美国普林斯顿大学计算机科学系PhD博士招生中！（导师Prof. Ribeiro）

今天我们将带大家深入解析普林斯顿大学 计算机科学系的博士生导师Prof.Ribeiro，通过这样的“方法论”，让大家学会如何从了解一个导师开始，到后期更好地撰写套磁邮件及其他文书。

研究领域解析和深入探讨

在当今数字化日新月异的时代，社会计算（Social Computing）正逐渐成为连接技术与人文社会科学的重要桥梁。作为Princeton大学计算机科学系的助理教授，同时也是Princeton信息技术政策中心（CITP）的附属教授，教授的研究工作正处于计算社会科学、人工智能和社会计算的交叉前沿。这种跨学科的定位，使其研究同时具备了技术深度和社会洞察力，为理解数字时代的社会动态提供了独特视角。

教授的研究兴趣广泛而深入，可以概括为三个相互关联的核心领域：在线平台与社会影响、大型语言模型与说服力、内容审核与社区治理。这些研究方向不仅反映了当前数字社会的核心问题，也预示了未来社会计算研究的重要趋势。

1. 在线平台与社会影响研究教授关注数字平台如何影响用户行为、社交网络结构以及信息流动。特别值得注意的是，教授对"极端社区"（fringe communities）的形成、发展和迁移进行了系统研究。通过分析Reddit等平台上的用户数据，教授揭示了在线极端社区的演化规律及其对主流社交媒体的溢出效应。例如，在研究社交媒体禁止特定用户账号（deplatforming）的效果时，教授采用了跨平台的研究视角，考察了这些禁令对目标用户整体在线关注度的影响。这种方法突破了以往研究的局限性，为评估内容审核政策提供了更全面的证据。
2. 大型语言模型与说服力研究教授开展了开创性工作，探究了人工智能技术，特别是大型语言模型（LLMs）如GPT-4在说服交流中的能力与影响。通过精心设计的随机对照试验，教授分析了AI与人类在辩论情境中的说服效果差异，以及个性化因素在这一过程中的作用。这些研究不仅揭示了AI说服能力的惊人潜力，也引发了对这种技术可能被滥用于错误信息传播的担忧，为人工智能治理提供了重要参考。
3. 内容审核与社区治理研究教授关注如何设计更有效的内容审核机制和社区规范工具。例如，其提出的"post guidance"（发帖指导）概念，通过在用户撰写内容的过程中提供主动引导，显著改善了社区内容质量并减轻了版主工作负担。这种研究方向不仅具有理论价值，也直接影响了现实平台的设计和政策制定，体现了研究从实验室到实际应用的转化能力。

值得一提的是，教授的研究方法独具特色，结合了严谨的因果推断、大规模数据分析和田野实验。特别是其与各大科技公司如Meta、Reddit、Microsoft等的密切合作，使研究能够在真实世界场景中进行验证，大大增强了研究发现的外部效度和实际影响力。同时，教授也特别注重研究的社会责任和伦理维度，关注数字平台和人工智能技术对民主、隐私和社会公平的影响。

精读教授所发表的文章

1."On the conversational persuasiveness of GPT-4"。

发表在Nature Human Behavior期刊

这项研究通过精心设计的随机对照实验，探究了GPT-4在多轮辩论情境中的说服能力。研究采用2×2×3的实验设计：(1)辩论对手是人类或GPT-4；(2)对手是否能访问参与者的社会人口学数据；(3)辩论话题的观点强度分为低、中、高三级。结果发现，当AI和人类的说服力不相等时，拥有个性化信息的GPT-4在64.4%的情况下更具说服力，相当于后辩论协议增加了81.2%的几率（95%置信区间[+26.0%, +160.7%]，p<0.01）。这一发现对社交媒体平台的治理和设计具有深远影响，同时也引发了对AI说服技术可能被滥用的担忧。

2."Deplatforming Norm-Violating Influencers on Social Media Reduces Overall Online Attention Toward Them"。

