不同政治观点的法国用户。总之，异常的账户使用模式表明，可能存在一个可重复使用的政治虚假信息机器人黑市。
2017-07-01 cs.HC cs.SI physics.soc-ph
And the Winner is ...: Bayesian Twitter-based Prediction on 2016 U.S. Presidential Election
Universitas Multimedia Nusantara（印尼多媒体努山达拉大学）
本文描述了一个基于Twitter数据的朴素贝叶斯预测模型，用于2016年美国总统大选。我们使用了自2015年12月16日至2016年2月29日收集的33，708条推文。我们引入了一种简单的数据预处理方法来标记数据和训练模型。该模型在10倍交叉验证中达到了95.8%的准确率，并预测特德·克鲁兹和伯尼·桑德斯分别成为共和党和民主党候选人。它达到了与竞争对手方法相当的结果。
2016-11-02 cs.CL cs.IR cs.SI
IdeoTrace: A Framework for Ideology Tracing with a Case Study on the 2016 U.S. Presidential Election
Rice University（莱斯大学）；University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）；Arizona State University（亚利桑那州立大学）
2016年美国总统大选被描述为一个极端分裂的时期，在假新闻、巨魔和社交机器人的影响下，社交媒体上的分裂加剧。然而，公众在选举过程中对这些影响的反应变得更加两极化的程度并不清楚。在本文中，我们提出了IdeoTrace，一个框架（i）共同估计的社会媒体用户和新闻网站的意识形态和（ii）随着时间的推移跟踪用户意识形态的变化。我们将这个框架应用到选举期间的最后两个月，一组47508 Twitter用户，并证明随着时间的推移，自由派和保守派用户变得更加两极分化。
2019-05-30 cs.LG cs.SI eess.SP
Prediction of the 2023 Turkish Presidential Election Results Using Social Media Data
Bogazici University（博阿齐奇大学）；Toronto Metropolitan University（多伦多都会大学）
本研究结合多平台社交媒体互动数量与传统民调数据，在不同时间窗口上比较多种模型以预测2023年土耳其选举各政党得票率，发现ARIMAX模型在所有时间窗口上表现最优。
2023-05-28 cs.LG cs.SI
Characterizing Online Engagement with Disinformation and Conspiracies in the 2020 U.S. Presidential Election
University of Southern California（南加州大学）
识别和定性社交媒体上政治话语中的虚假信息对于确保世界各地选举和民主进程的完整性至关重要。对社交媒体的持续操纵导致人们对2020年美国总统大选的担忧增加，因为它有可能影响个人意见和社会动态。在这项工作中，我们专注于识别扭曲的事实，在与选举相关的推文中以不可靠和阴谋的叙述形式，以描述选举前的话语操纵。我们应用一个检测模型来区分事实和不可靠（或阴谋）的说法，分析了2.42亿条与选举相关的推文的数据集。已确定的索赔用于调查有针对性的虚假信息主题和阴谋集团，最著名的是极右翼QAnon阴谋集团。此外，我们通过政治倾向和推文类型来描述与不可靠和阴谋推文以及与QAnon阴谋集团的账户互动。最后，使用回归不连续设计，我们调查Twitter的行动，以遏制QAnon活动的平台上是否有效，以及QAnon帐户如何适应Twitter的限制。
2021-10-20 cs.CY cs.LG cs.SI
2020 U.S. presidential election in swing states: Gender differences in Twitter conversations
University of South Carolina（南卡罗来纳大学）
在竞选期间，公众通常使用社交媒体来表达他们对不同问题的意见。在各种社交媒体渠道中，Twitter为研究人员和政治家提供了一个有效的平台，以探讨有关经济和外交政策等广泛主题的民意。目前的文献主要集中在分析推文的内容，没有考虑用户的性别。这项研究收集和分析了大量的推文，并使用计算，人类编码和统计分析来识别2020年美国总统大选期间发布的30多万条推文中的主题，并比较女性和男性用户讨论主题的平均权重。我们的调查结果基于广泛的主题，如税收、气候变化和COVID-19疫情。在话题中，超过70%的话题在女性和男性用户之间存在显著差异。
