网络媒体偏见的量化分析：声音比以往更多吗？
本文提出了基于引用模式的框架来量化和表征媒体偏见程度，采用低秩空间编码偏见模式分析政治媒体覆盖结构，揭示了潜在的媒体偏见空间，展示了不同类型的媒体机构在报道相同事件时呈现不同的现实。
Apr, 2015
研究表明，媒体的政治偏见会影响受众的政治信仰及投票行为。通过三个手动注释的数据集及不同的可视化策略测试，结果表明手动注释偏见的可视化比框架可视化更有效。通过多层次模型，可以发现记者的偏见与文章的政治极端性和公正性有显著联系。
May, 2021
本研究提出了一种框架来量化搜索系统中源自不同来源的偏见，并将其应用于 Twitter 上与政治相关的查询，发现无论是输入数据还是排名系统都会显著地在搜索结果中产生不同程度和不同方式的偏见，并讨论了这些偏见的后果以及社交媒体搜索系统界面中信号偏见的可能机制。
Apr, 2017
通过分析 500k 篇美国在线新闻文章中存在的社会偏见类型，使用考虑了嵌入表示问题的多种算法以及 WEAT，比较了这些算法在新闻文章中训练的模型所表示的期望社会偏见，结果发现标准偏差检测方法与心理学知识并不一致，而新提出的算法虽然减轻了这种差距，但仍然无法完全匹配这些文献。
Nov, 2022
本文提出了一个启发式方法来将社交媒体帖子分类为五个不同的政治倾向类别，通过在 Twitter 和 Gab 这两个具有不同政治意识形态的社交媒体数据集上利用现有时间序列预测模型，我们的工作旨在为预测社交媒体平台中的政治偏见的挑战和机会提供启示，最终要为在数字领域减轻政治偏见的负面影响开发更有效的策略铺平道路。
Sep, 2023
本研究利用一个新的、基于 6964 篇新闻文章的辅助指标标签的语料库，开发了一种神经模型对新闻文章中的政治偏见和不公平进行分析，并从单词到整篇文章的不同层次的文本粒度发现了深刻的偏见模式。
Oct, 2020
通过对媒体的语言和社会背景进行分析，我们通过整体媒体特征对新闻机构进行刻画从而自动检测出可能的 “假新闻”，并且将多种信息来源进行整合可以得到更好的结果。
May, 2020
本研究分析近十年来 CNN 和福克斯新闻的关闭字幕及 Twitter 上语篇信息，探讨语言表述在电视和社交媒体之间的关系，研究结果表明不同播出平台的语义极化现象与趋势出现了较大的差异，尤其是 2016 年之后，两个频道的讨论话题在语义上的差异越来越显著，这种语言上的分化在很大程度上塑造了 Twitter 上的语义互动。
Jan, 2023
通过采用多重对应分析 (MCA) 测量及洞悉 2014 年至 2022 年间 1.8 百万份美国主要媒体新闻头条的语义差异，该研究发现美国国内政治和社会问题的媒体报道存在一定程度的媒体偏见，而外交报道的偏差主要来自个人的新闻风格多样性，而在经济问题的报道上，美国媒体呈现出一致性和高度相似性。
Mar, 2023
该论文回顾了关于政治群体行为的 Twitter 研究文献，发现这些文献缺乏标准化方法，并且常常没有清晰的社会或政治理论支持，也没有充分证明其方法的有效性，因此需要在这些方面继续探索。
May, 2016