Mar, 2015

在线政治参与媒体的网络极化的意识形态和时间要素

PDF
TL;DR本文分析了瑞士政治活动的在线平台 politnetz.ch 中政治家的数字痕迹，并将网络极化定义为党内凝聚力与党间连接性的水平，揭示了支持层与政党倾向之间的强烈极化结构，同时分析了每个政党的内部社交网络，并发现它与其意识形态有关。此外，研究还表明，多党制中两个政党在意识形态空间中越接近，其连接性也越高。
发现论文，激发创造
  • 在线平台上社会组织和政治极化的量化

    通过神经嵌入技术对 Reddit 14 年间 5.1B 评论的社区结构进行了研究，发现在 2016 年美国总统选举后，Reddit 出现了明显的政治极化，尤其是右翼用户的活动量增加导致的。个体级的极化是罕见的，政治极化可以通过考察单个用户的行为预测，可能因外部事件而发生。

    Oct, 2020

  • Twitter 上极化的长期分析

    通过分析近 8 年来 679,000 个用户在 Twitter 上的行为，研究表明社交媒体在政治话语形成中扮演了重要角色，同时也加剧了政治两极化现象。该研究是少数具有长期展望的，涵盖两次美国总统选举和两次中期选举的罕见纵向分析之一。

    Mar, 2017

  • 国会的政党极化：一种网络科学方法

    使用网络科学中的模块性概念来测量美国国会中的极化程度，模块性提供了一个概念上清晰的，不对党派系统结构或立法者效用形状做出限制性假设的极化度量，我们展示出现有的极化度量方法低估了弱党派结构时期的极化，并且模块性是预测多数党变化的显著因素，两个与模块性有关的变量对众议院个别成员连任成功显著，我们的研究结果表明，模块性可以作为早期预警机制及时感知群体动态变化，然后通过党派标签的变化反映出来

    Jul, 2009

  • 政治意识形态与政策立场的极化：一种多维度方法

    研究新闻媒体的意识形态倾向与分化对于推进当代政治的理解至关重要。本文提出一种新颖而细粒度的意识形态研究方法，利用在左右方向上的立场来分析问题，并介绍了第一个描绘意识形态多维度构建并由政治科学家和语言学家进行标注的新闻文章文本数据集。通过控制作者立场，我们的方法可以量化地测量并研究多维度的意识形态距离与变化。本文进一步提出了基于模型的意识形态预测，这与基于立场的检测是一个挑战性的研究任务。

    Jun, 2021

  • 建模社交媒体帖子的政治取向：一项扩展分析

    通过使用新闻媒体偏见和帖子内容来标记社交媒体帖子的两种启发式方法，以及与随机抽取的人工标注数据集进行比较，我们展示了当前机器学习模型在预测社交媒体帖子的政治倾向方面的改进性能，采用传统的监督学习和少样本学习设置。

    Nov, 2023

  • 利用图神经网络和结构稀疏性建模极化在线群体中的意识形态突出和框架

    本研究提出了一种利用 Reddit 讨论区网络结构检测极化概念的最小监督方法，通过将道德心理学的见解融入到覆盖显著性和框架两个方面的极化模型中，以结构疏密学习与图神经网络相结合的架构为基础，捕捉右翼和左翼激进化等时态意识形态动态的概念和子讨论区的表征。

    Apr, 2021

  • 数百万次联合购买和评论揭示了极化和生活方式政治在在线市场的传播

    在亚马逊的 82.5M 评论数据和 9.5M 产品元数据的基础上进行研究，发现文化产品比任何其他产品都更加极化，探讨了生活方式政治在市场方面的表现形式以及其原因和影响。

    Jan, 2022

  • 多维主题空间中极化意识形态观点的出现

    本文提出了一种基于多维空间，通过社会交互和共性原则的思想演化模型，解释了意见形成的意识形态现象，通过越来越具有争议性的主题，人们倾向于和相似观点的人互动，从而导致了意识形态的出现。

    Jul, 2020

  • 党派语言使用中的道德共识与分歧

    研究通过分析 Reddit 社群和新闻媒体等大规模真实语言使用数据，使用词嵌入模型发现了政治性语言中存在的情感分化模式以及与七个政治话题相关的词语的语义关联，揭示了跨党派界限的道德联想差异，这些结果强调了虽然在政治谱系上有着共享的道德理解，但仍然存在着塑造党派语言并潜在加剧政治极化的一致差异。

    Oct, 2023

  • 在 Twitter 上表征宣传网络：案例研究

    本文采用数据驱动方法研究推特上的政治信息传播、社群结构、和推手角色，发现推特政治信息的传播和用户的关联会形成高度政治派别结构，相对应的，节点中心度数据值得进一步关注。

    May, 2020