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

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

本文介绍了一个基于态度变化理论、群体行为理论和演化博弈理论的代理人在线舆论形成模型，该模型考虑了信誉度、接受者特征和群体环境对说服过程的影响，并将该模型应用于 Twitter，分析了话题类型、参数变化和意见领袖对舆论形成的影响。实验结果显示，争议性话题的意见演化表现出更大的不确定性和可持续性，而利益成本比对意见形成有着显着的影响，适当的比例将导致最长的放松时间或最统一的全球意见。此外，拥有大量追随者的名人比专家更有能力影响公众舆论。

Jul, 2018

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

本文采用数据驱动方法研究推特上的政治信息传播、社群结构、和推手角色，发现推特政治信息的传播和用户的关联会形成高度政治派别结构，相对应的，节点中心度数据值得进一步关注。

May, 2020

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

通过研究网络中的传播行为，发现位于核心地位的传播者更高效传播信息，而不是最佳连通者或中心人物，提出一种最优的信息传播策略设计。

Jan, 2010

该研究提供了一个基于有限置信度模型的数学模型，以研究在线社会辩论和相关的极化动态，重点关注确认偏误在病毒现象中起到的关键作用，并证明了新模型（即无限置信度模型和重连置信度模型）可以解释现实中经常观察到的两种最终稳定观点的共存现象，最后展示了新模型的平均场近似。

Jun, 2016

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

通过分析两个社交新闻站点的数据，研究表明社交网络在信息传播中发挥关键作用，网络结构影响信息流动的动力学。

Mar, 2010