本文探讨了在 Facebook 平台上科学和阴谋论社群的演化和情感行为对社群动态的影响。研究结果显示，用户对社群的参与程度和使用者情感行为对社群的演化有显著影响，越参与社群的使用者更容易表现出负面情绪，并且更活跃的用户比不活跃的用户更容易表现出负面情绪。

Jun, 2016

通过对 Reddit 上 2016 年美国总统选举辩论的研究，我们发现用户之间存在交错的政治对话，与传统回音室观点相反，并探讨了可能的社会人口学影响。

Feb, 2021

本研究通过 Social Mirror 流行网络可视化工具在 Twitter 上的随机试验，发现建议用户关注相反政治意识形态的帐户能够减少用户对自己社交网络联系的政治同质性的信念，但仍可在治疗后一周增加他们的联系多样性，而增强其对 Twitter 联系的政治同质性的信念的维持则会使用户在治疗后 2-3 周的联系多样性逐渐减少。

Mar, 2018

本文研究了社交媒体上自我封闭和观点极化的机制，通过引入激进化动力学模型，在不同的主题和社交状态下发现了社交影响和话题争议度对极化的影响，对社交媒体上自我封闭和观点极化的机制提出了新的见解。

Jun, 2019

社交媒体用户通过分享包含错误信息的帖子或对有争议的话题发表无根据的论点来推动在线上的错误信息传播，在回声室中，由同质性和信息传播中的偏见推动，用户的观点通过与志同道合的同伴重复交互得到加强，本研究探讨了如何通过语言使用来调解围绕错误信息的对话，比较了对话和用户社区内外的多种语言度量，如内外群暗示、可读性和话语连接词，我们的研究发现，在讨论错误信息的回声室中增加了群体身份信号和处理流利度，我们还讨论了这些广泛趋势在不同话题和环境影响下的特点。

Apr, 2024

本文提出了一个基于 Monte Carlo 模拟的框架来评估人们推荐算法对意见演变的影响，结果发现人们推荐算法确实会导致峡谷效应显著增加，但仅在网络中有相当数量的同质性的情况下发生。

Dec, 2021

本文研究了社交媒体上的政见共鸣箱现象，通过比较社交媒体用户分享和接收内容的政治倾向度量，发现 Twitter 用户往往暴露于认同自己政见的政治观点之中，并探讨了试图打破共鸣箱的网络中介者的困境与关键色彩，同时研究了消费多元观点但产出片面政治观点的 “关键人物” 在共鸣箱形成中的作用，并应用了这些发现来预测社交媒体上的分裂者和关键人物。

Jan, 2018

在线社交网络中的回音室问题、极化以及 AI 代理人的意见转变是本研究的主要内容。通过实验证明 ChatGPT 等语言模型在回音室环境中容易产生极化，并发现个体特质等因素对其极化倾向有显著影响。需监控这些影响因素以防止 AI 代理人的极化。

Feb, 2024

该研究分析了社交媒体上针对科学和阴谋新闻的集体讨论和极化社区之间的情感动态，发现阴谋性文章的社交互动更倾向于负面评论，而随着评论数量的增加，文章的情感呈负面趋势。

May, 2015

本研究分析了三个流行的在线社交网络上超过 680 万用户发布的超过 3200 万篇帖子，发现仇恨言论传播更多取决于仇恨分子的互动和信息扩散，而不是被单独定位的仇恨内容，这种凝聚力主要通过 “回音室” 互动中用户之间的相互作用进行扩大。

Feb, 2023