研究社交媒体信息扩散的速度和范围，认为信息的新奇性、用户活动水平、注意力集中和对好友推荐的反应等因素影响信息扩散，用户的所花的最小努力与有限的注意力是信息扩散中的支配性原则，高度连接的个体不太可能传播任意推文，高连接度并不一定导致信息有效传播。

May, 2012

通过分析两个社交新闻站点的数据，研究表明社交网络在信息传播中发挥关键作用，网络结构影响信息流动的动力学。

Mar, 2010

本研究通过分析 Twitter、Instagram、YouTube、Reddit、Gab 等社交媒体平台上信息扩散的情况，探讨了 COVID-19 话题的传播情况，并运用流行病学模型分析了每个社交媒体平台在信息传播方面的表现，发现每个平台都存在不同程度的虚假信息和谣言传播，但可靠和可疑来源的信息传播模式并无不同。最后，该研究提供了各社交媒体平台特定的谣言放大估计数值。

Mar, 2020

本论文综述了对社会传染病进行的研究，提出了人际社交网络可能表现出 “三度影响” 的属性，还回顾了社交网络数据中使用的统计方法以及当前的局限性，强调了发展新的方法来识别社交网络数据中的因果效应的重要性。

Sep, 2011

本文研究在线社交网络中的信息传播，包括在一项大规模实地实验中，随机暴露于关于朋友信息分享的信号的 2.53 亿名受试者，发现那些接受信号的人更有可能更快地传播信息。同时，研究了强弱关系在信息传播中的作用，发现尽管强联系人更有影响力，但更丰富的弱联系人负责传播新信息。这表明，弱联系人在网络信息传播中可能比当前认为的更占主导地位。

Jan, 2012

本文通过一项大规模定量研究，探究了信息过载在社交媒体以及特别是 Twitter 中的影响，并通过时间戳数据揭示了社交媒体用户信息处理的关键特性和信息处理速率，以此推断用户是否受到信息过载的影响。研究发现，最活跃和最受欢迎的社交媒体用户往往是过载的，而接收信息的速度也会影响用户的信息处理行为和社交散布的传播效果。

Mar, 2014

本文基于多重网络提出了一种基于接触的信息传播模型，分析了疫情式社会传染的临界点与最大特征值的关系，并在实际情况下应用该理论框架分析了信息传播。同时，指出当信息传播系统本质是多重时，使用不同层聚合而成的图会产生缺陷。

Jul, 2013

通过分析世界各地发布的超过一亿条推特信息，研究人员发现在 COVID-19 大流行期间，波动的不可靠和低质量信息可以引发社会不合理行为和严重的公共卫生威胁， 而人们对虚假信息的反应表现出可以通过充分的沟通策略来缓解的早期警告信号。

Apr, 2020

研究了信息传播的网络结构如何影响内容的扩散，发现内容是否属于复杂型病毒会影响其在高度聚集的社区内的传播，同时影响跨社区的传播。提出一种能预测内容将被传播多远的实用方法，通过社区结构的数据转化出预测知识，进而在社交媒体分析和营销应用等方面有显著进展。

Jun, 2013

使用 COVID-19 infodemic 的多平台数据，我们发现其在线传播涵盖了不同的动态机制，这种情况允许原本可能消失的材料进化甚至变异，并使网络成为迅速传播虚假 COVID-19 治疗、反亚洲情绪和阴谋论的超级传播者。我们提出了一种新的工具来防止不同尺度的 Infodemic 蔓延。

Aug, 2020