社交媒体上移民话语框架建模
本研究探索了通过众包进行数据集创建的可能性，利用非专家注释员开发训练语料库，扩展了多语种的媒体框架分析并提供了孟加拉语和葡萄牙语的新基准数据集，展示出在众包数据集的基础上与其他现有数据集相结合，从而使基线提高 5.32 个百分点，并发现任务特定的精调是比使用更大的非专业模型更好的方法。
Apr, 2024
本文通过引入一个新的在线讨论语料库，探讨了如何通过多任务和对抗式训练的方法，在只有目标域未标记训练数据的情况下，将新闻和社交媒体中训练的框架检测模型转移到讨论论坛领域的程度。
Apr, 2019
通过定性和定量研究美国最高法院关于平权行动、学生贷款和堕胎权的系列裁决，发现社交媒体和传统媒体在政治问题的框架中存在重要差异和极化，对公众舆论、政策决策和整个政治环境的形成产生重大影响。
Sep, 2023
社交媒体在 2018-2019 年围绕枪支、移民和 LGBTQ 权利等三个问题的社会运动中，使活动人士能够直接与公众沟通，并为运动领袖、参与者、旁观者和反对者提供一个共同构建和竞争叙事的空间。我们创建了一个代码书、注释数据集和计算模型，以检测诊断性（问题识别和归因）、预测性（提出解决方案和策略）和动机性（行动呼吁）的框架策略。我们对每个框架策略进行了深入的非监督语言分析，并揭示了框架与代词和义务性情态动词等语言特征之间的运动间关联性。最后，我们比较了不同议题以及其他社会、文化和互动背景下的框架策略。例如，我们表明诊断性框架在回复中比在原始广播帖子中更常见，而社会运动组织更侧重于预测性和动机性框架，而不是记者和普通公民。
Jun, 2024
本文提出了一种基于 NLP 的框架，通过分析话题选择、表达方式、情感和言语作用等四个维度来研究社交媒体中的政治极化。作者通过现有的词汇方法量化这些方面，并提出了利用聚类技术识别分析主题的方法。作者将这些方法应用于对 21 起大规模枪击事件中的 4.4M 条推文进行研究，发现这些事件的讨论在政治上高度极化。结果表明，共和党更关注枪手和事件特定事实，而民主党则更关注受害者和政策变化的呼吁。同时，作者还发现了一些引导言论极化的表达方式，诸如 “基础事实” 以及 “恐怖分子” 和 “疯子” 这两个术语的不同使用。该研究深入了解了语言中的群体分裂表现方法，并提供了计算方法来研究这些现象。
Apr, 2019
本文通过对欧洲五个国家的 No-Vax 运动相关文章的标题进行人工标记及使用 GPT-3.5 的微调和提示工程来推断新闻标题的框架，以研究该主题。研究结果为新闻分类等任务的可行性和 GPT-3.5 模型是否能够复制人的感知能力做出贡献。
Apr, 2023
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
介绍了一种基于主题建模和深度学习的系统，用于分析和分类文本文档中的框架，该系统提供了预训练的框架分类模型以及适用于用户提供的语料库的新型分类模型的易于使用的流水线，旨在使研究人员能够获得文档的框架
Aug, 2020
本研究提出了一种名为 “社会偏见框架” 的新的概念形式化模型，以模拟人们如何将社会偏见和刻板印象投射到其他人身上的框架，并建立了一个名为 “社会偏见推理语料库” 的数据集来支持大规模建模和评估，分析表明当前最先进的神经模型虽然能够高效地对是否含有不良社会偏见进行分类，但在详细解释社会偏见框架方面并不有效。本研究为今后的研究工作提供了指导，即将结构化的语用推理与社会影响的通识推理相结合。
Nov, 2019