2022-07-14 cs.CL cs.SI
A Dataset of Fact-Checked Images Shared on WhatsApp During the Brazilian and Indian Elections
据报道，WhatsApp等消息应用程序最近被错误信息活动滥用，特别是在巴西和印度。WhatsApp中一种值得注意的滥用形式依赖于几个包含各种虚假故事的操纵图像和模因。在这项工作中，我们从大量WhatsApp公开访问的群组和事实核查机构网站中进行了广泛的数据汇集。这篇论文向研究界开放了一个新的数据集，其中包含通过WhatsApp共享的经过事实检查的假图像，用于两种不同的场景，即2018年巴西选举和2019年印度选举。
2020-05-05 cs.CY cs.SI
Examining Factors Associated with Twitter Account Suspension Following the 2020 U.S. Presidential Election
在线社交媒体使人们能够就许多社会政治问题进行大众化、透明化和民主化的讨论。由于这种开放性，这些平台经常遭受操纵和错误信息-导致负面影响。为了防止这种有害的活动，平台版主采取对策，以防止行为者违反他们的规则。然而，公开概述的政策和就业行动之间的相关性对普通人来说不太清楚。在这项工作中，我们研究了与2020年美国总统选举有关的违规行为和随后的节制在Twitter上的讨论，Twitter是一个受欢迎的微博网站。我们专注于量化合理的原因暂停，借鉴Twitter的规则和政策，通过识别暂停用户（案例），并比较他们的活动和属性与（尚未）非暂停（控制）用户。使用由2100万独立用户发出的2.4亿条与选举相关的推文的数据集，我们观察到，在所有考虑的方面-仇恨言论，攻击性，垃圾邮件和公民诚信-暂停用户违反Twitter规则的比率（统计学显著）高于控制用户。此外，通过Twitter的暂停机制的镜头，我们定性地检查有针对性的主题操纵。
2021-01-23 cs.SI
Measuring relative opinion from location-based social media: A case study of the 2016 U.S. presidential election
社交媒体已成为民意调查的新兴替代品，用于收集民意，但作为被动数据源，它仍然面临许多挑战，如无结构性，可量化性和代表性。带有地理标签的社交媒体数据为揭示表达意见的用户的地理位置提供了新的机会。本文旨在回答两个问题：1）是否可以从社交媒体获得可量化的民意测量，以及2）与民意调查相比，它是否可以产生更好或补充的措施。本研究提出了一种新的方法来衡量Twitter用户对公共问题的相对意见，以适应更复杂的意见结构，并利用地理有关的公共问题。为了确保这种新措施在技术上可行，开发了一个建模框架，包括通过采用最先进的方法构建训练数据集，并设计了一种新的深度学习方法，称为Opinion-Oriented词嵌入。通过对2016年美国总统大选中所选推文的案例研究，我们展示了我们相对观点方法的预测优势，并展示了它如何帮助视觉分析和支持观点预测。虽然相对意见措施被证明是更强大的民意调查相比，我们的研究也表明，前者可以有利地补充后者的意见预测。
2020-04-20 cs.CY cs.SI physics.soc-ph
Unearthing a Billion Telegram Posts about the 2024 U.S. Presidential Election: Development of a Public Dataset
University of Southern California（南加州大学）
本研究开发了一个包含2024年美国大选相关10亿条Telegram消息的公开数据集，用于分析政治讨论和社会动态。
2024-10-31 cs.SI
Faces Speak Louder Than Words: Emotions Versus Textual Sentiment in the 2024 USA Presidential Election
本研究通过分析2024年美国总统大选期间的Instagram帖子，比较面部表情与文本情感，发现两者一致，且面部表情在政治事件中提供额外信息，并揭示了党派利用情绪的策略。
2025-03-25 cs.SI
Online Misogyny Against Female Candidates in the 2022 Brazilian Elections: A Threat to Women's Political Representation?