即将发表在CSCW会议上

这项研究克服了以往研究的局限性，通过对165个针对101位有影响力用户的"去平台化"事件的纵向准实验研究，系统评估了社交媒体禁令的有效性。研究创新地使用Google Trends和Wikipedia页面浏览量作为衡量在线关注度的跨平台指标。通过差分中的差分（difference-in-differences）方法，研究发现去平台化确实减少了对相关人物的在线关注度：12个月后，被禁用户在Google上的关注度下降了63%（95%置信区间[-75%,-46%]），在Wikipedia上下降了43%（95%置信区间[-57%,-24%]）。

3."Post Guidance for Online Communities"

即将发表在CSCW

论文中，教授提出了一种创新的社区管理方法——发帖指导（post guidance）。这种方法在用户起草帖子时主动提供指导，通过规则触发干预，如向用户显示消息、阻止帖子提交或标记内容以供审核。这种特定于社区、主动和以用户为中心的方法可以增加对规则的遵守，同时不会给版主带来额外负担。研究通过在Reddit上实施的大规模随机实验，收集了33个子论坛中97,616名发帖者的活动数据，评估了这一方法的有效性。结果表明，发帖指导显著提高了内容质量并减少了版主的工作量，为社区建设提供了实用工具。

4."The Effects of Enterprise Social Media on Communication Networks"

发表在WebSci会议上

探讨了企业社交媒体对组织内部信息网络的影响。这一研究扩展了教授的研究范围，从公共社交媒体平台延伸到企业内部的信息流动和组织结构，展示了社会计算研究在不同场景下的应用潜力。

教授的学术地位

教授在社会计算和计算社会科学领域已建立了突出的学术地位和显著的影响力。尽管其刚刚加入Princeton大学担任助理教授的职位，但已经通过一系列开创性研究和跨学科合作在国际学术界赢得了广泛认可。

1. 学术背景教授拥有扎实的国际化教育经历，在瑞士洛桑联邦理工学院（EPFL）的数据科学实验室获得博士学位，师从该领域知名学者Robert West教授。在此之前，教授在巴西米纳斯吉拉斯联邦大学（UFMG）完成了学士和硕士学位。这种跨国际、跨文化的学术背景为其研究带来了独特的全球视角，使其能够从不同文化和社会背景理解数字技术的影响。
2. 研究合作网络教授与学术界和产业界建立了广泛的联系。在学术界，其研究合作者包括来自德雷克塞尔大学（Drexel University）、宾夕法尼亚大学（University of Pennsylvania）、罗格斯大学（Rutgers University）等多所知名高校的学者，形成了跨机构、跨学科的研究团队。在产业界，教授与Meta、Reddit、Microsoft、Prolific等科技公司保持密切合作，不仅获取了珍贵的研究数据，也确保了研究成果能够直接影响实际产品和政策设计。这种学术-产业协作模式极大地增强了研究的实用价值和社会影响力。
3. 引用指标根据Google Scholar数据，教授的研究论文已累计获得超过4,000次引用，这在其学术阶段尚为年轻的情况下非常可观，表明其研究已在学术界产生重要影响。特别是其关于社交媒体极端社区和内容审核的研究，已成为该领域的经典参考文献。
4. 媒体影响力教授的研究成果频繁被主流媒体报道，包括Washington Post、The Guardian、MIT Technology Review、The Atlantic、Wired等知名媒体，以及多个国家和地区的重要新闻媒体。这种广泛的媒体曝光不仅扩大了研究成果的社会影响，也促进了公众对数字技术社会影响的理性理解和讨论。例如，其关于GPT-4说服力的研究被20多家国际媒体报道，引发了对AI潜在风险的广泛讨论。
5. 在学术共同体中的角色教授积极参与学术服务工作，担任重要学术会议的程序委员会成员和审稿人，为推动社会计算领域的发展作出贡献。其在Princeton的职位同时隶属于计算机科学系和信息技术政策中心，体现了学术界对其跨学科能力的认可，也为其研究提供了更广阔的平台。教授研究的独特价值在于将技术与社会问题紧密结合，不仅关注"是什么"和"为什么"，更关注"怎么办"。如教授自己所强调的，其研究旨在解决现实世界问题并提供可行的见解，理想情况下，这些见解能转化为政策和设计变革。这种研究理念使其工作超越了纯粹的学术探索，成为连接理论与实践的重要桥梁。
6. 研究方法教授注重证据和科学性，善于运用严谨的实证方法挑战流行的直觉和假设。例如，在研究YouTube推荐系统的研究中，教授使用了反事实机器人（counterfactual bots）的创新方法，通过因果推断评估了推荐算法的实际影响，这种方法大大超越了以往基于相关性的研究，为理解算法效应提供了更可靠的证据。

