社交信息导向的在线人类行为内容分析

社交媒体的爆发式增长不仅彻底变革了沟通方式，也带来了政治极化、误导信息、仇恨言论和回音室等挑战。本论文运用计算社会科学技术探讨这些问题，理解驱动负面网络行为的社会动态，提出数据驱动的解决方案以实现更健康的数字互动。我首先介绍一种可扩展的社交网络表示学习方法，将用户生成的内容与社交联系集成，创建统一的用户嵌入，实现对用户属性、社区和行为倾向的精准预测和可视化。基于该工具，我探讨了三个相互关联的问题：1）Twitter上的新冠肺炎话语，揭示了政治极化和非对称政治回音室；2）线上仇恨言论，表明追求社会认可是有害行为的动机；3）新冠肺炎讨论的道德底层，发现道德同质性和回音室模式，同时指出道德多样性和多元性有助于跨意识形态的讯息传播和接受。这些发现推动了计算社会科学的发展，为通过社交互动和网络同质性理解人类行为提供了基础。