隨著開學季臨近，各平臺的“開學第一課”等線上課開始熱鬧起來，知識類博主們更新頻率顯著提高，粉絲們也更加活躍。“過去世界工業依靠化石能源，后來發現可以把太陽能轉化為電能……”89歲的中國工程院院士、清華大學化學工程系教授金涌對著鏡頭，思路清晰地講述中國光伏產業的奮斗史。金涌目前已有近200萬“賽博學生”，這很大程度上歸功于短視頻平臺的推薦算法。隨著算法的不斷迭代，短視頻平臺的知識傳播途徑愈發便捷，覆蓋范圍也更加廣闊。
目前，短視頻直播平臺已成為知識傳播的主要渠道之一。清華大學智媒研究中心相關報告顯示，在10828名受訪者中，有9729人曾通過短視頻直播獲取知識，占比89.85%。而據29日中國互聯網絡信息中心發布的第54次《中國互聯網絡發展狀況統計報告》，截至今年6月，我國網民規模近11億人，互聯網普及率達78.0%。其中，青少年是新增網民的“絕對主力”，占比49%；新增網民中有37.3%首次使用的是短視頻應用（App）。日益增長的用戶也讓短視頻知識傳播的基本盤不斷擴大。
推薦算法在短視頻平臺知識傳播中起到了關鍵作用。推薦算法本質上是一套自動化的決策系統，由一系列復雜的數學模型和邏輯規則組成，平臺會根據用戶興趣提取內容特征，并根據特征標簽的匹配度進行個性化推薦。此外，根據規則設定上的不同，算法還會以一定比例推薦特征標簽范圍外的內容，主動幫助用戶拓展學習邊界，邂逅新的知識。比如一位對歷史感興趣的用戶，可能會收到關于歷史與藝術交叉領域的視頻推薦。隨著用戶的增加，算法也在迭代中不斷智能化，推薦準確度越來越高。
相較傳統的“上傳—觀看”模式，引入推薦算法的“上傳—推薦—觀看”模式讓創作者和用戶間的雙向傳播渠道更加高效，既幫助了創作者實現作品的高效分發與觸達，也讓用戶能夠快速獲取感興趣的視頻和創作者。
對知識類內容創作者來說，推薦算法降低了相對晦澀的內容觸達受眾的難度，激發了創作熱情，促進了內容生產。在短視頻平臺上，專業科研人員、分享科研科學知識的青年及教育工作者是這類視頻最受歡迎的創作者。以老師們日常教學中的科學實驗視頻為例，數據顯示，截至2023年11月某頭部短視頻平臺上共有473萬個科學實驗相關視頻，累計播放量492億次，平均播放量超過1萬。這無疑是對創作者的巨大鼓舞。
對用戶來說，推薦算法加快了知識的流動與傳播，讓更多人感受最高學府或學界、業界尖端的知識氛圍。據某平臺統計，國內高等教育機構在平臺上共進行直播教學活動超1萬次，總時長達7350萬分鐘，約等于163萬個課時，吸引超過10億次觀看。目前，該平臺上“雙一流”大學公開課覆蓋率達93.2%，一級學科覆蓋率100%，至少45位院士和4位諾貝爾獎得主成為了分享者，為公眾提供了寶貴的學習資源。
然而，強大的功能與不確定性同樣賦予了算法兩面性。標簽化的推薦模式也存在將向未成年人推送有害內容的可能性，這對仍處于觀念塑造階段的未成年人可能造成不可逆的傷害。日前國外就發生了一起小女孩模仿短視頻平臺上的“窒息挑戰”而意外死亡的悲劇。對算法的持續優化，加強對未成年人接觸內容的審核監督也必須久久為功。
一個世紀前，擔任北京大學校長的蔡元培創立了面向民眾的“校役夜班”和“平民夜校”；如今，“平民夜校”有教無類的內涵，某種意義上在推薦算法中也有所體現，只不過滿足的是現代中國民眾對于知識內容更高一層的消費、體驗需求。隨著互聯網和短視頻的普及率日益上升、推薦算法分發與審核機制不斷完善，知識會跳出晦澀的書本，越來越高效地觸達熱愛它們的人群，無遠弗屆。（作者陸洪磊，清華大學新聞與傳播學院助理教授、博士生導師，作者汪瑩，新聞與傳播學院碩士研究生）
（責任編輯：梁艷）
晉公網安備 14090202000008號 
