Social Media + Society

Cristopher Cepernich, Alice Fubini, Antonio Martella

研究特朗普YMCA舞蹈在TikTok上的传播，基于API采集6799个视频，分析参与模式与算法可见性，提出迷因美学逻辑。

Mohammad Hossein Jarrahi, Amir Karami, Lisa Park, Ensieh Jarrahi, Christoph Lutz

通过Twitter数据分析用户如何拟人化ChatGPT，识别出人格化、情感归因等五类拟人化形式，探讨社交媒体对拟人化叙事的形塑及其对信任和传播的影响。

Ashwin Rajadesingan, Tejasvi Chebrolu

通过分析2015-2021年Reddit上约40万次政治互动，发现跨立场讨论中带个人故事的评论获得更多正面评价和回复，但未能减少毒性回复，且用户较少分享个人故事，影响有限。

Morgan Wack, Stephen Prochaska

通过肯尼亚7000人调查实验，考察社交评论对政治深度伪造效果的影响，发现质疑评论可部分恢复政治家支持，且党派偏见影响判断，强调集体意义建构的作用。

Qingyue Sun, Runze Ding

论文基于对抖音的数字化田野调查，提出“流行抵抗”概念，分析女性主义内容在平台与国家的双重结构下如何获得可见性并受制于算法与政治商业逻辑。

Luise Anter, Martin Fischer, Anna Sophie Kümpel

通过观察和访谈研究60岁以上德国老年人如何使用Facebook和Instagram进行信息导航、选择与参与，发现其信息实践多样且存在被动倾向，受媒体社会化影响。

Muyang Li

研究通过分析Reddit上10,087个帖子，探讨阴谋社区如何感知和批判算法驱动的社会自动化，发现阴谋思维与对算法隐蔽动机的感知相关，强调算法治理需考虑社会文化背景。

Wahid Mehran, Jolanta A. Drzewiecka

该论文通过民族志方法分析2021-2024年间X平台关于阿富汗的帖子，探讨离散社群与国内用户如何围绕民族、标签和语言展开排斥性话语，重塑族群分裂。

Ona Anglada-Pujol, Gemma San Cornelio, Elisenda Ardèvol, Sandra Martorell

通过民族志和访谈研究60个西语生态网红账号，分析其在TikTok上应对病毒式传播与社区建设的矛盾，提出“扁平病毒式传播”概念。

Georgia Kernell, Soo Min Noh

该论文利用Naver News的3900万条评论数据，训练深度学习模型识别不文明内容，分析两种自动化干预对评论不文明程度和用户参与度的影响，发现干预显著降低不文明内容，但对参与度影响不一。

Hedi Ye

提出Algorithmic–Affective Misinformation Model，结合访谈与跨平台观察，分析TikTok和RED上健康错误信息通过审美合法化、情感脆弱性与算法强化三种机制获得可信度的过程。

Baoying Fu, Xueqing Li

基于726份问卷，考察个体对AI生成虚假信息的感知，发现人们认为自己同样易受影响，且感知影响正向关联纠错行为。

Anne Helmond

文章追溯平台化概念演变，从早期社交网络到AI中心平台模式，以Facebook点赞按钮退役和谷歌太空AI项目为例，重新定义平台化为平台特有的'转码'过程。

Ala’Eddin Abdullah Ahmed Banikalef, Mohammad Issa Mehawesh

该研究分析约旦-巴勒斯坦Facebook评论中的身份表演与放大可见性，结合数字民族志和系统编码及协调检测协议，识别方言、表情符号等策略及可能的操作化标记，提供开放脚本。

