研究通过计算方法和定性方法，调查 2018 年和 2022 年巴西总统候选人发布的 11,263 张 Instagram 帖子中使用的视觉传达策略，发现庆祝和积极色调的图像普遍存在，并展示了候选人与选民在更情感层面上的联系。此研究还揭示了巴西政治环境中特有的独特背景细微差别，并讨论了在视觉政治传达领域中的更广泛影响。最后，提出了未来视觉政治传达研究的方向。

Sep, 2023

通过对 2020 年八个月间从 973 个美国党派媒体频道收集的 274,241 个政治视频和 9.3M 个用户发表的 1.34 亿个评论的大规模测量研究，我们发现 YouTube 上自由派和保守派之间存在着大量跨党派的交流，但这种交流并不对称，评论排序算法会让跨党派评论较少的占据主席位，并且在跨党派评论中，回复者通常比发表评论者更具攻击性。

Apr, 2021

本研究运用计算机视觉分析在 TikTok 平台上多媒体内容的四种抗议视觉框架，发现虽然三种否定性框架常常受到社交媒体的关注，但真正赋予少数族裔社区权力的辩论框架却占据了公共领域。

Jun, 2022

研究探讨了俄罗斯网络媒体滥用社交媒体进行政治宣传对美国 2016 年总统选举的影响，并发现主要扩散滥用文化倾向的信息的为保守派用户。

Feb, 2018

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

研究探讨了俄罗斯如何通过社交媒体平台干预 2016 年美国总统选举。并且提出了一种采用预测模型来辨别转发恶意内容用户的方法，以此为未来防止此类行为提供有效的思路和帮助；接着，通过用户政治意识、机器人可能性以及其它活动相关的账户元数据三个方面，为我们辨别恶意转发用户提供了一些有力的建议。

Aug, 2018

本文研究政治家如何通过 Facebook 图片表达意识形态修辞，并通过深度学习技术在图片的左右（自由主义 - 保守主义）方向上预测共和党或民主党党派的倾向性。通过对政治家的性别、种族进行控制，我们的方法从单张图片准确度达到了 59.28％，从多张图片（多达 150 张）汇总分数后达到 82.35％。研究还发现，保守派倾向于使用更多支持现状政治制度和维护等级制度的图像，包含来自主流社会群体的个人，展示更大的幸福感。

Jul, 2019

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

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

本研究基于推特社交媒体上的 1.2 百万用户和 62.6 百万推文，旨在分析 2022 年法国总统选举期间形成的政治社群，并在用户转发图上执行社群检测，提出了对每个社群立场的深入分析，最终试图检测冒犯性推文和自动机器人，以比较各社群，了解每个候选人的支持者人口统计和在线竞选策略。

Apr, 2022