该研究分析了 #metoo 在 Twitter 和 Reddit 平台上的热度和情绪，并发现这一社交媒体运动对于受害者提供了一个安全、互动和鼓励的环境和平台。

Mar, 2018

通过 #BlackLivesMatter 运动及 Twitter 上的 hashtag，本文旨在衡量种族、性别、年龄等用户类型的人口偏见，并探讨研究敏感主题的伦理警示。

Dec, 2015

本文采用上下文情感分析的方法对 #MeToo 运动的在线媒体文章进行情感、权力和代理动态的分析。我们发现，虽然这些文章对曾经遭受性骚扰的女性表示同情，但是它们仍然将男性描绘成最有权力的一方，即使在曝光性骚扰指控之后也是如此。

Apr, 2019

本文介绍一个包含 9973 个手工注释的推特语料库，研究 MeToo 运动相关的言论，其中考察了五种不同的语言方面：关联性、立场、仇恨言论、讽刺和对话行为，并对数据的收集和注释过程进行了详细说明，拟为心理语言学家、社会语言学家和计算语言学家在性骚扰等敏感问题的数字化社会运动的话语空间上的研究提供潜在用例。

Dec, 2019

该研究运用混合研究方法，采用 Latent Dirichlet Allocation 和 open-coding 分析的方式对黑人以命也，亚裔的衣冠冢两大社交运动的 Twitter 话题进行了综合分析，结果表明虽然这两个运动有各自的分支话题，但其中讨论的社会正义、社交运动和情感情绪等话题是共同的。该研究在社交媒体平台社交运动的话题分析和 AI 道德伦理交互等领域做出了贡献。

May, 2022

本研究利用社交媒体作为权威工具对 3 种数字活动进行研究，对 36,984,559 个推文进行多级文本分析，探讨用户行为和语言使用的影响，研究结果显示反对抗议者过度使用涉及种族或偏见的主题标签，而 Black Lives Matter 活动家的社交活动并没有偏离与警察暴力相关和种族动机杀死黑人的社会问题和话题，这表明每个社交运动的话题和对话往往具有偏见，与主要社会不公问题偏离。

Sep, 2021

本文首次报道了人权活动家和机器学习家之间的合作，利用众包研究了 Twitter 上针对女性的在线虐待。通过分析来承认滥用感知的变异性，为其释放给社区研究工作做好准备。在社会影响方面，这项研究为旨在提高公众和决策者意识以及提高社交媒体公司期望标准的媒体活动提供了技术支持。

Jan, 2019

研究着眼于 Reddit 社交媒体平台上性骚扰幸存者经常发布的长篇帖子，提出了一种基于自然语言的模型来从帖子中提取关键信息的解决方案，并开发了包含 8,947 个标记句子的数据集 MeThree，应用 LIWC-22 工具包了解不同语言模式在情感色彩、真实性和其他方面的差异。

Mar, 2023

研究社交媒体行动主义活动如何利用触发机制来促进获得和维持动力，以实现工程领域的性别多样化，发现多样化的参与类型会在至关重要的时刻增加活动性。触发机制分为四种类型：与离线事件对齐，媒体报道，行业参与和知名人物对齐。

Apr, 2018

本研究使用面部分析软件从 350K 纽约 Twitter 用户的个人形象中推断性别、年龄和种族，并研究了 2014 年 11 月 1 日至 2015 年 10 月 31 日期间不同人口统计学群体使用的标签。

Mar, 2016