本研究分析2022年巴西选举中1000万条针对女性候选人的推文，发现年轻、左翼和高知名度候选人受更多厌女攻击，且攻击增加导致其后续推文减少，威胁女性政治参与。
2024-03-16 cs.SI
Reputation analysis of news sources in Twitter: Particular case of Spanish presidential election in 2019
假新闻正在影响很大一部分人口，甚至成为社会的危险。大多数情况下，这种虚假信息流通过互联网发生。意识到这个问题，在这项工作中，我们提出了一个综合指标，衡量用户在Twitter上的声誉，以分析在这个社交网络的内容的可信度。为了显示指标效用，我们分析了2019年至2020年西班牙一些政治话题的数据，我们已经检查了机器人在新闻传播中发挥的决定性作用，以及正如预期的那样，关于事件可信度的流行度和声誉报告之间的联系。
2022-01-21 cs.SI stat.AP stat.ME
Swinging in the States: Does disinformation on Twitter mirror the US presidential election system?
十多年来，学者们一直在研究社交媒体上与社会事件相关的虚假信息流，例如，选举在本文中，我们分析了与美国2020年大选前辩论相关的Twitter流量，并询问它是否反映了选举制度。美国的选举制度规定，无论实际的选票差距如何，在一个州获得更多选票的总理候选人都会“拿下”那个州。对这一制度的批评指出，竞选活动可能会在特别关键的州更加激烈，以取得胜利，所谓的{ \it摇摆州}。我们的直觉是，当选举辩论与摇摆州联系在一起时，它可能会在Twitter上引起更多的流量，而且可能会受到更多错误信息的困扰。结果基本上证实了直觉。大约88%的流量可以与摇摆状态相关联，并且在摇摆相关流量中，与安全相关流量中相同类型的新闻相比，不可信新闻的链接被共享得更多。相反，考虑到流量来源，由自动账户（所谓的社交机器人）生成的不可信推文大多与摇摆州有关。我们的工作揭示了选举系统在在线辩论的演变中所扮演的角色，在聚光灯下，虚假信息和社交机器人。
2023-03-22 cs.SI
On the Influence of Twitter Trolls during the 2016 US Presidential Election
一个被广泛接受的事实是，在2016年美国总统大选期间，国家赞助的Twitter账户传播了数百万条含有错误信息和煽动性政治内容的推文。这些所谓的“巨魔”账户的社交媒体活动是否能够操纵公众舆论仍然是一个问题。在这里，我们的目标是通过分析来自990万用户的1.525亿条推文（包括822个巨魔账户）来量化巨魔账户的影响力及其对Twitter的影响。在美国大选期间收集的数据，包含原始巨魔推文，然后被Twitter删除。从这些数据中，我们构建了一个非常大的交互图;一个有向图，包含930万个节点和1.699亿条边。最近，Twitter发布了与俄罗斯，伊朗和委内瑞拉有关的8，275个国家赞助帐户的错误信息活动的数据集，作为对2016年美国大选外国干涉调查的一部分。这些数据作为我们数据集中巨魔用户的真实标识符。使用图形分析技术，我们有资格的网络和媒体的背景下，已共享的巨魔帐户的扩散级联。我们提出了强有力的证据，证明真实的用户是病毒级联的来源。水军虽然也参与了这场病毒传播，但并不占主导地位，真正有影响力的水军账号只有四个。
2019-10-03 cs.SI
Visual Political Communication in a Polarized Society: A Longitudinal Study of Brazilian Presidential Elections on Instagram
University of Amsterdam（阿姆斯特丹大学）；Federal University of Sao Paulo (Unifesp)（圣保罗联邦大学）；Johannes Gutenberg University Mainz (JGU)（美因茨约翰内斯古腾堡大学）；Dublin City University (DCU)（都柏林城市大学）
本研究结合计算与定性方法，分析巴西两届总统选举候选人的Instagram帖子，揭示其视觉传播的一致模式与本土特征，阐明该平台在极化选举中的作用并提出未来研究方向。
2024-03-09 cs.AI cs.CV cs.CY
Unfiltered Conversations: A Dataset of 2024 U.S. Presidential Election Discourse on Truth Social
