本文研究了俄罗斯情报研究局（IRA）在 2016 年美国选举之前所使用的 Facebook 广告基础设施，以有效地将政治广告针对具有不同政治意识形态、感受和真实感知的用户身上，导致社会分裂、撕裂和冲突的情况。该研究强调了政治广告内容和定向透明度的重要性，并显示了 Facebook 的广告 API 如何促进此类针对性操作。

Aug, 2018

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

本研究通过对 230 万个 Facebook 用户的样本进行研究，研究了他们在意大利选举期间边缘政治和新闻讨论中消耗的不同信息。我们发现，尽管信息的质量不同，关注模式是相似的，意味着未经证实的声明（主要是阴谋论）会持续反响。最后，我们根据用户在不同主题中的互动模式对用户进行分类，并衡量了此社交生态系统的样本（1279 个用户）如何对 2788 个虚假信息帖子进行反应。我们的分析表明，与替代信息来源密切互动（即更多地暴露于未经证实的声明）的用户更容易与错误声明互动。

Mar, 2014

本文从弱监督的角度，探讨 Facebook 中的政治广告立场、问题、以及地理、性别、年龄等不同人群的定向投放，并且分析了选举时期政治广告的时态动态。

Oct, 2022

该研究设计和部署了一个独立审计系统，监控巴西 Facebook 政治广告，使用卷积神经网络识别政治广告，并与经典的监督式机器学习方法进行了比较，结果强调了政治广告法律执行机制的重要性和独立审计平台的必要性。

Jan, 2020

研究发现，在 Facebook，Google 和 Twitter 等在线平台上，政治广告在传播美国政治信息方面具有不同类型的政治广告主，其中包括营利性媒体公司的广告，这些公司的目的是创建欺骗性在线社区，专门传播政治信息，而不是直接产生收益，并提出建议以加强透明度存档的弱点。

Feb, 2019

在社交媒体上，政治竞选充斥着政治广告。该研究提出了一种公开可用的数据集，用于检测特定文本块和政治广告类别的内容，特定文本块和政治广告类别是符合波兰选举法的竞选基本形式。数据集包含 1,705 条人工标注的推文，标有九个类别。该数据集被用来训练神经标记器，并用于对波兰 2020 年总统选举在 Twitter 上的初步分析。

Jun, 2020

研究了社交媒体上普通民众如何表述移民政策议题，发现使用特定帧对话题更有针对性、更易引发用户参与，同时用户意识形态和地域也影响他们的话语选择和反应。此研究为自然语言处理和社科研究提供了新的贡献。

Apr, 2021

本研究首次对美国的在线政治广告进行计算研究，通过结合预训练的神经模型对文本和视觉信息进行分析，实现了对广告赞助者的政治意识形态进行推测以及对广告赞助者的类型进行识别，研究结果表明该方法在分类模型方面具有更优越的性能，并进行了关于政治广告语境特征的深入分析和语言学分析。

May, 2021

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