• 由于 COVID-19 而在线教学的学生网络：牢固的友谊关系和物理和数学课程中感知的学术声望的学术影响;
• 引用指标与获得诺贝尔奖或阿贝尔奖之间的相关系数;
• 大流行期间健康通行证的有效数学建模;
• 面对 COVID-19 的伊比利亚美洲事实核查人员。 Facebook 上的活动分析;
• 在线导航中的信息茧;
• COVID-19 大流行对学术生产力的影响;
• PETGEN：基于深度序列嵌入的分类模型的个性化文本生成攻击;

由于 COVID-19 而在线教学的学生网络：牢固的友谊关系和物理和数学课程中感知的学术声望的学术影响

原文标题： Student networks on online teaching due to COVID-19: Academic effects of strong friendship ties and perceived academic prestige in physics and mathematics courses

地址： http://arxiv.org/abs/2109.06245

作者： Javier Pulgar, Diego Ramírez, Abigail Umanzor, Cristian Candia, Iván Sánchez

摘要： 学生之间的合作是知识构建和能力发展的基础。尽管如此，学生合作的有效性取决于这些互动在有利于互动者之间的承诺、信任和决策的条件下发生的程度。鉴于学生的互动是以信息和通信技术 (ICT) 为中介的，卫生状况和向远程教学的过渡为协作增加了新的挑战。在这项研究中，我们从位于智利南部农村和城市地区的两所学校的中学生样本中探讨了物理和数学上不同协作关系的有效性。我们使用社会网络分析 (SNA) 来绘制学生在两门课程中的友谊关系、学术声望和合作情况。后来我们将合作网络与课程中的友谊和学术声望相结合，将强友谊工作关系与弱友谊工作联系以及学生之间享有或不享有学术声望的工作联系起来。多元线性回归模型平均显示出合作对成绩的积极影响。然而，在隔离合作类型的影响时，只有在那些表现出更牢固友谊关系的人之间才能观察到积极的影响。此外，我们发现社会网络的差异及其对两门课程之间成绩的影响，大概是由于它们的教学性质。有了这些结果，我们为基于学生关系性质的合作文献及其有效性做出了贡献，并倡导教学设计在培养课堂建设性合作的适当动机和指导方针方面的重要性。

引用指标与获得诺贝尔奖或阿贝尔奖之间的相关系数

原文标题： The correlation coefficient between citation metrics and winning a Nobel or Abel Prize

地址： http://arxiv.org/abs/2109.06329

作者： M.V. Simkin

摘要： 如果我们能够获得奖项委员会为所有科学家提供的排名，那么计算这种相关系数会很简单。实际上，我们只有所有科学家的引用排名。然而，这意味着我们有获奖者在引用指标方面的顺序排名。我使用最大似然法来推断最可能的相关系数，以产生观察到的获奖者有序排名模式。我得到了复合引文指标与获得阿贝尔奖和菲尔兹奖之间的相关系数分别为 0.47 和 0.59。获得诺贝尔奖与 Q 因子之间的相关系数为 0.65。这些系数与国际象棋棋手的 Elo 评分与其受欢迎程度之间的相关系数具有相同的大小，以提及棋手的网页数量来衡量。

大流行期间健康通行证的有效数学建模

原文标题： Effective Mathematical Modelling of Health Passes during a Pandemic

地址： http://arxiv.org/abs/2109.06525

作者： Giacomo Cacciapaglia, Stefan Hohenegger, Francesco Sannino

摘要： 我们研究了一类限制性措施对流行病学动态的影响，这些措施旨在减少感染可传播疾病风险较高的个人的接触次数。目前，全球许多国家都在实施或至少讨论了此类措施，以抵御整个欧洲可能出现的新一波 COVID-19。它们以健康通行证 (HP) 的形式出现，只有持有证明已完全接种疫苗、从以前的感染中康复或最近对 SARS-Cov 呈阴性的个人才能完全进入公共生活-19 .我们开发了一个分区模型和一个流行病重整化组方法，它能够描述更长时期内的动态，特别是整个流行病学波。在这个模型中引入不同版本的 HPs，我们能够提供对基本措施有效性的定量估计，作为接种疫苗的人口比例和疫苗接种率的函数。我们将我们的模型应用于几个欧洲国家（特别是德国和奥地利）的最新 COVID-19 浪潮，这验证了我们的理论发现。

面对 COVID-19 的伊比利亚美洲事实核查人员。 Facebook 上的活动分析

原文标题： The Ibero-American fact-checkers facing the COVID-19. Analysis of activity on Facebook

