드릴 계정 매각 이론은 근거가 없으며, 오히려 팬들의 노스탤지어와 기억 편향에 의해 확산되고 있다.
적은 양의 학습 데이터로도 소셜 사용자의 지리적 위치를 효과적으로 추정할 수 있는 새로운 프레임워크 FewUser를 제안한다. 사용자와 위치 간의 대조 학습 전략을 통해 성능을 향상시킨다.
증오 발언을 하는 사용자들은 신뢰할 수 없는 뉴스 출처에 더 많이 노출되어 있다.
유튜브 추천 알고리즘은 낙태 관련 콘텐츠에서 편향성과 허위 정보 확산의 위험이 있으며, 이에 대한 감사가 필요하다.
트위터의 친구 추천 알고리즘은 사용자의 개인 네트워크를 구조적으로 에코 챔버와 유사하게 만들지만, 정치적 동질성은 낮추는 것으로 나타났다. 또한 이 알고리즘을 사용하는 계정은 거짓 및 오해의 소지가 있는 선거 관련 내용에 덜 노출되는 것으로 나타났다.
TikTok 연구 API를 통해 수집한 데이터를 분석하여 TikTok 플랫폼의 특성과 동향을 파악할 수 있다.
소셜 미디어 봇 탐지 모델을 구축하여 2020년 미국 대선 기간 동안의 온라인 담론에서 봇 활동을 분석하였다.
지역 커뮤니티 모델은 소셜 그래프의 문맥을 활용하여 악성 콘텐츠를 탐지할 수 있지만, 현실 세계에서는 여전히 이러한 콘텐츠가 확산되고 있다. 이는 현재의 평가 방식이 온라인 콘텐츠와 커뮤니티의 빠른 변화를 반영하지 못하기 때문이다. 본 연구에서는 지역 그래프 샘플링 기반의 새로운 평가 방법을 제안하여 지역 커뮤니티 모델의 일반화 능력을 더 현실적으로 평가한다.
트위터 사용자들이 다른 사용자를 봇으로 비난하는 행위는 점점 더 비인간화의 수단으로 사용되고 있으며, 이는 봇 탐지 모델 개발에 부정적인 영향을 미칠 수 있다.
이 연구는 백신 관련 트위터 커뮤니티 내에서 다양한 의사소통 양식이 존재함을 보여준다. 단순히 에코 챔버로 간주되는 것이 아니라, 상호작용 패턴과 텍스트 특성에 따라 다양한 커뮤니케이션 스타일이 관찰된다.