Twitter提及的内容显示出不同的社区结构模式，这是由于受用户之间的物理距离和共同性(例如共享语言和历史)影响的个人的通信偏好所致。
虽然先前的调查已经使用其他数据(例如手机使用率和Facebook朋友联系)来确定模式，但新英格兰综合系统研究所的研究着眼于全球社区中消息传递的集体效应。该小组的结果在AIP Publishing的《Chaos》杂志上的一篇文章中进行了报道。
科学家使用Twitter数据中的提及机制来绘制全球信息流。当用户在其推文中明确包含另一个@username时，就会在Twitter中发生提及。这是直接与其他用户通信的方法，也是重新传输或转发内容的方法。
研究人员检查了2013年12月以来的Twitter数据，并将世界划分为8,000个单元，每个单元宽约100公里。在此网格上建立了一个网络，其中每个节点是一个精确的位置，链接或边缘是一个位置中另一个位置提到的Twitter用户数。
Twitter在多个国家/地区被禁止，并且在国内生产总值较高的国家/地区更为流行，因此这会影响数据。他们的结果表明，美国和欧洲等大区域在每个区域内部紧密相连，但与其他区域的联系也较弱。
共同作者Leila Hedayatifar表示：“牢固的关系使群体保持凝聚力，而弱势的关系则使群体大规模整合，并负责整个系统的信息传播。”研究人员使用一种计算技术来确定模块化，该值量化了与随机排列相比网络上社区之间的距离。他们还研究了一种称为中间性中心的量，该量度了通过每个节点的最短路径的数量。此度量突出显示了在许多地方之间充当连接器的位置。
通过优化模块性，研究人员找到了16个重要的全球社区。美洲存在着三个大型社区：一个英语地区，中美洲和南美国家，以及一个独立的巴西社区。欧洲，亚洲和非洲存在多个社区。
还可以对数据进行更精细的分析，以揭示子社区。在国家甚至城市内部都存在强大的区域协会。例如，伊斯坦布尔(Istanbul)的Twitter对话基本上仅限于城市中的某些区域。
研究人员还研究了共同语言，边界和共同历史的影响。