地址： http://arxiv.org/abs/2109.06533

作者： Alberto Dafonte-Gómez, María-Isabel Míguez-González, Xabier Martínez-Rolán

摘要： 简介：COVID-19 大流行揭示了信息流行病是突发卫生事件的一个加重因素，这种情况增强了数据验证新闻在危机情况下的作用。本文旨在理解世界卫生组织宣布 COVID-19 大流行后的前两个月（2020 年 3 月 11 日至 2020 年 5 月 11 日），国际事实核查组织 LatamChequea 冠状病毒在 Facebook 上的发布和互动动态.方法：使用 Crowdtangle 收集并分析了 31 个不同的事实检查员发布的总共 5736 个帖子中产生的内容、元数据和反应。结果：在分享最多的出版物中，与 COVID-19 相关的出版物比涉及其他主题的出版物产生了更多的反应和评论；与其他通常更频繁的互动和出版物相比，分享量很高，其中包含链接的链接比基于视频或图像的互动更多。点赞数与分享数、愤怒反应与评论数呈正相关。讨论和结论：在交互集中分享的相关性表明用户对分享对假新闻的否认有很高的兴趣，这与之前参考的调查有所不同。结果还指出了以分享或评论的形式与内容互动时所表达的情绪反应的影响。

在线导航中的信息茧

原文标题： Information Cocoons in Online Navigation

地址： http://arxiv.org/abs/2109.06589

作者： Lei Hou, Xue Pan, Kecheng Liu, Zimo Yang, Jianguo Liu, Tao Zhou

摘要： 社交媒体和在线导航给我们带来了愉快的信息获取体验，同时也创造了信息茧（IC），我们在其中不知不觉地被有限和有偏见的信息所困。我们提供了在线导航场景中IC的正式定义。随后，通过分析从 Science、PNAS 和 Amazon 网站中提取的真实推荐网络，并在不同的推荐系统中测试主流算法，我们证明了基于相似性的推荐技术导致 ICs 将系统导航性抑制了数百倍。我们进一步提出了一种灵活的推荐策略，解决了 IC 引起的问题并提高了导航中的检索精度，通过真实数据的模拟和中国最大的视频网站的在线实验证明了这一点。

COVID-19 大流行对学术生产力的影响

原文标题： The impact of the COVID-19 pandemic on academic productivity

地址： http://arxiv.org/abs/2109.06591

作者： Andrew R. Casey, Ilya Mandel, Prasun K. Ray

摘要： “出版或灭亡”是一种表达，描述了学术界不断发表研究成果以确保在学术界取得成功的压力。随着一场改变世界的全球大流行，它如何改变了学术生产力？在这里，我们表明，学术界在 arXiv 预印本服务器上发布的出版物与没有大流行一样多：2020 年发布了 168,630 篇，比 2019 年增加了 12.6%，与预测的 162,577 篇相比偏差增加了 1.4 美元pm 4,393。然而，一些直接的影响在个别研究领域是可见的。会议取消导致预印本数量急剧下降，但实验室关闭产生了好坏参半的影响。只有一些实验田的产量出现轻微下降，大多数与往年一致，甚至高于模型预期。最显著的变化是定量生物学研究增加了 50%（+8sigma），所有这些都与 COVID-19 大流行有关。其中一些出版物是生物学家首次使用 arXiv 撰写的，而另一些则是由其他领域的研究人员（例如物理学家、数学家）撰写的。虽然定量生物学预印本已恢复到大流行前的水平，但该领域 20% 的研究现在集中在 COVID-19 大流行上，这表明研究重点发生了强烈转变。

PETGEN：基于深度序列嵌入的分类模型的个性化文本生成攻击

原文标题： PETGEN: Personalized Text Generation Attack on Deep Sequence Embedding-based Classification Models

地址： http://arxiv.org/abs/2109.06777

作者： Bing He, Mustaque Ahamad, Srijan Kumar

摘要： 恶意用户接下来应该写什么来欺骗检测模型？识别恶意用户对于确保互联网平台的安全性和完整性至关重要。已经创建了几个基于深度学习的检测模型。然而，恶意用户可以通过操纵他们的行为来逃避深度检测模型，从而使这些模型几乎没有用处。这种深度检测模型对抗对抗性攻击的脆弱性是未知的。在这里，我们针对基于深度用户序列嵌入的分类模型创建了一种新颖的对抗性攻击模型，该模型使用用户帖子的序列来生成用户嵌入并检测恶意用户。在攻击中，对手生成一个新帖子来欺骗分类器。我们提出了一种新颖的端到端个性化文本生成攻击模型，称为 textttPETGEN，它同时降低了检测模型的功效并生成具有几个关键理想属性的帖子。具体来说，textttPETGEN 生成针对用户写作风格个性化的帖子，理解给定的目标上下文，理解用户在目标上下文中的历史帖子，并封装用户最近的话题兴趣。我们对两个真实世界的数据集（Yelp 和 Wikipedia，都具有恶意用户的真实情况）进行了大量实验，以表明 textttPETGEN 显著降低了流行的基于深度用户序列嵌入的分类模型的性能。 textttPETGEN 在白盒和黑盒分类器设置中的文本质量和攻击效率方面优于五个攻击基线。总的来说，这项工作为下一代对抗感知序列分类模型铺平了道路。

声明：Arxiv文章摘要版权归论文原作者所有，机器翻译后由本人进行校正整理，未经同意请勿随意转载。本系列在微信公众号“网络科学研究速递”（微信号netsci）和个人博客 https://netsci.complexly.cn （提供RSS订阅）进行同步更新。个性化论文阅读与推荐请访问 https://arxiv.complexly.cn 平台。