Mengqi Liao, Yuan Sun, Timilehin Durotoye, Homero Gil de Zúñiga, S. Shyam Sundar

通过预注册实验（N=244）探究不同新闻推荐来源（朋友、编辑、算法）对用户信任的影响，发现高NFM用户因机器启发式信任算法，并视朋友和算法与编辑同等权威。

Skyler Wang, Marco Dehnert

通过对四个多模态AI伴侣平台的分析，探讨其人性化、可访问性、可定制性和关系进展等技术特质，揭示平台如何构建“按需亲密”的愿景。

Lei Chen, Kun Zhou, Sang Jung Kim

研究对RedNote上1915条#RejectBodyAnxiety帖子进行计算辅助批判性主题分析，揭示身体积极话语与后女性主义元素的复杂交织，表现为选择性颠覆与策略性顺从，重构了理想美的概念。

Mathilda Åkerlund

通过对incel论坛3353篇帖子的批判性话语分析，探讨强奸和性别仇恨的表述，揭示其矛盾性及与主流厌女文化的关联，属于计算传播中的数字内容分析。

Luna Gao, Jesper Strömbäck

通过NLP和内容分析71,003条推特转发评论，研究人们分享阴谋论的动机，发现部分人反对阴谋论却仍传播，旨在警告或纠正错误信息，可能加剧阴谋论扩散。

Michael Smith, Guangqing Chi, Junjun Yin, Yosef Bodovski, S. Shyam Sundar

利用175万条X帖子、疫情数据和选举结果，分析不同党派县在疫情期间的推文量差异，发现民主党县推文量对疫情变化更敏感，城市县比例更高。

Xiaomin Luo

基于定性研究，分析用户通过非常规图像、低可见性和空间游荡等反签到策略，抵抗消费主义景观和算法推荐，同时揭示其被平台收编的张力。

Jamie Jana Jocher, Roland Verwiebe

通过4周纵向自我实验，基于Levinger关系模型分析人机浪漫关系各阶段情感，发现平台算法在分手后仍维持情感纽带，揭示AI伴侣对亲密关系的重构。

Kaarel Lott

探讨爱沙尼亚TikTok男性影响者如何通过视听元素（如科技音乐、豪华游艇）传达厌女意识形态，提出“misogynesque”概念，并揭示其情感敲诈策略以促进manosphere主流化。

Luming Zhao, Jinzhuo Liu, Xinyan Wang

研究中国数字空间中的厌女言论，通过分析91,026条百度贴吧帖子及27次访谈，发现厌女言论作为结构性枢纽，连接多种社会不满情绪，是边缘群体表达焦虑的渠道。

Gilad Karo, Tom Divon, Blake Hallinan

研究ISIS和基地组织支持者如何利用TikTok的算法推荐和逃避内容审核，通过音频伪装、表情包渗透等五种策略传播极端主义内容，揭示平台治理局限。

Chloe Mortenson, Erik C. Nisbet, R. Kelly Garrett

通过2020和2022年选举期间的两项研究，检验在线错误信息 presumed prevalence/persuasiveness (P3OM) 对美国民主满意度的影响，发现P3OM与民主满意度下降相关，实验证实接触错误信息相关消息会降低民主满意度。

Michael Nwokedi, Ifesinachi Anyaegbunam Ayogu, John Ayodele Oyewole, Joseph Moyinoluwa Talabi, Samson Adedapo Bello et al.

通过分析尼日利亚社交媒体讽刺短剧及其评论，运用回归模型考察攻击性、批评焦点和创作者风格对互动与情感反应的影响，揭示攻击性内容的矛盾效应。

Merle Huber, Sebastian Block, Tomas Ruiz

基于德英议员2020-2024年TikTok发帖数据，用零膨胀负二项模型分析政党激励、行为惯性与个人特征对发帖量的影响，发现政党利基性、路径依赖和性别等因素塑造精英传播。

Siyu Chen

通过分析小红书上的单身女性影响者，提出“身份拼凑”概念，探讨其如何构建可商业化的亲和力人设，揭示平台资本主义下文化表达与市场逻辑的交织。

Dong Jing, Xu Gao, Jianwei Liu, Kee-Hung Lai

基于中国社交平台大数据，区分间接目睹与直接遭受仇恨言论，分析其对用户内容生产、社交互动及反社会表达的差异化影响，并检验强度与用户资历的调节作用。

Tianru Guan, Xiaotong Chen

论文用监督机器学习分析中国网民在问答平台关于延迟退休政策的讨论质量，提出“独白式商议”概念，发现分析性理性强而社会互动弱。

Matthew J. A. Craig, Mina Choi, Ying Zhu, Toqa Hassan, Samuel Mensah Noi et al.

