论文标题	作者	研究主题
超越社区笔记：理解与构建社交媒体众包上下文系统的框架 Lloyd 等人通过系统文献综述和CCS实现分析，提出包含理论模型和六维设计空间的众包上下文系统框架，为社交媒体众包事实核查的设计与伦理研究奠定基础。	TL Travis Lloyd et al.康奈尔大学
转录之误：自动语音识别中的字幕错误降低演讲者与内容评价 Kadoma 等人通过在线实验（N=207）发现，ASR字幕错误会持续降低所有演讲者的评价，但控制字幕质量后未观察到口音群体间的差异影响。	KK Kowe Kadoma et al.康奈尔大学
反应性写作者：与AI协作写作如何改变我们的想法参与方式 Bhat 等人通过19名参与者访谈和1291次写作会话分析，揭示AI将写作转变为评估优先的建议主导实践，使写作者在不自觉中受AI偏见影响，提出 Reactive Writing 概念。	AB Advait Bhat et al.华盛顿大学
emoji_events Reddit 上 AI 生成内容的管理：版主视角的探索性研究 Lloyd 等人通过15个深度访谈揭示Reddit版主对AI生成内容的担忧，指出缺乏有效检测工具下，版主通过社区规范限定AIGC使用，但面临执法困难的挑战	TL Travis Lloyd et al.康奈尔大学	Content Moderation
广告推荐学习 AI 编程到 CodeNow 系统课程、实战项目、持续更新，适合想真正把 AI 用进开发流程的人。立即查看
AI规则？对Reddit社区关于AI生成内容的政策进行特征分析 Lloyd 等人分析超过300,000个Reddit社区规则，发现AI相关规则一年内翻倍，艺术类社区较多，社会支持类较少，为社区自我治理提供参考。	TL Travis Lloyd et al.康奈尔大学
生成式AI与感知伤害：谁被怀疑使用了大语言模型？ Kadoma等人通过三个在线实验发现，当他人感知或怀疑自由职业者使用AI时，会对写作评估和雇佣结果产生负面影响，且对某些人口群体存在感知伤害的差异化影响。	KK Kowe Kadoma et al.康奈尔大学
停止图像偷窃：视觉内容在2020年美国大选虚假信息运动中的作用与动态 Matatov 等人分析2020年美国大选"Stop the Steal"运动中40张热门图像的传播，发现大多数图像未经篡改且在数小时内快速扩散，热门与普通账户共同参与传播。	HM Hana Matatov et al.以色列理工学院	Politics, Polarization and Partisanship; Politics, Polarization and Partisanship
参与QAnon阴谋论 Reddit用户的特征分析 Engel 等人分析13,000名QAnon用户发现他们在Reddit上参与多样化子版块但集中于同情阴谋论的社区，大多数帖子使用低质量来源，揭示了QAnon用户的专注性和对平台社区的潜在危害。	KE Kristen Engel et al.康奈尔大学	Misinformation, Fake News & Conspiracy Theories; Misinformation, Fake News & Conspiracy Theories
趋势警报：跨平台组织在印度大选中操纵Twitter趋势 Jakesch 等人揭示2019年印度大选中跨平台操纵Twitter趋势的新模式，发现75个标签操纵活动，虽规模小于预期但成功制造了可控叙事。	MJ Maurice Jakesch et al.康奈尔大学	Misinformation, Conspiracies, and Manipulations
政府的红利：对中国社交媒体错误信息的复杂认知 Lu等人通过对44名中国微信用户的访谈研究，揭示用户在复杂社交媒体环境下对错误信息的多元态度及对审查制度的不同认知。	ZL Zhicong Lu et al.多伦多大学
通过被动位置共享进行社区意识的多地点调查 Sun 等人通过 MoveMeant 位置感知应用在三个社区进行45次访谈，发现被动位置共享可增强社区资源认识，但也会揭示内部分歧。	ES Emily Sun et al.康奈尔大学