小红书用户如何归因世界杯带来的受众变化并管理社区边界
研究分析小红书 8 个高互动帖的 262 条评论,考察用户如何解释世界杯相关受众涌入带来的社区变化。在 70 条明确给出归因与应对策略的评论中,两者强相关(Cramer's V = .583):归因于算法的用户多采取技术性边界管理,归因于具体社会行动者的用户则更倾向社会性执行或规范引导。
研究分析小红书 8 个高互动帖的 262 条评论,考察用户如何解释世界杯相关受众涌入带来的社区变化。在 70 条明确给出归因与应对策略的评论中,两者强相关(Cramer's V = .583):归因于算法的用户多采取技术性边界管理,归因于具体社会行动者的用户则更倾向社会性执行或规范引导。
研究团队把 大语言模型(LLM,Large Language Model)-SC 框架适配到尼泊尔帕斯帕提那神庙,在 GPT-4o 提示词中定义 12 类实体、4 类关系和 9 个方面-情感维度,处理 2,500 条英文 Tripadvisor 评论。