数字时代的社区研究新路径

斯蒂文斯理工学院的研究人员利用机器学习工具与社交网络理论（研究人与人之间连接关系的学科），尝试更深入理解人们在网络空间中的互动方式。通过分析 X（前 Twitter）的数据，团队聚焦于连接用户的复杂关系与共同兴趣模式，尤其关注人们如何在网上形成社区、在社区内部互动，以及又是如何离开这些社区的。

“社区”不只是话题相似，而是互动网络

斯蒂文斯系统工程系副教授 Jose Ramirez-Marquez 指出，本研究中的“社区”并非只是讨论相似话题的一群用户，而是一个具有紧密互动的集群。他研究的是社区如何随时间演变与相互作用。

“换句话说，它是一个网络结构：用户在主题上保持一致，并通过转发、提及或回复等方式积极连接。”

在这一视角下，社区被视作由内容与互动共同塑造的网络，而不仅是兴趣标签的简单聚合。

从地理邻里到数字网络

过去几十年里，“社区”的含义发生了显著变化。传统上，人类社区往往围绕地理位置形成，受水源、肥沃土地、食物来源和气候等因素影响，逐渐发展为村庄、城市乃至国家。在更微观的层面，人们因为住在同一街区、就读同一所学校或在同一单位工作而形成社区。

互联网的出现打破了许多曾经界定社区的地理与社会边界，包括某些形式的歧视。如今，人们可以通过在线平台，基于共同兴趣、身份或信念而非地理位置来建立联系。借助社交媒体、论坛和各类在线群组，用户可以跨越国界实时交换信息、提供支持并分享观点。

正如研究团队所总结的：互联网已将社区从以地点为核心的本地群体，转变为由数字通信与共同兴趣驱动的动态全球网络。

新机遇与新风险：匿名性与传播速度

尽管社交媒体极大拓展了连接与协作的机会，但也带来了新的挑战。匿名性与快速触达海量受众的能力，可能被用来规避现实世界中的社会约束。

Ramirez-Marquez 指出：

“作为在线社区的一员，我可以伪装自己，然后说出各种话而无需承担社会后果。在现实生活中则会有后果。”

在没有数字平台的时代，个体能直接影响的人数有限，而如今信息可以在极短时间内扩散到庞大人群。

回声室、极端化与现实后果

部分在线社区会演变为“回声室”，成员主要与持相似观点的人互动，强化既有立场。一些群体可能利用社交网络传播极端思想或鼓吹暴力。在某些在线空间中，攻击性或仇恨言论可能被逐渐正常化，进而推动挑战主流社会价值观的运动，放大虚假叙事，使其更难被纠正。

既有研究还发现，仇恨性在线帖文的增加，有时会先于现实世界仇恨犯罪的上升，呈现出某种预警信号的特征。

一个追踪社区演化的分析框架

为更系统地理解社区之间的互动，Ramirez-Marquez 与其博士生 Amirhossein Dezhboro 开发了一个分析框架，用于追踪数字社区随时间的变化，并对其讨论话题进行分类。借此，研究人员可以观察线上对话如何分裂为更小的子话题群体，以及这些群体如何出现、扩张、收缩乃至消失。

团队通过综合分析两类信息来评估网络数据：

• 用户发布内容的文本与主题
• 用户之间的连接方式与互动结构

这一研究成果发表于 2026 年 3 月 26 日的《风险分析》（Risk Analysis）期刊，论文题为《数字时代的社区塑造：一种面向风险的时序融合框架，用于分析在线社交网络中的信息扩散与分裂》。

机器学习与社会理论的结合

在技术层面，研究团队构建了机器学习分类模型，用于分析用户帖子及其互动行为，从而揭示潜在的群体结构与话题聚合模式。同时，他们借助社会科学理论，提炼出若干关键分析要素，以更好理解这些在线社区的结构特征、动态演化，以及现实世界事件对其产生的影响。

Ramirez-Marquez 表示：

“我们发现，社交媒体互动可能形成回声室并加剧社会极化，而该框架能帮助检测新兴的错误信息社区，并追踪叙事随时间的传播。”

为政策与治理提供早期预警

研究人员强调，理解在线社区的运作机制，不仅对研究社会互动的学者重要，对制定技术与社会政策的决策者同样关键。

“通过研究这些在线社区如何形成、成长和互动，我们或许能识别有害话语的早期预警信号，”Ramirez-Marquez 说。“这可能帮助政策制定者制定策略，在支持在线交流积极作用的同时，降低潜在风险。”

在错误信息、极化与仇恨言论不断引发现实后果的背景下，这一框架为监测数字空间中的风险演化提供了新的工具和视角。