Apr, 2021

YouTube 上的跨政党讨论：保守派与自由派进行交流，但自由派不与保守派对话

PDF
TL;DR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。
cross-partisan discussionsyoutubeecho chamberscomment sorting algorithmtoxicity score
发现论文，激发创造
  • 党派语言使用中的道德共识与分歧

    研究通过分析 Reddit 社群和新闻媒体等大规模真实语言使用数据，使用词嵌入模型发现了政治性语言中存在的情感分化模式以及与七个政治话题相关的词语的语义关联，揭示了跨党派界限的道德联想差异，这些结果强调了虽然在政治谱系上有着共享的道德理解，但仍然存在着塑造党派语言并潜在加剧政治极化的一致差异。

    Oct, 2023

  • 在线平台上社会组织和政治极化的量化

    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

  • 同质和交叉沟通空间中的政治讨论

    本文使用 Reddit 探究了同质和异质政治交流空间的交互和语言模式，并发现同质和异质交流空间之间存在不同的行为模式。

    Apr, 2019

  • Reddit 上政治互动讨论板块中未出现的回声

    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

  • 跟随党派节奏起舞：TikTok 上政治传播的初步分析

    通过计算机视觉和自然语言处理等手段，探究用户在 TikTok 等社交媒体平台上的政治传播，并发现与其它平台相比，政治传播更具有互动性，用户更倾向于通过生成响应分支的方式展开政治交流。

    Apr, 2020

  • 社交媒体上的语言分歧演变

    利用社交媒体数据，我们对美国党派的左右分歧进行语言分析，发现在话题、情感和词汇语义方面存在语言差异，并对可能导致语言分化的沟通问题提出警示。

    Sep, 2023

  • 利用声学、文本和元数据信息预测 YouTube 频道的主流政治意识形态

    该研究通过构建多模数据集和深度学习算法，探讨了基于视频和音频进行新闻 YouTube 频道的政治意识形态预测问题，并在文本和元数据的基础上通过使用声音信号，将偏见检测能力提高了 6% 以上。

    Oct, 2019

  • 同样的词语，不同的意义：广播媒体语言中的语义极化与社交媒体讨论中的极化

    本研究分析近十年来 CNN 和福克斯新闻的关闭字幕及 Twitter 上语篇信息，探讨语言表述在电视和社交媒体之间的关系，研究结果表明不同播出平台的语义极化现象与趋势出现了较大的差异，尤其是 2016 年之后，两个频道的讨论话题在语义上的差异越来越显著，这种语言上的分化在很大程度上塑造了 Twitter 上的语义互动。

    Jan, 2023

  • 社交媒体上的政治话语：回声室、门卫和两党合作的代价

    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

  • YouTube 上激进化路径审计

    本文利用大规模数据分析研究了 YouTube 上用户的激进化现象，结果表明随着时间推移，用户越来越倾向于消费极端化的内容，尤其是从 I.D.W 和 Alt-lite 渐进到 Alt-right 频道，并且通过探究 YouTube 的推荐算法，发现 Alt-lite 容易从 I.D.W 频道中获得推荐，而 Alt-right 只能通过频道推荐获得。

    Aug, 2019