主要内容：
社交媒体大数据为政策决策者衡量公共意见提供了新的机会，但是大量表达和表达方式多样也给政策分析带来了挑战。
本文提出了一个基于社交媒体的公共政策学分析框架和iMood系统。
框架由收集、清理、筛选、分析步骤构成。
为了验证框架的可用性，我们开发了一个名为“移民和边境安全情感”的在线验证系统。
数据来源于原有社交媒体内容，包括文本、时间、结构数据，提供静态和动态分析。选取了一段时间有关美国移民和边境安全讨论的推文进行实证分析，结构化数据。
按照重大事件发生时间节点将全部数据分成三阶段，统计每一阶段用户发文量，进行差异性检验，利用普拉特切克情感轮盘进行情感分析，利用用户影响评分进行话题领导者分析，同时计量网络指数进行网络分析，发现不同阶段网络中心度和扩散指数。这些分析都可以可视化提供给政策决策者。
本文的贡献在于构建了一个自动的政策辅助决策系统。
未来研究：
用更长时间区间验证其有效性，提高处理速度和检索效率，并将此框架应用于其他辅助决策场景。
知识点：
政策信息学
社交媒体分析学：情感分析（普拉切克情感轮盘）、网络分析
原文：
Social-Media-Based Public Policy Informatics: Sentiment and Network Analyses of U.S. Immigration and Border Security
