在亚马逊的 82.5M 评论数据和 9.5M 产品元数据的基础上进行研究，发现文化产品比任何其他产品都更加极化，探讨了生活方式政治在市场方面的表现形式以及其原因和影响。

Jan, 2022

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

开发了一种机器学习分类器，通过社交媒体上的非政治文本和用户关注的账户来推断政治取向，并发现新闻分享存在鲜明的左右分化，而体育新闻则不具有政治倾向性。

Aug, 2022

本研究通过 Social Mirror 流行网络可视化工具在 Twitter 上的随机试验，发现建议用户关注相反政治意识形态的帐户能够减少用户对自己社交网络联系的政治同质性的信念，但仍可在治疗后一周增加他们的联系多样性，而增强其对 Twitter 联系的政治同质性的信念的维持则会使用户在治疗后 2-3 周的联系多样性逐渐减少。

Mar, 2018

本文分析了瑞士政治活动的在线平台 politnetz.ch 中政治家的数字痕迹，并将网络极化定义为党内凝聚力与党间连接性的水平，揭示了支持层与政党倾向之间的强烈极化结构，同时分析了每个政党的内部社交网络，并发现它与其意识形态有关。此外，研究还表明，多党制中两个政党在意识形态空间中越接近，其连接性也越高。

Mar, 2015

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

在此论文中，作者证明了旨在量化信息消费模式的指标可能提供有关虚假声明传播的重要见解，通过分析意大利 Facebook 用户消费不同类型（科学和阴谋新闻）的信息，表明用户在不同内容上的参与度与具有类似消费模式的朋友数量成正相关，然后在 7109 份有意识的讽刺虚假声明的外部样本中测试扩散模式，发现在错误信息很普遍的环境中，围绕共有信念的用户聚合可能成为虚假信息的传播方式。

Nov, 2014

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

本文研究政治家如何通过 Facebook 图片表达意识形态修辞，并通过深度学习技术在图片的左右（自由主义 - 保守主义）方向上预测共和党或民主党党派的倾向性。通过对政治家的性别、种族进行控制，我们的方法从单张图片准确度达到了 59.28％，从多张图片（多达 150 张）汇总分数后达到 82.35％。研究还发现，保守派倾向于使用更多支持现状政治制度和维护等级制度的图像，包含来自主流社会群体的个人，展示更大的幸福感。

Jul, 2019

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