The International Journal of Press/Politics

Lukas Erhard

研究德国政党YouTube频道，用PopBERT检测反精英与人民中心修辞，分析其对视频观看量的影响，发现反精英主义更易获得高观看量。

Tenzin Tamang

研究提出身份-政策融合框架，分析美国众议院候选人竞选语言。通过计算文本分析4万余条政策声明，发现融合策略与语言极化显著相关，且共和党效应更强，揭示精英信息加剧党派界限的机制。

B Zhang, Kevin C. Mudavadi, Brian Ekdale, Brett Johnson, Melissa Tully et al.

通过访谈94名肯尼亚新闻业相关利益者，探讨他们关于GenAI的民俗理论及其伦理认知，揭示不同技术认知框架影响对新闻伦理风险的解读。

Jinpeng Wang, X H Yu

研究24国24000名受访者对AI生成新闻的接受度，发现伦理信任比能力信任更重要，且AI自我效能仅在伦理信任高时促进接受，政治环境调节这一关系。

Taewoo Kang, Tim Vos, Thomas Hanitzsch, Neil Thurman, Imke Henkel et al.

本研究通过提示GPT-4o回答新闻业调查问卷，与美德英三国记者实际数据对比，发现模型偏向反映中翼全职电视背景记者观点，讨论AI在新闻生产中的文化偏向与记者能动性。

Alena Kluknavská, Olga Eisele, Petro Tolochko

本文分析奥地利和捷克新闻媒体中关于移民报道的真相争议，基于16万篇新闻文章，使用自动化内容分析和命名实体识别，探讨媒体类型和政治背景对真伪表述的影响。

Tianru Guan, Yilu Yang, Wenhui Guo

通过397人实验探究AI生成政治模仿如何激发集体优越感、缓解对美敌对态度，并揭示视觉真实感的中介作用，扩展优越性理论。

S. Y. Noh, Stuart Soroka

Rongxin Ouyang, Subhayan Mukerjee, Tian Yang

复制Mukerjee等人在Facebook上的研究，在Twitter上分析28家媒体2015-2019年约455万帖子，发现媒体对受众参与度的响应与Facebook一致，但响应窗口更短、保守媒体无差异、平台特有指标表现不同，强调平台特性影响。

Lanabi La Lova

研究2009-2019年俄罗斯电视对乌克兰报道，结合NLP与准实验设计，发现RBC TV在2016年管理层变更后增加乌克兰报道份额，内容更接近国家控制媒体，但存在差异。

Chris Wells, Michelle A. Amazeen, Sara Weinberg

分析2014-2022年英美主流新闻媒体中化石燃料公司赞助的252则原生广告，发现其否认气候科学的情况少见，转而强调环境承诺和能源转型，但存在误导性表述。

Gregory Gondwe

研究基于南非2024大选期间47个政治WhatsApp群组的22,384条消息，使用AI工具MyFactChecker分析虚假信息传播机制，发现恐惧诉求、身份认同和模仿新闻风格是主要策略，且错误信息依赖情感共鸣在封闭网络中扩散。

Sylvain Parasie, Antoine Machut, Béatrice Mazoyer

开发计算方法分析法国一起移民犯罪在Twitter上的讨论，探究传统媒体对极右政治化的影响，发现媒体作为道德指南针限制政治化的形式与扩展。

J.G. Vrielink, Rens Vliegenthart, Annelien Van Remoortere, Sanne Kruikemeier

通过荷兰和美国选举期间的数据，结合移动经验抽样、截图捐赠与内容分析，考察定向议题广告对选民议题重要性的影响，发现广告暴露提高议题显著性，但未发现有效议题定向。

Ilan Manor, Tal Samuel-Azran

通过分析56个外交部与132个联合国使团的Twitter关注，评估半岛电视台吸引高质量数字外交关注者的能力，并与CNN、BBC等比较，提出测量媒体影响力新模型。

Daria Kravets

通过审计Yandex在白俄罗斯的top-5新闻算法（2010-2022），分析474,663条标题，发现多数新闻来自俄罗斯官方来源，政治新闻占比上升，批评性来源逐渐消失，表明算法被政治利用。

Alon Zoizner, Jörg Matthes, Nicoleta Corbu, Claes H. de Vreese, Frank Esser et al.

通过美国联合实验(N=2011)发现受众对AI归因新闻的信任和阅读意愿低，与跨党派新闻类似，而偏好同党派来源，挑战AI促进多元接触的乐观观点。

Christoph Ivanusch, Paul Balluff

利用奥地利2019年大选前政党与媒体的大规模文本数据，通过Transformer模型测量文本相似性，分析政党消息（新闻稿、演讲、社交媒体）被各类媒体报道的传播效果，发现新闻稿仍关键，在线新闻更开放，且主流媒体偏向大党和政府党。

Silvia Decadri, Moreno Mancosu, Fedra Negri, Gaetano Scaduto

比较欧洲政党领袖Instagram帖文中图文情绪的匹配，发现右翼民粹领袖更少使用正面图文组合，且非正面冗余更多。

Dominique S. Wirz, Ernesto de León, Silke Adam, Mykola Makhortykh

利用瑞士和德国的个体数字追踪与调查数据，考察教育水平对新闻接触和知识差距的影响，发现知识沟主要源于新闻选择差异。

Willem Buyens

结合15国2.2万受访者与2.1万条议员Facebook帖子，分析新闻内容、线索及媒体特征对用户参与的影响，发现意识形态接近性在高度政治平行媒体系统中促进互动。

Erik De Vries, Gunnar Thesen

基于丹麦、荷兰、英国20年540万篇报纸文章，利用句子级政党提及和情感分析，考察报纸对政党的报道偏向及其历时变化。

Aimei Yang, Dmitri Williams

研究结合议题利基理论与议题所有权理论，分析2020年美国大选中议题显著性变化对不同党派政治组织捐赠的影响，发现议题所有权对左右翼捐赠产生促进或抑制作用。

Aliya Andrich

该研究用Transformer情感分类和状态空间模型分析2010年代近90万篇新闻中1095位美国政治家的报道语气，揭示性别、党派与媒体可见性对报道正负面的影响。

Viorela Dan

通过实验（N=2085）考察deepfakes对政治家声誉的损害效应及事实核查的缓解作用，发现视频虚假信息（含deepfakes）显著影响态度与投票意向，但事实核查可消除负面影响。

Sami Nenno, Cornelius Puschmann

利用Facebook分享的虚假新闻URL构建大规模语料，用计算方法分析五类新闻价值在24国的差异，发现WEIRD与非WEIRD国家间存在显著但效应较小的差异。

Petter Törnberg, Juliana Chueri

基于26国议员3200万条推文，结合政党数据，发现激进右翼民粹主义是传播虚假信息的最强预测因素。