本文研究社交媒体上信息传播的效果与方式，采用控制条件的实验数据，证明文本语言表达方式对信息传播有显著影响，并提出了相关预测方法。

May, 2014

本文提出了 TextCause 算法，使用观测数据估计语言属性的因果效应，解决了因果定量的形式化问题以及基于分类器和词库的噪声代理的偏差问题，该算法利用了 distant supervision 和预训练的 BERT 模型。

Oct, 2020

本研究探讨了信息参与度对决策制定的影响，分析了词语选择在信息参与度中的作用，基于 User Engagement Theory 和 Information Behavior Theory 构建了一个理论框架并使用大规模用户调查验证了该框架，结果表明信息的表达方式特别是词语选择对数字化信息的解释、互动和使用具有重要的影响。

May, 2023

对于估计异质性治疗效果的研究人员，不需要局限于单个模型拟合算法，应通过从验证集中学习的目标函数对使用多个算法拟合的多个模型进行评估，从而选择最小化目标的模型，用于未来个体的治疗效果估计。

Apr, 2018

通过介绍 Text-Transport 方法，本文研究了语言技术对读者感知的影响，提出使用分布转移的估计器来传输因果效应，在自然语言数据分布改变的情况下具备统计保证，并应用于研究社交媒体上的仇恨言论，展示了进行自然语言因果推断时传输的必要性。

Oct, 2023

本研究通过探究人类感知和机器词汇重要性这两个视角，研究了文本的语言风格对词汇用法的影响，通过收集人类感知数据 Hummingbird 并参考目前常用的 BERT 语言风格分类器，比较了两者对于词汇标签的不同理解。研究表明，对于某些风格，如积极情感和愉悦，人类和机器的识别结果存在显著的重叠，但机器标记某些内容词非风格相关，而人们不能通过这些词汇准确感知对应的风格。

Sep, 2021

通过观察语言以了解人际互动在高风险决策中的重要性。我们提出了一种因果研究设计，用于评估社会组信号（例如种族或性别）对发言人回应的自然直接和间接影响，并将语言的不同方面作为因果中介变量。通过理论案例研究（U.S. 最高法院口述辩论中，倡导者性别对法官打断的影响），我们展示了这个框架的优势和挑战。同时，我们还讨论了概念化和操作因果变量（如性别和语言）时的挑战以及技术上的开放挑战，例如谈话设置中的语言中介变量之间的时间依赖关系。

Sep, 2021

本研究应用统计学方法对社交媒体帖子进行分析，研究了回复对话的语气和后续回复的语言和情感变化之间的因果关系，结果显示陈述事实和断言的语气会对对话产生影响，并提供了从文本中估算因果效应的方法。

Jun, 2019

通过提供一种语言描述训练数据如何影响预测的因果框架，我们研究了提取预训练语言模型中事实知识的问题。研究表明，诸如共现计数等简单数据统计确实会影响预测结果，暗示此类模型依赖于表浅启发式。此结果强调了研究数据集和了解 NLP 模型的因果性的重要性。

Jul, 2022

探究语言表达是否影响信息在公众中的传播，经过对名言语料的分析，发现使用的词汇和语法句式具有较高的独特性，且更容易被应用到不同的情境中，这种 “易记语言” 的概念可以扩展到不同领域。

Mar, 2012