Mar, 2014

在社交媒体中量化信息过载及其对社交传染的影响

PDF
TL;DR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。
information overloadsocial mediaquantitative studyinformation processing behaviorssocial contagions
发现论文，激发创造
  • 可见性和分心对社会传染的限制

    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

  • 信息传染：基于 Digg 和 Twitter 社交网络新闻传播的实证研究

    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

  • 社交传染的简单规则

    本文研究了信息传播的社会传染模型，并通过对两个不同的社交媒体网站 Twitter 和 Digg 的用户响应进行比较，证明了信息暴露的位置对社会传染的影响非常大。通过考虑信息在用户界面上的可见性，可以显著简化社会传染的动态模型，并且发现信息暴露次数和主动搜索信息的概率成正比。最后，本文将该模型应用于用户行为的实时预测。

    Aug, 2013

  • 大规模紧急情况下的社交媒体信息处理：一项调查

    本文综述了关于应用于应急响应情境下的计算方法处理社交媒体信息的现状，重点研究了从事件检测到行动可用摘要创作的一系列关键子问题。

    Jul, 2014

  • 量化情感在社交媒体信息扩散中的影响

    本文旨在量化情感对信息传播的影响，从而了解内容情感在社交媒体上的传播如何受时间动态的影响。研究发现，在单独的内容层面上，负面信息比积极信息更容易传播，但是积极信息能够触及更多的观众。同时，针对整个对话框架，不同的时间动态可能展现出不同的情感模式。这项研究成果有助于改善在线社交媒体内容的生成与传播方针。

    Jun, 2015

  • COVID-19 社交媒体信息疫情

    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

  • 社交网络信息疫情对抗新冠病毒 COVID-19 大流行的关键影响：基于 Twitter 的研究及未来方向

    通过大规模数据采集和分析，本文发现新冠疫情期间社交媒体的信息泛滥现象（infodemic）给医疗建议和经济造成了负面影响，因此应采取危机管理和社交网络管理策略，确保信息可靠和可信。

    May, 2020

  • 基于内容动态的信息论影响度量

    本研究提出了一种信息理论措施，称为内容转移，可直接量化一名用户对另一名用户内容的影响力，该措施能够捕捉到非平凡的预测关系，即使对于未在追随者或提及图表中连接的用户对也是如此，因此可以使大量以前未被充分利用的社交媒体内容可供严格的统计因果分析。

    Aug, 2012

  • 信息串联中的信息扭曲

    通过对医学研究论文中信息传播的模拟与研究，发现迭代式摘要具有虚假扭曲的负面影响，而在迭代摘要过程中产生高质量摘要可以减少信息失真。此外，该研究还发现提取式摘要比生成式摘要更少受语义失真的影响。

    Feb, 2019

  • 评估 COVID-19 疫情响应中 “信息疫情” 的风险

    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