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

本研究使用多语言人口统计学推断方法和后统计方法来纠正社交媒体数据的样本偏差，并减少算法偏差，在欧洲的跨语言环境下，并取得了显著的改进。

May, 2019

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

通过对超过 250,000 次事实核查的分析，本研究调查了跨语言和跨界传播的多语言错误信息的普及程度和动态。结果发现，有 11.7% 的错误信息声明被多次核查，其中 33% 的重复声明跨越语言界限。同时，研究还发现错误信息更容易在同一语言内传播，但在跨越语言界限时会发生演变和变异。总体而言，该研究为多语言错误信息提供了关键见解，定量化了重复的事实核查工作，证明了某些声明可以跨越语言传播，并模拟了声明的时间和跨语言演变，同时呼吁全球事实核查员之间加强信息共享并强调本地化验证的重要性。

Oct, 2023

本文研究在线社交网络中的信息传播，包括在一项大规模实地实验中，随机暴露于关于朋友信息分享的信号的 2.53 亿名受试者，发现那些接受信号的人更有可能更快地传播信息。同时，研究了强弱关系在信息传播中的作用，发现尽管强联系人更有影响力，但更丰富的弱联系人负责传播新信息。这表明，弱联系人在网络信息传播中可能比当前认为的更占主导地位。

Jan, 2012

探讨了社会语言学的核心问题，即在全球范围内，个体的语言变异是受许多外部因素影响的，并利用法国最大的推特文本数据集和详细的社会经济地图，研究表明人们的社会经济地位、地理位置和社交网络等因素都对个体网络文本数据中的语言变量有显著影响。

Apr, 2018

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

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

本研究以 2009 年至 2019 年期间推特上超过 150 种语言的每日使用率为基础，发现英语、日语、西班牙语和葡萄牙语等八种语言占推特所有推文的 80%；计算每种语言的社交传播指数，发现推特上普遍存在转发比原创推文更受欢迎的趋势，其中包括英语和西班牙语，而其他一些语言，如泰语、印地语、泰米尔语、乌尔都语和加泰罗尼亚语的传播指数较高。同时，我们表明，与稀有语言相比，常见语言的传染率更强。

Mar, 2020

该论文分析了在线社交网络上的人际互动机制，提出了一种更加细致的社交链展开策略。研究表明，人们跟随其他用户的方式具有高度异质性，通过将用户分类，可以总结不同的链接创造行为，进而更加高效地在网络中传播信息。

Feb, 2013