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(yè)依靠化石能源,后來發(fā)現(xiàn)可以把太陽能轉(zhuǎn)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(chǎn)業(yè)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(fā)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(jù)29日中國互聯(lián)網(wǎng)絡信息中心發(fā)布的第54次《中國互聯(lián)網(wǎng)絡發(fā)展狀況統(tǒng)計報告》,截至今年6月,我國網(wǎng)民規(guī)模近11億人,互聯(lián)網(wǎng)普及率達78.0%。其中,青少年是新增網(wǎng)民的“絕對主力”,占比49%;新增網(wǎng)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(zhì)上是一套自動化的決策系統(tǒng),由一系列復雜的數(shù)學模型和邏輯規(guī)則組成,平臺會根據(jù)用戶興趣提取內(nèi)容特征,并根據(jù)特征標簽的匹配度進行個性化推薦。此外,根據(jù)規(guī)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(nèi)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(shù)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(tǒng)的“上傳—觀看”模式,引入推薦算法的“上傳—推薦—觀看”模式讓創(chuàng)作者和用戶間的雙向傳播渠道更加高效,既幫助了創(chuàng)作者實現(xiàn)作品的高效分發(fā)與觸達,也讓用戶能夠快速獲取感興趣的視頻和創(chuàng)作者。
對知識類內(nèi)容創(chuàng)作者來說,推薦算法降低了相對晦澀的內(nèi)容觸達受眾的難度,激發(fā)了創(chuàng)作熱情,促進了內(nèi)容生產(chǎn)。在短視頻平臺上,專業(yè)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(chuàng)作者。以老師們?nèi)粘=虒W中的科學實驗視頻為例,數(shù)據(jù)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(chuàng)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?qū)W界、業(yè)界尖端的知識氛圍。據(jù)某平臺統(tǒng)計,國內(nèi)高等教育機構(gòu)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(nèi)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(fā)生了一起小女孩模仿短視頻平臺上的“窒息挑戰(zhàn)”而意外死亡的悲劇。對算法的持續(xù)優(yōu)化,加強對未成年人接觸內(nèi)容的審核監(jiān)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(chuàng)立了面向民眾的“校役夜班”和“平民夜?!?;如今,“平民夜?!庇薪虩o類的內(nèi)涵,某種意義上在推薦算法中也有所體現(xiàn),只不過滿足的是現(xiàn)代中國民眾對于知識內(nèi)容更高一層的消費、體驗需求。隨著互聯(lián)網(wǎng)和短視頻的普及率日益上升、推薦算法分發(fā)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)