Abstract Our social identities determine how we interact and engage with the world surrounding us. In online settings, individuals can make these identities explicit by including them in their public biography, possibly signaling a change in what is important to them and how they should be viewed. While there is evidence suggesting the impact of intentional identity disclosure in online social platforms, its actual effect on engagement activities at the user level has yet to be explored. Here, we perform the first large-scale study on Twitter that examines behavioral changes following identity disclosure on Twitter profiles. Combining social networks with methods from natural language processing and quasi-experimental analyses, we discover that after disclosing an identity on their profiles, users (1) tweet and retweet more in a way that aligns with their respective identities, and (2) connect more with users that disclose similar identities. We also examine whether disclosing the identity increases the chance of being targeted for offensive comments and find that in fact (3) the combined effect of disclosing identity via both tweets and profiles is associated with a reduced number of offensive replies from others. Our findings highlight that the decision to disclose one’s identity in online spaces can lead to substantial changes in how they express themselves or forge connections, with a lesser degree of negative consequences than anticipated.

This study explores the optimization of shared-bike station locations, emphasizing the cycling role in low-carbon mobility and local economic revitalization. A unique aspect of this research is the incorporation of the retail activity index in determining station locations, land-use mix, transit proximity, and population and employment densities. A novel weighting method, combining the multi-criteria decision method "Criteria Importance Through Inter-criteria Correlation (CRITIC)" with Ensemble-based predictive algorithms (Random Forest, XGBoost, Gradient Boosting), was developed to evaluate these factors. Using a geographic information system-based spatial model, this study conducted a suitability analysis by applying these weights to assess and propose bike station sites. The findings from the Seoul case indicate a balanced land-use mix, a low number of transactions linked to cyclists, and a significant gap in multimodal transport integration. The weighting results revealed a high priority for transit proximity and retail activity in station placement. Suitability scores across districts revealed significant variability, suggesting the need for greater integration of cycling policies into urban planning. High-scoring districts, such as Gangnam-gu and Seocho-gu, offer insights for improvements in less suitable areas. This study advocates expanded cycling planning, focusing on enhancing access to public transit and retail areas.