随着开学季临近，各平台的“开学第一课”等线上课开始热闹起来，知识类博主们更新频率显著提高，粉丝们也更加活跃。“过去世界工业依靠化石能源，后来发现可以把太阳能转化为电能……”89岁的中国工程院院士、清华大学化学工程系教授金涌对着镜头，思路清晰地讲述中国光伏产业的奋斗史。金涌目前已有近200万“赛博学生”，这很大程度上归功于短视频平台的推荐算法。随着算法的不断迭代，短视频平台的知识传播途径愈发便捷，覆盖范围也更加广阔。

目前，短视频直播平台已成为知识传播的主要渠道之一。清华大学智媒研究中心相关报告显示，在10828名受访者中，有9729人曾通过短视频直播获取知识，占比89.85%。而据29日中国互联网络信息中心发布的第54次《中国互联网络发展状况统计报告》，截至今年6月，我国网民规模近11亿人，互联网普及率达78.0%。其中，青少年是新增网民的“绝对主力”，占比49%；新增网民中有37.3%首次使用的是短视频应用（App）。日益增长的用户也让短视频知识传播的基本盘不断扩大。

推荐算法在短视频平台知识传播中起到了关键作用。推荐算法本质上是一套自动化的决策系统，由一系列复杂的数学模型和逻辑规则组成，平台会根据用户兴趣提取内容特征，并根据特征标签的匹配度进行个性化推荐。此外，根据规则设定上的不同，算法还会以一定比例推荐特征标签范围外的内容，主动帮助用户拓展学习边界，邂逅新的知识。比如一位对历史感兴趣的用户，可能会收到关于历史与艺术交叉领域的视频推荐。随着用户的增加，算法也在迭代中不断智能化，推荐准确度越来越高。

相较传统的“上传—观看”模式，引入推荐算法的“上传—推荐—观看”模式让创作者和用户间的双向传播渠道更加高效，既帮助了创作者实现作品的高效分发与触达，也让用户能够快速获取感兴趣的视频和创作者。

对知识类内容创作者来说，推荐算法降低了相对晦涩的内容触达受众的难度，激发了创作热情，促进了内容生产。在短视频平台上，专业科研人员、分享科研科学知识的青年及教育工作者是这类视频最受欢迎的创作者。以老师们日常教学中的科学实验视频为例，数据显示，截至2023年11月某头部短视频平台上共有473万个科学实验相关视频，累计播放量492亿次，平均播放量超过1万。这无疑是对创作者的巨大鼓舞。

对用户来说，推荐算法加快了知识的流动与传播，让更多人感受最高学府或学界、业界尖端的知识氛围。据某平台统计，国内高等教育机构在平台上共进行直播教学活动超1万次，总时长达7350万分钟，约等于163万个课时，吸引超过10亿次观看。目前，该平台上“双一流”大学公开课覆盖率达93.2%，一级学科覆盖率100%，至少45位院士和4位诺贝尔奖得主成为了分享者，为公众提供了宝贵的学习资源。

然而，强大的功能与不确定性同样赋予了算法两面性。标签化的推荐模式也存在将向未成年人推送有害内容的可能性，这对仍处于观念塑造阶段的未成年人可能造成不可逆的伤害。日前国外就发生了一起小女孩模仿短视频平台上的“窒息挑战”而意外死亡的悲剧。对算法的持续优化，加强对未成年人接触内容的审核监督也必须久久为功。

一个世纪前，担任北京大学校长的蔡元培创立了面向民众的“校役夜班”和“平民夜校”；如今，“平民夜校”有教无类的内涵，某种意义上在推荐算法中也有所体现，只不过满足的是现代中国民众对于知识内容更高一层的消费、体验需求。随着互联网和短视频的普及率日益上升、推荐算法分发与审核机制不断完善，知识会跳出晦涩的书本，越来越高效地触达热爱它们的人群，无远弗届。（作者分别是清华大学新闻与传播学院助理教授、博士生导师，新闻与传播学院硕士研究生）