本文评估了一项旨在识别Twitter上用户关注行为中的歧视的实验的结果。具体来说，我们创建了与人类相似的虚拟机器人账户，并声称自己是经济学博士生。这些账户在三个特征上有所不同:性别(男性或女性)、种族(黑人或白人)和大学从属关系(排名靠前或靠后)。这些机器人账号随机跟踪了参与#EconTwitter学术社区的推特用户。我们测量了每个账户在给定时期后获得的跟踪次数。与黑人学生相比，来自该社区的Twitter用户关注白人学生账户的可能性高出12%;与排名较低的机构相比，关注排名靠前的知名大学学生的账户的可能性要高21%;与男学生相比，女学生学习的可能性要高25%。种族差距甚至在顶尖大学的学生中也存在，这表明，即使存在可以被解释为具有高学术潜力的信号，Twitter用户也存在种族歧视。值得注意的是，我们发现来自顶尖大学的黑人男性学生收到的反馈并不比来自排名相对较低的机构的白人男性学生多。