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

本文研究了 2016 年美国总统竞选中两名主要候选人唐纳德・特朗普和希拉里・克林顿的追随者人口统计学数据。我们使用数据集 US2016，分析了追随者人口的社会地位、性别、种族和年龄四个方面。研究表明在社会影响力方面，特朗普的追随者更加极端化，也比克林顿的追随者更有影响力。此外，与克林顿的追随者相比，特朗普的追随者更可能是非常年轻或非常老。该研究未发现克林顿在 Twitter 领域中存在性别亲和性，但发现克林顿的追随者种族更加多样化。

Mar, 2016

研究 Reddit 在 2007 年 1 月至 2017 年 5 月期间的（不）礼貌和政治讨论的复杂性的趋势，并调查了四个影响美国政治话语质量下降的因素 - 特朗普的日益普及，日益极化的政党派系，新闻媒体的民主化和假新闻的崛起，以及边缘群体融入主流政治讨论。

Nov, 2017

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

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

在此论文中，作者证明了旨在量化信息消费模式的指标可能提供有关虚假声明传播的重要见解，通过分析意大利 Facebook 用户消费不同类型（科学和阴谋新闻）的信息，表明用户在不同内容上的参与度与具有类似消费模式的朋友数量成正相关，然后在 7109 份有意识的讽刺虚假声明的外部样本中测试扩散模式，发现在错误信息很普遍的环境中，围绕共有信念的用户聚合可能成为虚假信息的传播方式。

Nov, 2014

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

研究表明，不同和相互冲突的社区由显示相似心理特点的用户填充，科学和阴谋主义回响室中的主导个性模型相同，并且回响室内的稳定略微改变了用户的心理特征。

Jun, 2016

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

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