Journal of Information Technology & Politics

Gökhan Çelen

测试五个LLM平台能否基于土耳其生活方式类型学提供投票建议，发现模型间校准差异大，序数准确度尚可，基数准确度不足，当前不能替代传统VAA。

Azade E. Kakavand, Nicola Righetti, Annie Waldherr

通过网络分析比较德国极右翼在Facebook、Twitter、Instagram、YouTube和Telegram上的网络结构，揭示平台技术可供性对网络模式的影响。

Mykola Makhortykh, Tobias Rorhbach, Maryna Sydorova, Elizaveta Kuznetsova

该研究在2024年美国大选前审计Google和Bing的搜索结果，分析查询主题、用户位置和时间对政治信息偏向的影响，发现两大引擎优先呈现左倾媒体，且不同主题下意识形态偏向程度不同。

Anita Nissen, Andreas Beyer Gregersen, Markus Löchtefeld, Malayna Raftopoulos

探讨20个丹麦绿色NGO在混合媒体环境中对数字平台的内外沟通使用，发现其平台偏好相似但策略不同，外部以受众为导向，内部采用工具拼凑，Facebook占据核心但存在依赖悖论。

Pablo Moral, Manuel R. Torres-Soriano

探讨西班牙语圈亲俄数字社区如何从边缘走向动员，分析其形成机制与传播动态。

Cale Horne, Hannah Bult, Nathan Emerly, Patton Hickman, Kateryna Kadian et al.

实验测试ChatGPT-4在不同提示词、参数和语言条件下对撒哈拉以南非洲政变的样本外预测能力，发现AI作为政治预测工具有显著但非决定性潜力。

Yibin Fan, Tucker Wang-Hai

探讨国际用户从TikTok迁移至其他平台的动机及其政治相关因素，属于社交媒体平台与政治传播交叉研究。

Georgiana Clarke, Donavon Johnson

基于172国2003-2022年面板数据，发现数字压制能力与实际压制正相关，但强隐私保护和政治稳定削弱该关系，选举年无显著影响。

Muhammad Asad Latif

研究阿富汗-巴基斯坦背景下的混合冲突，分析四平台2400条帖文的虚假信息传播与反国家叙事，结合300人调查，发现数字冲突加剧。

Courtney D. Tabor, Antonis Kalogeropoulos, Patrícia Rossini, Constanza Gajardo, Tom Nicholls

研究结合英国和巴西的调查数据与浏览器/App被动跟踪数据，分析数字素养、技术问题、经济不安全感和照料时间等社会不平等指标如何中介性别与新闻消费的关系，发现女性新闻消费更少且选择性回避更多。

Bingyu Chen, Ruolan Deng, Saifuddin Ahmed

探讨ChatGPT使用频率、对大语言模型的威胁感知及政治意识形态如何影响用户对ChatGPT用于政治信息消费的信任，发现使用与信任正相关，威胁感知负相关，且存在交互效应。

Umberto Famulari

研究意大利地方选举中候选人如何在Instagram上运用言语和非言语策略，量化分析1194条帖子，发现候选人主要通过平台展示专业性和政策，但不同阵营和性别存在策略差异，且多模态表达常不一致。

Qiang Chen, Qurban Hussain Pamirzad, Noor Ahmad Nabil

基于阿富汗549份调查数据，通过序列中介分析探究Facebook网络异质性与民族极化的关系，发现网络异质性通过内容接触、感知学习、群际接触质量和信任间接减弱民族极化。

Roy Jacobsen

分析挪威政党领袖疫情期间的Facebook帖子，识别情感反应（怒、悲、爱、关心）与危机传播策略的关系，揭示不同情感信号对传播激励的影响。

Alessia D’Andrea, Arianna D’Ulizia, Marco Pirrone, Giorgia Fusacchia

该研究基于EUvsDisinfo数据库构建英语语料，结合语料库语言学和批判性话语分析，检验亲克里姆林宫新闻中的虚假信息语言标记，揭示其话语策略。

Markus Neumann, Jielu Yao, Michael M. Franz, Travis N. Ridout, Erika Franklin Fowler

开发可扩展的多模态系统，结合文本与图像归因数字广告至竞选层级，分析2020年140万Meta广告，估算外部团体支出并评估其选举影响。

Zeynep Arzu Kelani, Darina Lepadatu

该研究通过定性内容分析，考察2024年美国大选期间AI深度伪造内容在社交媒体X上的框架与极化讨论，提出Deepfake-Driven Framing and Polarization Framework，揭示深度伪造如何嵌入并再生产政治极化叙事。

Tai‐Quan Peng, Kaiqi Yang, Sanguk Lee, Hang Li, Yucheng Chu et al.