本研究发布了涵盖Truth Social平台2024年美大选相关的150万条帖子等内容的数据集，为研究另类技术平台政治言论、信息传播等提供资源。
2024-11-02 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
Shifting Polarization and Twitter News Influencers between two U.S. Presidential Elections
基于2016与2020年美国大选期间数亿条推文，研究政治信息扩散和影响者构成，发现双方极化加剧、顶级影响者更替率高且媒体影响者部分被政治及无隶属影响者取代。
2021-11-03 cs.CY cs.SI
Did State-sponsored Trolls Shape the 2016 US Presidential Election Discourse? Quantifying Influence on Twitter
本研究通过分析2016年美国大选期间1.525亿条推文与大型交互图，量化国家支持的巨魔账号在Twitter的影响力，发现普通用户是网络传播主力，但巨魔账号平均影响力远超普通用户，且高排名普通账号的封禁比例引发真实性质疑。
2021-04-14 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
Dynamic Allocation of Crowd Contributions for Sentiment Analysis during the 2016 U.S. Presidential Election
Boston University（波士顿大学）
关于2016年美国总统候选人的意见已经在数百万条推文中表达出来，这些推文很难自动分析。众包政治推文的有效分析也很困难，因为当涉及讽刺时，评级者之间存在很大的分歧。每条推文通常由固定数量的工人和多数投票进行分析。我们在这里提出了一个众包框架，而不是使用工人数量的动态分配。我们探索了两种动态分配方法：（1）根据预测的识别特定推文的情感的难度离线计算被查询以标记推文的工人数量。(2)在迭代的众包过程中，基于标签之间的评分员协议，众包工作者的数量是在线确定的。我们将我们的方法应用于2016年2月收集的关于四位美国总统候选人克林顿，克鲁兹，桑德斯和特朗普的1,000条Twitter消息。我们使用决策树实现了这两种方法，这些决策树将更多的人群努力分配给预测为讽刺的推文。我们表明，我们的框架优于传统的静态分配计划。它以低得多的成本从人群中收集意见标签，同时保持标签的准确性。
2017-02-09 cs.CL cs.HC cs.SI
Under the Conditions of Non-Agenda Ownership: Social Media Users in the 2019 Ukrainian Presidential Elections Campaign
由于其历史和具有挑战性的情况下，社交网络社区在乌克兰是一个非常有趣的多边形的通信研究在不断变化的环境中，特别是在政治话语。这种独特的环境需要从三个方面来确定其参与者的政治立场。但2019年的总统选举使这一目标更加引人注目。选举获胜者喜剧演员沃洛德米尔泽连斯基达到73%的选票没有任何问题的所有权，与空的议程，这影响了选举内容的社交网络和他们的作者的行为。我们看到，其他候选人的问题所有权成功地使他们的问题在社交网络中更加突出。但新的现象，即非议程所有权，克服了任何意识形态的影响，特别是在惩罚机制适用于旧政治家的条件下。通过分析两轮选举之间的社交媒体内容和用户行为，我们发现这场竞选活动与2016年特朗普竞选活动之间存在相当大的重叠。我们批准了广泛的过滤泡沫，负面竞选信息，假新闻和阴谋论。乌克兰Facebook的活跃和强大的核心，负责尊严的革命，现在变得不那么重要，甚至变成了活跃的人的巨大过滤器泡沫。我们还证明，在私人团体的环境中，操纵和假新闻可能与基于意见领袖的经典传播案例一样强大。
2019-09-04 cs.CR cs.CY cs.SI
A sentiment analysis of Singapore Presidential Election 2011 using Twitter data with census correction
Singapore Management University（新加坡管理大学）；School of Information System（信息系统学院）
