本研究基于共 713,000 篇文章和 194 个来源的数据，分析了另类和主流媒体之间的内容共享。研究发现，这种内容共享发生在紧密形成的社区中，并且这些社区代表着媒体格局的相对同质性部分。尽管存在内容沉淀现象，特定来源如 The Drudge Report 混合来自主流和阴谋社区的内容。同时，虽然这些不同社区不总是分享新闻文章，但他们常常以竞争性和相互矛盾的叙事方式报道同一事件。总体而言，我们发现新闻在社区内是同质性的，在社区间则是多样的，营造着不同的同质化循环。

Apr, 2019

本研究使用感知哈希和聚类分析技术，并以 13 个月内从 Twitter、Reddit、4chan 和 Gab 收集的 26 亿帖子和 1.6 亿张图像的数据集为基础，检测和量化了多个网络社区间的互动传播效果，揭示了网络社区间恶意并极具争议的热门、多样的互联网模因，展示了如何使用霍克斯过程来模拟网络社区之间的相互影响。

May, 2018

本研究通过对 230 万个 Facebook 用户的样本进行研究，研究了他们在意大利选举期间边缘政治和新闻讨论中消耗的不同信息。我们发现，尽管信息的质量不同，关注模式是相似的，意味着未经证实的声明（主要是阴谋论）会持续反响。最后，我们根据用户在不同主题中的互动模式对用户进行分类，并衡量了此社交生态系统的样本（1279 个用户）如何对 2788 个虚假信息帖子进行反应。我们的分析表明，与替代信息来源密切互动（即更多地暴露于未经证实的声明）的用户更容易与错误声明互动。

Mar, 2014

研究发现，在社交媒体上，信息消费者聚集在具有类似信息消费模式的独特叙事周围，尤其是在涉及科学与替代新闻时；而传播虚假和嘲讽性信息与阴谋论的新闻的常规受众是最愿意与其互动的。

Aug, 2014

本文大规模分析了 19 个月中发布在 412K 个新闻文章上的 1.25 亿条评论，结论是，发布在社交网络上的新闻文章会吸引更多的有害评论，这些评论的语言特点不同于其他评论，而且与一些政治事件有关。

May, 2020

本研究考察了网站 Reddit 上 36,000 个社区之间的互动和如何导致冲突和负面互动。研究者发现少数社区 (小于 1%) 导致了 74% 的冲突，而冲突往往由高活跃度的社区成员开始，但由低活跃度的成员执行。冲突导致了 “回声室” 的形成，也对目标社区用户的整体活跃产生了负面影响。分析用户互动数据还提出了缓解冲突负面影响的策略，以及如何通过使用结合图嵌入，用户，社区和文本特征的 LSTM 模型来预测冲突的发生，早期预警系统可以防止冲突的发生。

Mar, 2018

本文以 Reddit 社区为例，测量加入具有仇恨言论的极端社区对该社交媒体平台中仇恨言论传播的影响，研究发现加入这种社区会导致恶意言论在平台上传播，并且这种负面影响会持续数月，为降低仇恨言论传播的风险，有必要对这些 “回音室” 进行管理。

Sep, 2022

该研究使用差异法设计来研究被 Reddit 和 Facebook 封禁的三个社区迁移到边缘平台的用户，并发现与这些社区共同参与可能导致用户在 Reddit 上的毒性言论和违反平台规范的行为增加，并随着时间和曝光度而加剧。

Sep, 2022

本文收集和分析了 22M 的数据，探讨了一个新社交媒体 Gab 的使用，发现其主要被用于传播和讨论新闻和世界事件，并吸引了极右翼用户，阴谋论者和其他喷子。同时，本文还测量了平台上仇恨言论的流行程度，发现其比 Twitter 高但低于 4chan 的 Politically Incorrect 讨论版。

Feb, 2018

通过追踪来自不同文化背景的社交媒体平台，比如中国的微博和日本的 Twitter 等，我们发现虚假新闻在传播的早期阶段就与真实新闻有着不同的传播特征，并且通过识别信息传播的拓扑特性，可以提前检测社交媒体中的虚假新闻。

Mar, 2018