提出无角色扮演的二维框架评估43个LLM的政治倾向与参与模式，发现多数模型偏中左，对齐策略比模型规模更影响政治表达。

Hossein Kermani

研究伊朗Telegram频道在2025年以伊战争期间如何协调传播宣传与虚假信息，通过分析47,567条帖子，发现政治新闻频道为核心枢纽，娱乐频道作为放大层，混合使用幽默和讽刺包装信息以扩大传播。

Arash Beidollahkhani

探讨中亚国家采用中国数字丝绸之路监控技术，通过地理空间分析、数字民族志等方法，分析监控基础设施如何嵌入不同政治空间，并引发公民抵抗，揭示监控作为权力争夺场域。

Sadettin Demirel, Neslihan Bulur

分析土耳其国内外公共媒体在四次选举中的推文差异，发现国内媒体强烈偏向执政党，国际媒体相对平衡，实证揭示媒体党派化与替代公共领域。

Eun Young Oh

利用韩国18个行业2013-2025年季度数据，分析GenAI暴露度对生产力的影响，发现服务业短期提升而制造业变化有限，探讨技术扩散不均与产业政策挑战。

Barbara Kos, Lana Tuković, Ema Vlainić, Marina Bagić Babac

该研究微调BERT、RoBERTa和DistilBERT模型，对28国议会演讲进行二分类，评估效果并利用PCA和注意力分析揭示跨国的意识形态语言模式。

Julien Figeac, Marie Neihouser, Jérémie Garrigues

研究387名法国议员在Facebook、Instagram和Twitter上的选举期帖子，利用监督机器学习分析政党地位、社会特征和情绪基调对用户参与度的影响，发现平台特性与政治身份共同塑造线上互动。

Seungahn Nah, Fanjue Liu, Chun Shao

基于美国全国调查，探讨整合式故事网络、AI新闻消费与移动应用使用对公民参与的影响，发现AI新闻促进参与但不增强社区归属。

Saifuddin Ahmed, Sheryl Wei Ting Ng, Ruolan Deng, Adeline Wei Ting Bee

该研究分析八国个体对深度伪造虚假信息的报告行为，发现政治参与度高者更倾向报告，且认知能力与文化维度（权力距离、个人主义等）起调节作用。

Beris Artan Ozoran, Ilgar Seyidov, Burak Erdogan

基于战略叙事理论，分析俄乌及以加冲突中乌克兰和以色列官方TikTok账号的叙事类型，并探究其与受众参与度的关系。

Itai Himelboim, Guy J. Golan, Sihao Zhou, Porismita Borah

研究通过主题建模分析16个拉美西语国家关于中国的5,000条推文，识别34个主题和五个框架，发现中国投资与负面讨论正相关，质疑投资提升国家形象的有效性。

Elise Storme

基于2019和2024年比利时选举的25111条推文，分析男女候选人在负面竞选中的攻击行为、不文明程度及议题/特质内容差异。

Lu Zhang, Guohua Wang

分析5462条中国政府微博，结合编码和回归模型，发现可爱话语提升公众参与，且正面情绪和吸引力起中介作用。

Andrés Lombana-Bermúdez, Sergio Rodríguez Gómez

研究2021年哥伦比亚抗议中K-pop粉丝通过Twitter颠覆警察支持话题标签的动员行为，基于15,793条推文进行社交网络和多模态内容分析，揭示青年数字政治参与新形式。

Raul Broto Cervera, Albert Batlle, Cristina Pérez‐Solà

提出TIDEM方法，基于Twitter转发网络与ForceAtlas2布局测量意识形态距离和极化，应用于西班牙地区选举，与传统方法对比验证有效性。

Peihao Guo, Heli Sun, Suyu Xing, Jiaxin Li

基于视觉修辞理论，比较文心一格与Midjourney生成的中美国家形象图像，分析主题、色彩、视觉特征和符号修辞差异，揭示AI作为技术修辞者重构国家叙事。

Taberez Ahmed Neyazi, Tan Khai Ee

利用Meta广告库API分析印度三邦选举中政党广告，研究在位者身份、个人化与议题对负面竞选基调的影响。

Jeremy Martin Ladd

利用柬埔寨2017年取缔反对党前的2400万Facebook互动数据，发现镇压反而促使公民线上接触和参与反对党信息。

Qiang Chen, Qurban Hussain Pamirzad, Mohammad Saber Adina, Richard Evans

基于塔利班外交部发言人Twitter账号的2167条推文，用层级多元回归分析公共外交与社交媒体沟通策略对其社会可见性和认同的影响。

Max Matthias van der Breggen, João Gonçalves, David Boeren

通过生成荷兰政党YouTube内容网络，训练情感分类器分析字幕和标题，探究推荐算法对情感极化的影响，发现负面标题与极化正相关，右翼政党推荐更具极化性。

Daria Kuznetsova

研究利用Telegram数据，分析2020-21白俄罗斯和2022俄罗斯抗议期间亲政府渠道的协调活动，发现其通过转发网络增强信息可见性与可接受性。

Masoumeh Mohajer Rahbari, Philippe Blanchard, Hadi Safari

通过分析伊朗WLF运动前后六个事件的波斯语推特转发网络，发现从两极结构转向单极结构，并证据表明该转变受计算宣传和操纵标签影响。

Md. Sayeed Al-Zaman, Zahedur Rahman Arman, Hasan Mahmud Faisal, Rubaiya Zannat

分析孟加拉国#StepDownHasina标签抗议活动，基于9727条Facebook帖子，通过内容和地理空间分析及BERTopic建模，识别关键调解者及叙事，发现政治实体主导、侨民广泛参与，并存在选择性调解可能形成回声室。

