Evolution of Digital Advertising Strategies during the 2020 US Presidential Primary
近年来，随着竞选活动采用针对支持者和潜在选民的新方式，数字平台上的政治广告急剧增长。先前的研究表明，数字广告通过增加选民的知识和参与对民主政治产生了积极影响，并通过用户操纵，意见回声室和减少隐私产生了负面影响。然而，对竞选战略的研究主要集中在传统媒体，如电视。在这里，我们通过分析2020年初选周期美国总统竞选活动的广告策略，研究政治竞选动态如何演变以应对数字媒体的增长。为了确定地理和时间趋势，我们对Facebook上发布的近60万条广告的竞选支出进行了回归分析。我们发现，在转移到提前初选的州之前，竞选活动在“隐形初选”阶段主要针对候选人所在州的选民。
2020-12-10 cs.CY
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
Understanding Political Divisiveness using Online Participation data from the 2022 French and Brazilian Presidential Elections
本文基于2022年法国和巴西总统选举在线政策组合实验，提出与传统聚合函数不相关的分歧性度量，以识别两极化提案并补充数字直接民主中的偏好聚合。
2023-10-25 cs.CY cs.GT
Fringe News Networks: Dynamics of US News Viewership following the 2020 Presidential Election
Carnegie Mellon University（卡内基梅隆大学）；Maulana Abul Kalam Azad University of Technology（毛拉纳·阿布·卡拉姆·阿扎德理工大学）
在过去几十年中，美国选民日益增长的政治两极分化已经得到了广泛的研究和记录。在唐纳德·特朗普总统执政期间，对“假新闻”的指控使社交和新闻媒体不仅成为政治传播的手段，而且在前所未有的程度上成为政治传播的话题。使用2020年11月3日美国总统大选之前的数据，最近的工作证明了使用YouTube的社交媒体生态系统来深入了解美国政治极化程度以及这种极化与不同美国新闻网络提供的内容和评论性质之间的关系的可行性。本文以此为背景，考察了从美国总统大选到1月6日美国国会大厦发生暴力事件的64天里，新闻消费者与“边缘”新闻媒体之间的关系发生的急剧转变。本文提出了两种不同类型的贡献。首先是引入一种新的方法来分析大型社交媒体数据，以研究社会政治新闻网络及其观众的动态。第二个是提供关于美国政治社交媒体渠道及其观看率在这动荡的64天期间实际发生的事情的见解。
2021-01-22 cs.CL cs.CY
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
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
Identity Collapse? Realignment of Taiwanese Voters in the 2024 Presidential Elections on Social Media
本研究利用超百万条社交媒体帖子，分析2024年台湾选举中选民在四候选人竞争下的重新结盟，发现替代候选人吸引边缘认同者，内群体引用参与度更高，并探讨国家与党派认同错位对裂痕的弥合作用。
2023-10-10 cs.CY cs.HC
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
On Detecting Policy-Related Political Ads: An Exploratory Analysis of Meta Ads in 2022 French Election
在线政治广告已经成为政治运动的基石。美国仅用于政治广告的预算从2017-2018年美国选举周期的7亿美元增加到2020年美国总统选举期间的16亿美元，增幅超过100%。自然，在线平台提供的带有政治内容的微目标广告的能力一直令立法者、记者和在线平台感到担忧，特别是在2016年美国总统大选之后，剑桥分析公司针对选民投放了与其个性相符的政治广告，以遏制此类风险，在线平台和监管机构（通过欧盟委员会提出的DSA法案）已经同意，研究人员，记者，公民社会需要能够仔细审查大型在线平台上的政治广告。因此，在线平台，如Meta和谷歌已经实施了广告库，其中包含有关在其平台上运行的所有政治广告的信息。这是漫长道路上的第一步。由于可用数据量大，无法手动浏览这些广告，我们现在需要自动化的方法和工具来协助审查政治广告。在本文中，我们专注于与政策相关的政治广告。了解政治家或组织推动哪些政策以及向谁宣传，对于确定不诚实的陈述至关重要。本文提出了基于预训练模型的自动化方法，用于对比较议程项目（CAP）确定的14个主要政策组中的广告进行分类。我们讨论了出现的几个固有挑战。最后，我们分析了2022年法国总统选举期间Meta平台上与政策相关的广告。