基于自我决定理论，通过385人调查探究TikTok用户感知的算法响应性和敏感性如何经由自主、胜任和关系需求满足影响生活满意度，发现关系满足起中介作用。

Oliver Mel Allen, Zu Yi, Milo Z. Trujillo, Brooke Foucault Welles

分析Tumblr上Cottagecore到Tradwife的审美管道，基于20万帖子与2350条定性编码，未发现明显激进化的证据，但观察到Tradwife与Cottagecore社区重叠中的主流化效应及2021年后标签主题变化。

Frida Stranne

分析特朗普与拜登在Instagram上的情感政治叙事，识别六种情感模式，揭示其共享的情感语法，探讨视觉叙事在数字政治传播中的作用。

Bo Hu, Guanxiong Huang

通过调查实验考察AI合成与真实视频的感知质量、内容熟悉度对用户感知真实性和检测准确性的影响，发现启发式处理影响辨别能力。

Tianchan Mao, Chris Chao Su, Ngai Keung Chan, Лэй Гуо

通过内容分析和网络分析，比较X与微博2007-2024年间如何沟通平台价值观以规范公共表达，发现社区准则趋同但行政帖子价值观分化。

Candice L. Edrington, Tara Marie Mortensen, Odera Ezenna

该研究混合使用情感分析、符号学视觉分析、调查和主题分析，探讨Instagram上#IAmABlackMan挑战中黑人男性的文化投射及公众解读。

Andreas Jungherr, Adrian Rauchfleisch

基于德美两国调查，分析公众对AI审核功能（准确性、安全、偏见缓解等）的期望差异及影响因素。

Jennifer Ihm, Eun‐Mee Kim

提出自我呈现模型，结合408名用户调查及聊天室新闻文本分析，探讨用户因网络特征和呈现目标而选择性不分享新闻的行为。

Christy Khoury, Jeff Hemsley

研究2020年贝鲁特港爆炸事件中TikTok用户如何通过多模态内容进行集体意义建构，分析视频、评论、标签等，探讨推荐系统对危机理解的影响。

Zachary P Rosen, Joseph B. Walther

研究2023年10月7日后X平台反穆斯林和反犹太帖子的仇恨传播，分析6388条仇恨帖的回复语义、点赞和转发对发帖者后续仇恨行为的影响。

Shohana Akter, Pnina Fichman

通过分析124,963条评论和100个视频，运用主题建模、情感分析等方法，探讨美国年轻党派支持者在TikTok上的政治表达和受众互动。

Andreas Schellewald

通过民族志田野调查，探讨用户如何在与TikTok算法的日常互动中协商信任，强调信任的情感与身体维度，主张研究需关注物质与文化情境。

Leiyuan Tian, Fan Liang, Zhao Alexandre Huang

分析10位亲华外国政治影响者在X上的自我呈现策略和话语框架，提出四种捍卫中国的叙事类型。

Yunfei Xing, Zuopeng Zhang

基于社会认同理论，综合聚类、社交网络分析、文本挖掘与BERTopic主题建模，分析社交媒体上关于人口贩卖的多维极化现象，揭示社区结构与公众关注议题。

Stephen A. Rains, Kevin Coe, Kate Kenski, Yotam Shmargad

基于动态系统理论，分析在线新闻社区三周内的评论数据，识别出持续不文明、偶发不文明和无不文明三种序列模式，并发现不文明序列抑制了明确同意和不同意表达。

Xiaoyi Liu

研究分析微博用户对党国媒体介入性别争议的看法，发现网民认为其背叛女性、执行双重标准，并关注粉红女权主义身份反思。

Zizhong Zhang, H. K. Huang, Haixin Mu, P Guo, Ke He et al.

