本文研究了政治极化与 Twitter 用户报道的 “fake news” 相关内容之间的关系，并发现极化增加与带有 fake news 关键词和标签的 URL 的用户数量提高，讨论了这些发现对于在打击假消息的持续斗争中跟踪 “fake news” 的挑战的影响。

Jun, 2017

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

社交媒体的信息流算法是为了最大化广告收益而设计的，具有提高争议性帖子包括误导的倾向。 通过将误导信息视为信息污染，我们可以将其与碳税等对抗污染的环境政策进行类比，提出对误导信息的 Pigouvian 税，以激励社交媒体公司更有效地控制误导信息的传播。

Jun, 2023

本文对虚假信息的不同方面进行了全面调研，包括虚假信息传播的行为者、成功欺骗读者的理由、虚假信息的影响和特征、检测虚假信息的算法以及未来的研究方向。

Apr, 2018

提出一个基于文本和图像的事实核查框架，它能够直接警告虚假新闻发布者和网络用户，并使用事实核查文章来阻止虚假信息的传播。

Oct, 2020

研究发现，在社交媒体上，信息消费者聚集在具有类似信息消费模式的独特叙事周围，尤其是在涉及科学与替代新闻时；而传播虚假和嘲讽性信息与阴谋论的新闻的常规受众是最愿意与其互动的。

Aug, 2014

本研究通过对 230 万个 Facebook 用户的样本进行研究，研究了他们在意大利选举期间边缘政治和新闻讨论中消耗的不同信息。我们发现，尽管信息的质量不同，关注模式是相似的，意味着未经证实的声明（主要是阴谋论）会持续反响。最后，我们根据用户在不同主题中的互动模式对用户进行分类，并衡量了此社交生态系统的样本（1279 个用户）如何对 2788 个虚假信息帖子进行反应。我们的分析表明，与替代信息来源密切互动（即更多地暴露于未经证实的声明）的用户更容易与错误声明互动。

Mar, 2014

社交媒体用户通过分享包含错误信息的帖子或对有争议的话题发表无根据的论点来推动在线上的错误信息传播，在回声室中，由同质性和信息传播中的偏见推动，用户的观点通过与志同道合的同伴重复交互得到加强，本研究探讨了如何通过语言使用来调解围绕错误信息的对话，比较了对话和用户社区内外的多种语言度量，如内外群暗示、可读性和话语连接词，我们的研究发现，在讨论错误信息的回声室中增加了群体身份信号和处理流利度，我们还讨论了这些广泛趋势在不同话题和环境影响下的特点。

Apr, 2024

该研究旨在通过研究虚假新闻生态系统中的语言学家（例如虚假新闻分享者，谣言核实分享者和随机 Twitter 用户）和创造其语言特征剖面来确定更可能分享虚假新闻的个人，并将所推断的心理语言学提示结合社会人口预测因子包含在一个模型中，从而显著提高虚假新闻分享者的分类准确性，这可以帮助在线平台及时屏蔽潜在的虚假新闻分享者。

Mar, 2022

本研究报道了在 2010 年美国选举期间发生了一个名为 Twitter-bomb 的有组织虚假信息传播事件，并总结了虚假信息在社交网络中传播的路径；然后以 2016 年美国总统选举为例，描述了虚假信息在 Facebook 等社交媒体上的传播，并就如何提高社区研究对社会问题的影响力展开了讨论。

Mar, 2017