2023-02-14 cs.CY
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
Comparative analysis of the government plans of the Peruvian presidential candidates, SDO(UN) and State Policies of the National Agreement based on NLP
在任何一个城市或国家，对政党选举期间的政府提案进行分析对于选择下一届政府至关重要。在本文中，我们使用文本挖掘的方法来分析的文件，并提供一个简单的可视化，以支持一个简单的分析。此外，还利用自然语言技术与基于联合国2030年议程可持续发展目标的国家规划进行了比较。
2021-04-05 cs.CY
Predicting the winner of the US 2024 elections using trust analytics
本研究采用计算社会科学方法，通过分析社交媒体上公众对候选人品格的信任/不信任评价，借助TrustAn工具发现Harris与Trump选情胶着，最终基于信任不信任比值及变化预测Trump赢得2024年美国大选。
2025-10-22 cs.CY
ElectionSim: Massive Population Election Simulation Powered by Large Language Model Driven Agents
Fudan University（复旦大学）；Indiana University（印第安纳大学）；University of Rochester（罗切斯特大学）
本文提出ElectionSim，一种基于大型语言模型的选举模拟框架，利用百万级选民池和交互平台，并通过PPE基准验证其在美国总统选举模拟中的有效性与鲁棒性。
2024-11-06 cs.CL cs.CY cs.HC
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
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
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
Motivation, Attention, and Visual Platform Design: How Moral Contagions Spread on TikTok and Instagram in the 2024 United States Presidential Election
Dartmouth College（达特茅斯学院）
研究探讨了TikTok和Instagram上道德化内容的传播机制，发现平台架构、受众 demographics 和党派框架影响道德化议题的扩散模式。
2026-03-22 cs.CY cs.ET
Participation anticipating in elections using data mining methods
Universiti Teknologi Malaysia（马来西亚理工大学）；Science and Research Branch Islamic Azad University（伊斯兰阿扎德大学科学与研究分校）
预测人们的政治行为将大大有助于选举候选人评估他们成功的可能性，并承认公众选择他们的动机。本文利用KNN、分类树和朴素贝叶斯方法，以及基于crisp的预测工具orange，给出了总统选举参与预测系统的总体结构。为了测试和评估所提出的模型，我们开始使用的案例研究，选择100名合格的人谁参加第11届伊朗伊斯兰共和国总统选举，并预计他们在Kohkiloye和Boyerahmad的参与。我们表明，KNN可以进行预测和分类过程中，与其他两种算法相比，预测参与具有较高的准确性。
2013-07-29 cs.CY cs.LG
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
The Meme Is the Message: Generative Memesis and AI Visuals in the 2024 USA Presidential Elections
Program in Quantitative Social Science, Dartmouth College（量化社会科学项目，达特茅斯学院）；Department of Mathematics, Dartmouth College（数学系，达特茅斯学院）
本研究通过分析Instagram图像数据集，结合计算机视觉、大语言模型和面部情感分析，发现模因格式比AI生成内容更能预测用户参与度，但AI生成的模因与人类策展结合时产生协同效应，并定义了生成式模因作为AI介导的模因传播新模式。
2026-05-24 cs.AI cs.CY
Analysing Personal Attacks in U.S. Presidential Debates