Aimei Yang, Jingyi Sun, Yiqi Li

利用两年Facebook URL数据，分析新冠疫苗错误信息与事实信息的扩散网络，发现平台干预在英语和西班牙语生态中存在显著差异。

Emma Connolly

通过社会网络分析映射“kamala is brat”迷因在X、TikTok、Instagram的跨平台传播，提出五阶段传播模型。

Rui Wang, Yini Zhang

通过混合方法（时间序列建模和内容分析）研究政治影响者如何在Twitter上放大特朗普的媒体抨击言论，发现保守派影响者积极附和，自由派则回避或反击，加剧了媒体信任的党派分化。

Yanyan Li, Yang Li, Yang Li, Yang Li

研究比较俄乌在中国微博上的战略叙事，运用主题建模、社交网络分析和情感分析，发现共享价值叙事更能引发公众情感共鸣。

Thilo I. Dieing

研究2024奥地利大选中多VAA使用行为，发现政治兴趣、投票不确定性、政治满意度及意识形态影响多重使用，并通过潜在类别分析扩展VAA用户类型学。

Nick Anstead, João Carlos Magalhães, Richard Stupart, Damian Tambini

利用Who Targets Me数据集分析2017年英国大选Facebook广告的定向投放，发现时间因素比地理定向更重要，并探讨其对民主的影响。

Inga K. Trauthig, Zelly Martin, Alice Marwick, Samuel Woolley

特刊引言探讨数字平台与生成式AI如何助长阴谋论传播，分析其社会技术动因、跨国趋势及对边缘群体的影响，呼吁跨学科本地化研究。

Majbritt Kappelgaard Severin‐Nielsen, Sanne Kruikemeier, Jakob Ohme, Kristian Gade Kjelmann

基于丹麦议员在常规与选举期的跨媒体行为数据，通过聚类分析和访谈探究永久竞选理论在混合媒体环境中的演变。

Aspen K. B. Omapang, B. Christine Green, Chao Yu, Roxana Mika Muenster, Drew Margolin

混合方法研究科学YouTube视频评论的政治化现象，识别政治化时刻及其对对话毒性、走向的影响，并归纳政治化路径。

Fengjiao Zhou, Rui Ma, Mohamad Shaharudin Samsurijan, Ying Yang

提出结合多层感知机与CNN的集成模型，利用TF-IDF和Word2Vec特征检测社交网络假新闻，在GossipCop和PolitiFact数据集上准确率高达99%和96%。

Zituo Wang, Zituo Wang, Jiayi Zhu, Wenqing Zuo, Zihan Jiang et al.

基于社会认同理论，分析182条抖音阴谋论视频的多模态特征（时长、亮度、人脸等）及国家身份策略，发现外群体身份策略获得更多互动，为平台治理提供启示。

Rafaa Chehoudi

使用双向固定效应模型分析2010-2023年72个国家的数据，发现AI发展与民主水平呈负相关，议会制国家更能缓解负面影响。

Christopher Starke, Kimon Kieslich, Max Reichert, Nils Köbis

通过联合调查实验（n=1331）测试机器人沟通特征对反腐败集体行动意愿的影响，发现严重腐败呼吁有效，党派和性别偏好不显著。

Jan Philipp Thomeczek, Andrei Zhirnov, Michele Scotto di Vettimo, Roan Buma, Vladimir Cristea et al.

利用2009-2019年EU和I投票建议应用数据，测试三种二维模型表征欧洲政治竞争的效果，发现经济文化超级维度加欧洲一体化维度最优，但存在区域差异。

Gyo Hyun Koo, Bin Chen

基于话语机会结构框架，分析Parler上9700多条帖子，探究极右翼如何通过道德诉求、群体身份和#BLM标签策略传播“Stop the Steal”阴谋论并获取关注。

Chelsea Butkowski, Sam R. Wilson, Eric C. Wiemer, Fritz C. Kessler

采用混合方法分析2020年美国大选期间Twitter上关于非投票的推文，探讨不同身份用户的公民规范与意义建构。

Lukas Thiele, Oke Seliger

利用Meta Ad Library数据，通过半监督主题模型分析德国2021年大选中政党在Facebook和Instagram上的广告议题关注，发现政党主要关注自有议题但也涉足对手议题，强调程度与意识形态、定向策略等相关。

Chuanlin Ning

基于抖音和快手1万条热门短视频，运用主题建模与社会网络分析，揭示‘正能量’和‘趣味’两种主导话语模式，探讨政府机构与国有媒体如何通过移动平台塑造主流舆论。