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

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

本文研究了社交媒体上自我封闭和观点极化的机制，通过引入激进化动力学模型，在不同的主题和社交状态下发现了社交影响和话题争议度对极化的影响，对社交媒体上自我封闭和观点极化的机制提出了新的见解。

Jun, 2019

本文通过 11.5 年的数据分析，从知识图谱角度证明了特定信息传播导致回音室的形成不仅与集体拓扑结构有关，还与个体信息消费方式相关，并且信息源的相对‘内部’中立性及对少数实体的极化态度可能引发听众世界观的根本差异性。

Apr, 2024

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

本文提出了一个基于 Monte Carlo 模拟的框架来评估人们推荐算法对意见演变的影响，结果发现人们推荐算法确实会导致峡谷效应显著增加，但仅在网络中有相当数量的同质性的情况下发生。

Dec, 2021

研究表明，不同和相互冲突的社区由显示相似心理特点的用户填充，科学和阴谋主义回响室中的主导个性模型相同，并且回响室内的稳定略微改变了用户的心理特征。

Jun, 2016

社交媒体平台的崛起促进了回声室的形成，这是一种在线空间，用户主要遇到强化他们现有信念的观点，同时排斥异议。本文提出了回声室分数（ECS），这是一种评估用户社区内聚和分离程度的新指标，通过衡量用户在嵌入空间中的距离来实现。为了测量用户之间的距离，我们提出了 EchoGAE，一种基于自监督图自编码器的用户嵌入模型，利用用户的帖子和相互作用图将其嵌入到反映其意识形态相似性的方式中。通过使用包含两个极化和两个非极化主题的 Twitter 数据集，我们评估了 ECS 的有效性。我们的结果展示了 ECS 作为量化回声室和揭示在线讨论动态的工具的效果。

Jul, 2023

在线社交网络中的回音室问题、极化以及 AI 代理人的意见转变是本研究的主要内容。通过实验证明 ChatGPT 等语言模型在回音室环境中容易产生极化，并发现个体特质等因素对其极化倾向有显著影响。需监控这些影响因素以防止 AI 代理人的极化。

Feb, 2024

本文探讨了在 Facebook 平台上科学和阴谋论社群的演化和情感行为对社群动态的影响。研究结果显示，用户对社群的参与程度和使用者情感行为对社群的演化有显著影响，越参与社群的使用者更容易表现出负面情绪，并且更活跃的用户比不活跃的用户更容易表现出负面情绪。

Jun, 2016