School of Computer Science and Engineering, University of New South Wales（计算机科学与工程学院，新南威尔士大学）；School of Mathematics and Statistics, University of New South Wales（数学与统计学学院，新南威尔士大学）
针对美国总统辩论中的人身攻击问题，本文构建覆盖三届选举周期辩论文本的标注数据集，对比微调Transformer模型与通用LLM的检测效果，提出相关分析框架以助力政治传播研究。
2025-11-14 cs.CL cs.CY
LLMs' Leaning in European Elections
本文通过考察多个欧洲国家的虚拟选举，研究了多个 LLMs 的政治倾向，证实其普遍存在左翼倾向且该倾向与拒绝表态率在各国间均表现出非一致性。
2025-07-12 cs.AI cs.CY
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
Analyzing and Estimating Support for U.S. Presidential Candidates in Twitter Polls
本研究分析了2016和2020年美国大选期间近两千个Twitter民调，发现其存在偏向年长男性及Donald Trump的偏差，并证明通过回归和后分层可纠正偏差，使选举估计误差低至1%-2%。
2024-06-05 cs.CY cs.SI
Artificial Intelligence in Election Campaigns: Perceptions, Penalties, and Implications
University of Bamberg（班贝格大学）；National Taiwan University（国立台湾大学）；LMU Munich（慕尼黑大学）
该研究通过三项覆盖超7600名美国受访者的预注册实验，发现公众反感选举中的AI应用尤其欺骗性使用，但这并未降低涉事政党好感度，反而推动了对严格AI监管的支持，提示需针对性监管而非全面禁止。
2025-05-19 cs.AI cs.CY
Evidence of political bias in search engines and language models before major elections
Vermont Complex Systems Institute（佛蒙特复杂系统研究所）
研究通过审计四个搜索引擎和两个语言模型，发现其在选举前对政治实体和议题存在偏见，尤其在欧洲偏向右翼，在美国偏向共和党议题，语言模型则相对平衡但仍有右翼偏见。
2026-03-24 cs.CY
Mundus vult decipi, ergo decipiatur: Visual Communication of Uncertainty in Election Polls
选举调查报告往往侧重于平均值，而只是次要地讨论潜在的不确定性。后来的解释往往被说成是确定无疑的。此外，媒体报道很少充分考虑到现在和预测之间的差异。这些挑战在2016年和2020年美国总统选举中无处不在，但在德国等多党制国家也存在。我们讨论了在临近预报和预测中的潜在偏差来源，并回顾了基于调查的临近预报的视觉呈现的现行标准。概念提出来削弱错误感知的准确性的问题。我们讨论了多个视觉呈现技术的中心方面，在民意调查报告。一个关键的想法是使用事件的概率，而不是党的份额。所提出的想法提供了现代和改进的方式来沟通（变化）的选举情绪的一般媒体。
2021-04-28 cs.CY stat.AP
#Secim2023: First Public Dataset for Studying Turkish General Election
在土耳其即将举行议会和总统选举的背景下，社交媒体在塑造公共辩论方面发挥着重要作用。公民越来越多地参与社交媒体平台，导致政治行为体越来越多地使用社交媒体。报道即将举行的土耳其选举至关重要，因为社交媒体正成为国内和国际行为体进行选举宣传、政治辩论、诽谤活动和操纵选举的重要组成部分。我们为社交媒体研究人员提供了一个全面的数据集，以研究即将到来的选举，开发防止在线操纵的工具，并收集新的信息以告知公众。我们致力于不断改进数据汇集，并在选举前定期更新。使用Secim 2023数据集，研究人员可以检查政治参与者之间的社交和通信网络，跟踪当前趋势，并调查对选举诚信的新威胁。我们的数据集可在：https://github.com/ViralLab/Secim2023_Dataset
2022-11-22 cs.CY cs.IR cs.SI
Election Polls on Social Media: Prevalence, Biases, and Voter Fraud Beliefs
本研究考察2020年美国大选期间Twitter选举民调的普遍性与可靠性，识别人口统计、机器人及购买选票等偏差来源，并揭示其传播选民欺诈阴谋论的影响。
2024-05-22 cs.CY cs.SI physics.soc-ph