基于Reddit和百度贴吧5年数据，分析科比去世后情感粉丝公众的跨文化哀悼实践，揭示中西平台不同的哀悼模式及时间演变。

Tyler Musgrave, Yuning Ye, Kentaro Toyama, Sarita Schoenebeck, Megan Threats

研究探讨Black Twitter上#diasporawars标签所反映的全球黑人群体互动，通过分析推文揭示平台促进合作与加剧冲突的双重作用。

Anna Wickenkamp, Frederic R. Hopp, Michael Hameleers, L. Bos

分析2023荷兰大选中政党社交媒体帖文，发现民粹政党更强调关怀和权威道德基础，且跨平台一致性较低。

Steve Borchardt, Matteo Trane, Stefano Cisternino, Marelli Luisa

基于582,156条推文进行情感分析，探究2020-2024年公众对欧洲绿色新政的情绪演变、主题分布及事件影响，发现中性情绪主导，政策沟通与公众舆论关系密切。

Devina Sarwatay

研究印度儿童网红（kidfluencers）如何通过父母管理账户和内容，反映主流文化、宗教与家庭价值观，获得关注但面临剥削和风险。

Vimviriya Limkangvanmongkol

文章通过分析泰国家庭网红获奖者的社交媒体帖子，探讨家庭价值观、文化与儿童发展的平衡，识别出家庭关系、文化能力和儿童发展等主题。

Line Nybro Petersen, Mikkel Bækby Johansen

论文提出混合化预备极端主义（HYPE）空间概念，基于数字民族志的定量与定性数据集，识别塑造HYPE空间的行动者、实践和内容三个领域，揭示社交媒体在极端主义混合化中的独特作用。

Hendrik Meyer, Louisa Pröschel, Michael Brüggemann

比较德国两个气候运动（Fridays for Future和Last Generation）在Twitter/X上的辩论，通过自动化内容分析和网络分析（约500万条数据）发现破坏性抗议引发更极化的网络，支持性网络与对抗性反弹网络并存。

Sarah Shugars, Eunbin Ha

通过混合方法比较Twitter和Reddit上的政治讨论，发现Twitter极化明显而Reddit更有益于跨群体对话，差异源于平台可供性。

Josephine Lukito, Maggie Macdonald, Bin Chen, Megan A. Brown, Stephen Prochaska et al.

收集2022年美国中期选举1517名候选人在七个社交平台的帖子，用计算方法识别动员信息，分析党派与平台策略差异。

Kaarina Nikunen, Paula Haara, Heidi Kosonen, Aleksi Knuutila, Reeta Pöyhtäri et al.

基于289,933条数字平台消息，结合计算与定性方法识别仇恨言论的10大主题，分析其政治与社会表述，揭示后真相语境下定义权的争夺。

Hannah Ditchfield, Stefania Vicari

研究通过计算数据收集工具获取TikTok上关于遗传性癌症（BRCA和Lynch综合征）的内容，结合定性内容分析，探讨用户如何通过角色扮演进行身份表演，揭示平台算法与多模态特征对自我呈现的影响。

C. L. Hogan

研究Twitter上softblocking（拉黑后立即解除）的社会意义，基于96,541条推文进行语料库辅助话语分析，探讨其与预设可供性的区别、元话语协商及互惠期望。

Rongwei Tang, Benjamin Burnley, Leticia Bode, Emily K. Vraga

基于美国全国代表性调查，研究社交媒体用户纠正错误信息与支持民主规范及政治暴力态度之间的关系，发现纠正者未必支持民主规范。

Axel Bruns, Kateryna Kasianenko, Padinjaredath Suresh Vishnuprasad, Ehsan Dehghan, Laura Vodden

