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
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
本研究分析 Reddit 政治子论坛上 155,000,000 个用户评论，研究不同的反应机制对政治讨论的影响，发现只有 upvotes 或 upvotes 和 downvotes 机制的地方，用户的讨论更具有商讨性和公民性，而没有反应机制的子论坛则更具有煽动性。该研究为探讨社交媒体界面设计与用户之间尊重的政治讨论之间的关系提供了有价值的贡献。
Feb, 2023
通过对 2013 年德国联邦选举的研究与调查，本文探讨了政客如何在不同的社交媒体平台上进行政治传播，并运用人工智能贝叶斯语言模型来确定政治话题，发现政客与大众受众关注的话题有所不同，并说明政客在 Facebook 和 Twitter 上的使用目的不同，这些发现有助于概括社交媒体上的政治传播特点。
Jan, 2018
利用社交媒体数据，我们对美国党派的左右分歧进行语言分析，发现在话题、情感和词汇语义方面存在语言差异，并对可能导致语言分化的沟通问题提出警示。
Sep, 2023
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
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
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。
本研究分析近十年来 CNN 和福克斯新闻的关闭字幕及 Twitter 上语篇信息，探讨语言表述在电视和社交媒体之间的关系，研究结果表明不同播出平台的语义极化现象与趋势出现了较大的差异，尤其是 2016 年之后，两个频道的讨论话题在语义上的差异越来越显著，这种语言上的分化在很大程度上塑造了 Twitter 上的语义互动。
Jan, 2023
本文研究纵观比对 Reddit 和 4chan 上 2020 年美国总统选举期间的仇恨言论，并借助自然语言处理技术，发现各平台的内容和发布活动有所差异，因此提出了跨平台研究的未来发展方向，以更全面地了解全球仇恨生态系统。
Feb, 2022