Communication Methods and Measures

Yikun Chi, Mu-Jung Cho, Kimberly M. Molaib, Xiaoran Sun, Thomas Robinson et al.

提出用深度学习方法对智能手机屏幕内容进行分布建模，基于53名青少年六个月的屏幕数据，分析内容模式与心理健康的关系，超越传统屏幕时间测量。

Andreas Reich, Claudia Thoms, Tobias Schrimpf

提出HALC流程，系统构建LLM提示词以可靠完成内容分析编码，基于大量请求验证其适用性，并讨论局限与发展。

Tobias Schmidt

论文提出NEClass流水线，结合NER和微调LLM分类新闻中实体的国家归属，验证其高准确性并通过欧元区危机案例展示应用，为国际新闻覆盖研究提供可复现工具。

Yangliu Fan, Jakob Ohme, Lion Wedel

论文系统梳理了利用数字追踪数据中的时间信息进行传播研究的方法，介绍序列分析、事件史分析、隐马尔可夫模型等六种方法，并以30万条用户序列数据为例进行演示。

Lion Wedel, Jakob Ohme, Anna-Theresa Mayer, Gaisbauer Felix, Yangliu Fan

通过德国用户样本分析YouTube、Facebook、Instagram、TikTok的数据捐赠意愿与行为，发现平台差异及偏差。

Paulina Pankowska, Alexandru Cernat, Florian Keusch, Ruben L. Bach

应用隐马尔可夫模型评估并校正Facebook使用频率数字追踪数据的测量误差，发现未追踪全部设备时会严重低估使用频率。

Miriam Siemon

论文探讨社交媒体资料的自动性别分类，批判性别二元逻辑，并通过字典、代词和姓名推断等步骤进行案例研究，提出歧视感知的数据分析方法。

Mariken Anna Catharina Geertruida van der Velden, Felicia Löecherbach, Wouter van Atteveldt, Antske Fokkens, Myrthe Reuver et al.

通过荷兰和美国的预注册实验，检验标注者政治意识形态等个人特征对政治立场标注的影响，揭示人工标注偏差问题，提出需改进黄金标准的构建方式。

Anke Stoll, Jingyuan Yu, Aliya Andrich, Emese Domahidi

研究评估BERT、GPT-4等模型检测针对德国男女政治家的不同不文明言论的偏见，发现隐晦歧视更难识别，影响线上审核公平性。

Sjoerd Stolwijk, Mark Boukes, Wang Ngai Yeung, Yufang Liao, Simon Münker et al.

论文评估多种自动化方法（规则词典、机器学习、生成式AI）测量YouTube和Twitter新闻评论的哈贝马斯式协商质量（互动性、多样性、理性、文明性），对比超50种指标性能。

Ayse D. Lokmanoglu, Dror Walter

提出VisTopics框架，通过帧提取、去重、图像描述和LDA主题建模分析NBC新闻视频及社交媒体图像，揭示媒体叙事中的潜在主题。

Yijing Chen, Zoltán Kmetty, Gerardo Íñiguez, Elisa Omodei

通过数据捐赠整合调查与YouTube行为数据，发现仅依赖可见评论会高估政治极化与回声室，可见参与者更极化且选择暴露更强，渠道层面共享观众比订阅者/评论者更异质。

Musa Malik, Sungbin Youk, Frederic R. Hopp, Oliver Scott Curry, Marc Cheong et al.

基于合作道德理论，开发扩展道德合作词典（eMACD），与现有词典比较验证，提供Python工具。

Roberto Ulloa, Frank Mangold, Felix Schmidt, J.M. Gilsbach, Sebastian Stier

研究对比用户访问网站时原位获取内容与事后按URL爬取内容的差异，发现爬取环境及时滞导致新闻类别测量偏差，并提出纠偏策略。