情感分析是文本分析中的一个新领域，它侧重于从文本模式中分析和理解情感。这种新的分析形式已被广泛应用于客户关系管理，特别是在投诉管理方面。随着人们对这项技术的兴趣越来越大，越来越多的公司正在采用它，并利用它来支持他们的营销工作。然而，由于抽样偏差，使用twitter进行情感分析仍然非常困难。在本文中，我们将讨论使用重新加权技术结合在线情感划分来预测单个候选人将获得的投票百分比的应用。将深入讨论使用情感分析来预测结果的各个方面，以及由于互联网的匿名性而导致的估计中的潜在陷阱。
2011-08-29 cs.CL cs.SI stat.AP
Uncovering Coordinated Cross-Platform Information Operations Threatening the Integrity of the 2024 U.S. Presidential Election Online Discussion
研究揭示了2024年美国总统选举中跨平台信息作战行为，通过机器学习检测协调不真实账号，发现其通过社交媒体传播误导信息并影响选举完整性。
2026-10-05 cs.CY cs.SI
Stylized facts in Brazilian vote distributions
选举，特别是在像巴西这样拥有1亿选民的国家，产生大规模的数据集，其中包含关于个人相互影响和作出选择的动态的宝贵信息。在这项工作中，我们进行了广泛的分析数据集可用于巴西比例选举的立法者和市议员在整个1970年至2012年期间，其中包括两个不同的政治制度：军事独裁和民主阶段。通过收到$v$选票的候选人数量的分布$P(v)$，我们对同一日历中的不同选举进行了比较分析，并作为时间的函数。分布$P(v)$呈现幂律指数$α$的无标度区，该指数不具有普适性，似乎是选民的特征。此外，我们观察到$α$通常随时间增加。我们提出了一个多物种模型，包括在一个系统的非线性微分方程的随机参数，允许理解的经验观察。我们的结论是，幂律指数$α$构成的选民互动的反馈程度的措施。了解人口的互动性，不仅与选举有关，因为在其他社会传染过程中也可能发生类似的反馈。
2015-10-02 cond-mat.stat-mech cs.SI physics.data-an
Persistence in voting behavior: stronghold dynamics in elections
个人之间的影响是集体社会现象的核心，如思想、信仰或行为的传播、社会学习和创新的传播。已经提出了不同的机制来实现社会模型中的代理间的影响，从选民模型，多数规则，到格兰特模型。在这里，我们朝着这个方向前进，面对最近推出的社会影响力和经常性流动性（SIRM）模型，再现在不同的地理水平，在美国总统选举中的数据的投票份额的一般特征。我们的方法将空间和人口多样性作为观点动力学的输入，而个人的流动性提供了一个代理的社会背景，和同伴模仿帐户的社会影响。该模型捕捉到观察到的静态背景波动的选票份额跨县。我们研究所谓的政治据点，即，一个政党的投票份额系统地高于平均水平的地方。通过对投票空间分布波动的时间持续性的定量定义，对1980-2012年美国总统选举的结果进行了分析。我们比较选举结果与SIRM模型获得的模拟发现一个很好的协议，无论是在数量和据点的位置。在SIRM模型中还系统地描述了据点的持续时间。这些结果与选举结果数据相比较，显示出据点的持久性随时间呈指数衰减。
2015-03-23 cs.SI physics.soc-ph
Why polls fail to predict elections
在过去十年中，我们目睹了传统民意调查在预测世界各地总统选举结果方面的失败。为了了解这些失败背后的原因，我们分析了一个值得信赖的民意调查机构的原始数据，该机构未能与其他民意调查机构一起预测2019年阿根廷令人惊讶的总统选举，这导致了该国的重大市场崩溃。对选举前后进行的纵向调查的原始数据和重新加权数据的分析显示，明显的偏见（超出众所周知的低应答率）与人口的错误代表有关，最重要的是，与社会期望偏见有关，即，受访者倾向于隐藏他们投票给有争议的候选人的意图。然后，我们提出了一种基于社交媒体大数据分析、机器学习和网络理论的纵向意见跟踪方法，克服了传统民意调查的局限性。该模型在2019年阿根廷选举中获得了准确的结果，预测候选人阿尔贝托·费尔南德斯（Alberto Fernández）对总统毛里西奥·马克里（Mauricio Macri）的压倒性胜利;该国的传统民意调查机构都无法预测这一结果。除了预测政治选举之外，我们提出的框架更具普遍性，可用于发现社会趋势;例如，人们对经济，教育或气候变化的看法。
2021-01-27 cs.SI
