本文提出了一个基于 Monte Carlo 模拟的框架来评估人们推荐算法对意见演变的影响，结果发现人们推荐算法确实会导致峡谷效应显著增加，但仅在网络中有相当数量的同质性的情况下发生。

Dec, 2021

本研究探讨了机器学习在推荐系统中的应用，分析了用户动态和推荐系统行为对 “回声室” 和 “筛选气泡” 现象的影响及其解决方案。该研究有助于理解和解决该领域仍然存在的复杂时间情景及其常见问题。

Feb, 2019

本文探讨了在 Facebook 平台上科学和阴谋论社群的演化和情感行为对社群动态的影响。研究结果显示，用户对社群的参与程度和使用者情感行为对社群的演化有显著影响，越参与社群的使用者更容易表现出负面情绪，并且更活跃的用户比不活跃的用户更容易表现出负面情绪。

Jun, 2016

社交媒体平台的崛起促进了回声室的形成，这是一种在线空间，用户主要遇到强化他们现有信念的观点，同时排斥异议。本文提出了回声室分数（ECS），这是一种评估用户社区内聚和分离程度的新指标，通过衡量用户在嵌入空间中的距离来实现。为了测量用户之间的距离，我们提出了 EchoGAE，一种基于自监督图自编码器的用户嵌入模型，利用用户的帖子和相互作用图将其嵌入到反映其意识形态相似性的方式中。通过使用包含两个极化和两个非极化主题的 Twitter 数据集，我们评估了 ECS 的有效性。我们的结果展示了 ECS 作为量化回声室和揭示在线讨论动态的工具的效果。

Jul, 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。

Jan, 2018

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

利用大型语言模型（LLM）驱动的对话式搜索系统已经被数亿人使用，并被认为相较于传统搜索带来许多优势。然而，尽管几十年的研究和公众讨论揭示了搜索系统在增加选择性暴露和形成回声室方面的风险 —— 限制了对多样观点的接触，导致意见极化，对于 LLM 驱动的对话式搜索的这种风险了解甚少。我们进行了两个实验来调查：1）LLM 驱动的对话式搜索是否以及如何增加选择性暴露，相较于传统搜索；2）持有与用户观点一致或挑战用户观点的偏见的 LLM 是否会改变这种影响。总体而言，我们发现参与者在使用 LLM 驱动的对话式搜索时更容易查询偏见信息，而偏见强化的 LLM 则加剧了这种偏见。这些结果对 LLM 和对话式搜索系统的发展以及管理这些技术的政策具有重要的影响。

Feb, 2024

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

本文研究了社交媒体上自我封闭和观点极化的机制，通过引入激进化动力学模型，在不同的主题和社交状态下发现了社交影响和话题争议度对极化的影响，对社交媒体上自我封闭和观点极化的机制提出了新的见解。

Jun, 2019

社交媒体用户通过分享包含错误信息的帖子或对有争议的话题发表无根据的论点来推动在线上的错误信息传播，在回声室中，由同质性和信息传播中的偏见推动，用户的观点通过与志同道合的同伴重复交互得到加强，本研究探讨了如何通过语言使用来调解围绕错误信息的对话，比较了对话和用户社区内外的多种语言度量，如内外群暗示、可读性和话语连接词，我们的研究发现，在讨论错误信息的回声室中增加了群体身份信号和处理流利度，我们还讨论了这些广泛趋势在不同话题和环境影响下的特点。

Apr, 2024