有话说

教授的研究成果为我们理解数字社会的复杂动态提供了独特视角，也激发了一系列值得深入探索的创新思考方向。基于对教授研究的深入分析，以下提出几点理解和创新思考。

首先，教授的研究揭示了在线平台设计与社会后果之间的深刻联系。从内容推荐算法到社区管理机制，平台的技术设计选择直接影响着用户行为、社区动态和信息流动。这一发现提示我们，平台责任不应仅限于事后的内容审核，还应延伸到前端的设计决策。一个值得探索的创新方向是"价值敏感设计"（Value-Sensitive Design）在社交平台中的系统应用：如何将社会价值（如包容性、多样性、可靠性）从一开始就嵌入平台架构和算法设计？这不仅需要技术创新，也需要跨学科合作，将伦理学、社会学、心理学等领域的洞见融入计算机科学和软件工程实践。

其次，教授关于大型语言模型说服力的研究揭示了AI在人类沟通和认知影响方面的新境界。这一研究引发的核心问题是：如何平衡AI助理的有用性与潜在的操纵风险？一个创新视角是重新思考人机交互的透明度和用户赋权机制。例如，可以设计"认知防护栏"（Cognitive Guardrails）系统，帮助用户识别并反思AI生成内容中潜在的说服策略和个性化元素。更进一步，可以探索"反向个性化"（Counter-Personalization）技术，主动向用户展示与其现有观点相左但高质量的信息和论点，以促进认知多样性和批判性思维。

第三，教授的去平台化研究提示我们重新思考数字公共空间的治理模式。当前的平台化互联网结构使得少数大型平台掌握了对数字表达的巨大权力，而去平台化成为应对极端内容的主要手段。这引发了关于数字治理分散化的思考：是否可能建立更加分布式、多中心的数字公共空间治理模式？一个创新方向是探索基于社区的内容治理实验，赋予不同社区定制自身规范和治理机制的能力，同时确保跨社区间的基本协调。这类似于"数字联邦主义"（Digital Federalism），允许不同社区根据其价值观和需求实验不同的治理模式，避免"一刀切"的全球规则。

第四，教授的"发帖指导"研究启示我们，前置干预（ex-ante intervention）可能比事后审核更有效且更少争议。这一思路可以延伸到更广泛的"行为设计"（Behavioral Design）领域：如何通过精心设计的界面、提示和反馈机制，引导用户做出更明智、更有建设性的数字交互决策？例如，可以探索"情绪感知界面"（Emotion-Aware Interface），在检测到用户情绪激动时提供冷静提示；或"深思熟虑按钮"（Reflection Button），鼓励用户在发布潜在有争议的内容前进行额外思考。这些微妙的设计干预可能比严格的内容限制更有效地改善在线对话质量。

最后，教授对社交媒体跨平台效应的研究提醒我们，数字生态系统是高度互联的，单一平台的政策可能产生意想不到的系统级后果。这启发我们思考"数字生态系统方法"（Digital Ecosystem Approach）：如何理解和治理整个数字信息生态，而非孤立地关注单一平台？一个创新方向是开发"跨平台协调机制"（Cross-Platform Coordination Mechanisms），允许不同平台在保持独立性的同时，就特定类型的有害内容或行为采取协调一致的应对措施。这类机制需要谨慎设计，既要有效应对跨平台传播的有害内容，又要避免形成过度集中化的内容控制。

博士背景

Aurelia ，美国TOP10院校计算机科学与认知科学双博士生，研究聚焦算法博弈论不确定性及其在人工智能中的应用。她的跨学科研究融合了计算机科学、语言学和心理学知识，在国际顶级期刊《Journal of Artificial Intelligence Research》和《Cognitive Science》上发表多篇论文。Aurelia 荣获ACM SIGAI博士论文奖，擅长相关方向的PhD申请指导。