论文标题	作者	研究主题
2014年俄罗斯-乌克兰冲突期间社交媒体上的对外传播 Ahmed 等人分析2014年俄乌冲突英语推特，识别21个主题并发现亲乌克兰运动难以维持长期参与，需更针对性的社交媒体参与策略。	KA Khawar Murad Ahmed et al.犹他大学
研究智能家居设备相关数据类型如何影响隐私担忧和感知收益 Patil 等人通过多地区问卷调查发现，降低智能家居设备描述的模糊性虽能增进用户理解，但会加剧隐私担忧，且该效应因数据类型、设备复杂度和地区而异。	SP Sameer Patil et al.犹他大学
理解用户对智能手机权限的优先级排序与理解 Devaraja 等人通过问卷调查（n=151）发现多数用户对智能手机权限存在误解，其重要性判断因使用场景和隐私关注度而异，并据此提出个性化权限管理器的设计建议。	MD Manila Devaraja et al.犹他大学
武器化伊斯兰恐惧症的目标：错误信息对美国穆斯林在线实践的影响 Khan 等人通过访谈19名美国穆斯林，发现定向错误信息导致非穆斯林对穆斯林的误解，使穆斯林因纠正无效而感到疲惫和被削弱，并揭示其在线实践的应对策略。	SK Sadia O. Khan et al.印第安纳大学	Session 4d: Misinformation and Fact Checking
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
推测性脆弱性：揭示人们在疫情经历中脆弱性的时间性 Seberger 等人通过 23 次访谈揭示疫情追踪应用产生三类脆弱性——真实型、预期型和推测型，阐明了脆弱性 temporal 维度并呼吁关注人文层面的技术监督。	JS John S. Seberger et al.德雷塞尔大学	Pandemic Life
超越疫情与隐私担忧：印度对疫情追踪应用的感知收益与预期使用 Seberger 等人研究印度用户对疫情追踪应用的感知，发现隐私担忧并非预测因素，社会导向、健康技术使用经验及人口统计学特征才是关键。	JS John S. Seberger et al.德雷塞尔大学	Data and Privacy
推测性脆弱性：揭示人们疫情体验中脆弱性的时间性 Seberger 等人通过多国访谈揭示疫情追踪应用产生的三种脆弱性形式（真实、预期、推测），为HCI中脆弱性的人文研究和公共卫生监测监督提供理论框架。	JS John S. Seberger et al.德雷塞尔大学	Pandemic Life
超越疫情与隐私担忧：印度疫情追踪应用的感知收益与预期使用 Seberger 等人研究发现，印度用户对疫情追踪应用的感知不受隐私担忧影响，社会导向和健康技术使用经验才是关键预测因素，为疫情 Preparedness宣传提供新思路。	JS John S. Seberger et al.德雷塞尔大学	Data and Privacy
中国互联网上的非字面交流：以'钓鱼'为案例研究 Tian 等人分析中国互联网"钓鱼"语言现象，揭示其作为用户对抗平台规范、协商在线话语边界的策略，展现非字面交流的积极社会功能。	HT Huixin Tian et al.印第安纳大学	Understanding and Supporting Online Discussions; Understanding and Supporting Online Discussions
真伪验证：专业事实核查者工作实践研究 Micallef 等人对19个国家21名事实核查者进行访谈，发现当前工作高度依赖人工、工具分散且缺乏有效传播机制，并提出改进建议以提升工作效率和影响力。	NM Nicholas Micallef et al.纽约大学	Fact Checking; Fact Checking
emoji_events 多年后仍然令人不安：应用程序使用中情感不适的正常化 Seberger 等人通过751人场景研究，发现令人不安的情感不适在应用使用中正常化，且与使用意图负相关，受数据素养、数据实践看法及隐私威胁模糊性调节。	JS John S. Seberger et al.德雷塞尔大学