通过世界上最大的 VoIP 服务的传播动态数据集的分析，证明社交传染模型背后的假设：自发服务采用率是恒定的，通过社交影响采用的概率与采用邻居的比例成线性比例关系，服务终止率是恒定的并且独立于同伴行为。通过实施检测到的传播机制进入动态基于代理的模型，我们能够在全球许多国家模仿服务的采用动态，这种方法使我们能够进行中期服务采用的预测，并揭示创新传播的动态与国家社会经济发展之间的关系。

May, 2014

使用推特数据集跟踪语言变化，揭示了语言变化是一种社会影响，基于 Hawkes process 模型验证了社交网络中的强关系在语言影响中扮演重要角色。

Sep, 2016

通过分析 107 百万条推特信息，我们发现计算机媒介通信正在驱动书面语言的根本变革，语言演化并不使得美国英语变得一致，而是重现了口语中现有的毛病。

Oct, 2012

人类方言的地理分布模式由历史决定，我们提出的简单语言变化空间模型可以预测历史演化的结果，因为其驱动作用可以推动很多复杂的，随机的早期状态走向更稳定的最终配置。

Mar, 2017

本文提出一种基于自动分析社交媒体上大规模数据集的方法，以推断出文化地区，并发现了在美国社交媒体中明显的文化地区和定义它们的讨论主题。

Aug, 2022

欧洲和移民的在线信息传播很少从外部视角进行研究。本文通过从社交媒体（Twitter）中获取大量数据来分析关于欧洲和移民的在线信息的传播话题、规模和动态，结合转发和主题标签网络分析、用户地理位置定位等，从 “欧洲外部” 视角，特别关注非洲，揭示了各语言之间跨语言引用的全新方式，结果表明大部分在线讨论发生在国家层面，尤其是讨论移民时，而英语是信息跨国传播和扩散的关键，欧洲为主要内容生成地并在外部放大。值得注意的是，在讨论移民相关话题的社群中，重要的节点包括官方机构和国际组织的账号，以及记者、新闻评论员和活动家。

Feb, 2024

本研究旨在探讨社交网络结构对词汇变化的影响，通过对 4420 个在线社区在 10 年内发生的 80,000 个新词汇的大规模分析，使用泊松回归和生存分析，发现社区的网络结构对词汇变化起着显著作用，特别是密集连接，缺乏本地集群和更多的外部联系对推动词汇创新和保留具有促进作用，同时这些基于主题的社区不会像线下社区一样经历强烈的词汇调整，而是容纳更多的小众词汇。

Apr, 2021

本论文通过引入一种量化的基于语言的分类方法，研究了社区身份的两个关键方面：特定和时间动态性，并将近 300 个 Reddit 社区映射到此分类方法的景观中，揭示了用户参与模式如何随社区特征变化的规律，并强调了社区身份的性质如何影响新用户和老用户的融合，研究表明具有独特和高度动态身份的社区更有可能留住他们的用户，但是这些小众社区也存在更大的新用户适应差距。该方法还揭示了各种社会现象在社区中的不同表现形式，并表明多社区景观的结构可以带来对这种多样性系统性本质的更好理解。

May, 2017

本文研究了 Axelrod 模型，证明了当文化特征数和状态数为 2 时，该系统会收敛于单一文化均衡；当状态数大于特征数时，该系统会被冻结于高度碎片化的配置。

Apr, 2010

研究在线社区中词汇创新的产生和传播，利用社会语言学理论并关注使用新术语的社交角色之间的关系，揭示创新者和采纳者的特征，并进行预测任务，以预测创新是否能在社区内成功传播。

Jun, 2018