提出实践映射方法，用向量嵌入表示社交媒体的网络行为和多模态互动，克服传统网络分析局限，可跨平台分析，并以Twitter数据示例验证。

Mark Friis Hau

基于韦伯理论，结合社交媒体帖子的定量分析与丹麦活动家深度访谈，探讨社交媒体如何重塑劳工运动的组织与合法性，提出情感和个人叙事挑战传统工会合法性。

Nils Gustafsson, Nils Holmberg, Noomi Weinryb, Anders Olof Larsson

纵向分析125个瑞典非营利组织2015-2020年约10万条Facebook帖子的情感表达，发现情绪沟通随时间增加但多样性保留，帖子变长且用户参与度降低。

Siri Frisli

分析挪威Twitter上42.6万条COVID-19相关推文，用STM识别政治与健康两类主要虚假信息话语，并结合批判话语分析探讨权力与意识形态动态。

Fernanda Odilla

以巴西为例，分析社交媒体在右翼抗议营地动员、组织、维持和重组中的作用，提出“boom-and-burst”概念，揭示线上线下互动如何促成暴力升级。

Mikkeline Sofie Skjerning Thomsen, Sarah Steinitz, Morten Fischer Sivertsen, Sine Nørholm Just

通过混合方法研究丹麦Facebook群组作为连接性民主论坛，发现其复制传统社区中心的政治潜力，并引入“数字社区中心”概念。

Nathan A Silver, Miao Feng, Elexis C. Kierstead, Hy Tran, Steven Binns et al.

分析2019-2021年Twitter上烟草政策讨论的3百万帖子，识别最具影响力和连接度的用户，发现电子烟倡导者主导话语且部分与烟草业有关联。

Nuurrianti Jalli

研究东南亚三国青年利用TikTok推动社会正义与政治参与，分析其策略、挑战及算法影响，反驳数字行动主义充满虚假信息的观点。

M. A. L. Smith, Sarah Shugars, Shaimaa Khanam, Adanma Mbonu, Om Sai Krishna Madhav Lella et al.

研究黑人保守派影响者如何在YouTube保守生态中表达观点，用BERTopic分析17136个视频转录，并用transformer模型评估意识形态，发现其种族叙事统一且与特朗普崛起相关。

Saif Shahin, Mingyi Hou

研究#StopAsianHate标签运动中的煽动者、名人与粉丝行为，结合主题建模与数字话语分析，揭示行动主义的层级结构与话语竞争。

Yash Vekaria, Zubair Shafiq, Savvas Zannettou

通过分析约3.5万条Twitter广告，使用Perspective API和人工标注审计成人内容广告政策执行情况，发现违规广告占比高且审核存在语言差异。

Andreas Schmitz, Mattia Samory

基于Bourdieusian理论和关系方法论，计算分析2015和2023年Reddit黑屏抗议的结构性原因，揭示平台权力重构。

Marco Bastos

研究利用Twitter Moderation Research Consortium数据库，通过Google Vision API和Keras分析115,474个虚假账号的视觉身份，发现性感形象、自拍、K-pop美学等视觉特征可预测影响力操作。

Haoning Xue, Jingwen Zhang, Xinzhi Zhang

研究2017-2022年美国10个事实核查组织在Facebook上49,270条帖子的情感性，发现情感性逐年增加，提升公众参与但损害对核查目标的公众情绪。

Seth C. Lewis, David M. Markowitz, Jon Benedik Bunquin

通过分析美国记者近百万条推文，运用NLP技术测量ChatGPT发布前后情绪变化，发现发布后积极情绪增加，体现记者对AI的初始乐观态度。

Zehang Xie

通过3×2×2实验探究AI交互类型、谣言性质与利他倾向对健康谣言分享意愿的影响，发现知识获取情境和恐惧型谣言更易促分享，利他倾向起调节作用。

Adina Gitomer, Erika Melder, Brooke Foucault Welles

基于2016-2023年#StopLine3标签的全部推文，检验Melucci集体行动阶段模型，发现Twitter话语始终偏向动员而非潜伏期，质疑平台对潜伏期工作的支持。