算法推荐视域下思政引领力的价值、挑战与路径

2024年秋天，“思政引领力”被写进教育强国的六个特质里，还排在了第一位。这个词不新鲜，新鲜的是它被摆到这个位置——恰恰说明：思政建设不能只重内容供给，更要实现真正的价值引领，让受众真信真行。

问题在于，当下的青年学生早已不局限在传统课堂讲台下接受单向灌输。他们的日常学习生活与思想活动大多留痕于网络空间，算法能够精准捕捉他们的兴趣偏好、内容停留轨迹，甚至细微到某条视频多停留的0.3秒。思政引领力要在这样的地方生效，绕不开算法。

这几年讨论很多，但打开一看，多半是两个极端。一拨人把算法当成精准投放的好工具，仿佛装上就万事大吉；另一拨人一开口就是信息茧房、碎片化、圈层化，把年轻人写得像被技术牵着走的木偶。我更倾向于说：两种说法都省事，也都偷懒。第一种忽略了算法背后站着的是平台和资本，第二种把责任一股脑推给技术，放过了真正该追问的东西。

本文想干的事很具体——先把“思政引领力”和“算法推荐”这两个词掰清楚，再谈价值、挑战和路径。框架就一条：技术能赋能，价值得规制。

思政引领力，到底指什么？

我在*校思想政治教育**这个狭义范围里用它：以马克思主义为指导，以主流意识形态为核心，通过教育活动让学生形成正确政治认同、价值取向和道德品质的能力。它核心包含三个方面：政治引领、价值引领、道德引领。延伸到网络场域，它又体现为四种能力：锚定方向的引领力、凝聚共识的凝聚力、引发共鸣的吸引力、内化认同的信服力。

这里要停一下，因为很多文章把几个词混着用。引领力和话语权、传播力不是一回事。 话语权说的是影响有多大，传播力说的是覆盖面有多广，引领力盯的是方向——你把学生往哪带。如果方向出现偏差，传播力越强带来的负面影响就越大。下文统一用“思政引领力”，必要时才用相邻概念。

算法推荐，是个什么东西？

它靠用户行为数据，用协同过滤、内容特征匹配这些模型，预测并分发信息。但只说它是“工具”远远不够。我不妨把它拆成三层看：

－当它被拿来精准分发、收集反馈时，它是手段；

当它塑造信息生态、影响认知时，它是环境；

当它需要被价值约束、伦理规范时，它是治理对象。

算法是“手段—环境—客体”的统一体。 这一点想清楚，后面的逻辑才不会乱。不少论文读起来逻辑含糊，原因在于作者对算法的定位始终摇摆不定，时而将其视为助力，时而将其看作威胁，时而强调对其管控，角色定位模糊不清。

别人做到哪一步了？

传播学那一路，从议程设置、沉默的螺旋、过滤气泡切入，看主流意识形态怎么被算法影响（蒋俊明等）；治理那一路，盯的是算法风险、平台责任、备案审计（李辽宁等）；教育学那一路，谈算法怎么赋能思政话语权（沈钊等）。基础是扎实的。

但现有研究也存在三个明显的不足：概念边界糊，理论工具和问题对不上号，建议停在“应当如何”就没了下文。本文想补的，就是这三处。

这一表述虽然已经被广泛使用，但放到具体的思政教育场景中讨论，仍有清晰的阐释价值。大一新生刚离家，最需要的是理想信念和适应教育；毕业班焦头烂额，该谈的是就业观和职业伦理；成天泡实验室的学生，学术诚信比什么都重要。动态画像加兴趣匹配，让这种“分人下药”有了技术底子。**说白了，它把“对着所有人讲同一套话”换成了“按需供给”**——这不是效率问题，是有效性问题。

移动端加算法，内容能全时段、全场景地找到人。短视频、直播、交互式H5、虚拟仿真课堂一经应用，意识形态引领的空间就从45分钟的课堂，延伸覆盖到了学生的整个日常生活。这一步变化其实挺大：过去下了课，引领就断档了。

数据实时回来，工作者能看着反馈改议题、改说法。学生舆情有什么动静，行为数据先露头，判断从“拍脑袋”变成“看数据”。

得补一句：**这些好处是有条件的。** 数据用得不合规、导向本身就有问题，精准反而成了放大器——偏得又快又准。下面的挑战，正是从这里接上。

问题不能一条条平着列，那样看下来全是散点。我按**技术、资本、主体、制度**四层来摆，恰好对应引领力四重能力的受损。

技术层：偏好强化，把引领力做窄。

算法顺着你的兴趣喂，越喂越窄，茧房和回音壁就来了。

但这里我必须说句不太讨喜的话。**“信息茧房”被很多文章夸大了。*Flaxman等人的研究确实发现社交媒体和搜索引擎会加剧政治极化，可Dubois和Blank、Bruns也拿数据说话：多数人的信息食谱比想象中杂，算法不是唯一的“元凶”。用户自己的选择，权重往往更大。我倾向于**把账分清楚**——算法会强化极化倾向，但不能把负面后果全记在技术头上。分清楚了，才知道价值规制该管到哪一步，不至于管得太宽，也不至于放过真正的问题。

资本层：流量逻辑，把凝聚力打散。

平台要的是什么？曝光量、用户黏性。工具理性压过价值理性，后果很直接。你辛辛苦苦做一期理论解读类视频，播放量往往仅有三位数；隔壁一条搞笑段子，播放量就能达到几十万。参考不同平台的内容数据统计：抖音平台中搞笑类视频平均播放量比知识科普类高约22%，完播率更是领先14.1个百分点；TikTok官方2024年Q2数据显示，搞笑类视频平均播放量达12.7万次/条，高于平台整体均值8.3万次，完播率42%也显著优于教育类的28%。长此以往，理论性强、思想性强的内容在算法竞技场里根本跑不动，娱乐内容井喷，正能量信息被挤到角落里。这不是学生不爱听，是**它压根没被推出去**。主流价值在算法场域里的“边缘化”，是实打实的。

主体层：素养缺位，把吸引力削掉。

两头都缺。学生这头，习惯了算法的定向投喂，会主动屏蔽严肃权威信息，对主流价值的认同根基也就慢慢松了；工作这头，表达方式跟算法传播规律对不上，讲得再好也没到人眼前，赋能就停在表面。**吸引力是“话语质量×传播能力”，任何一头瘫了，引领都低效。**

**制度层：治理慢半拍，认同失了序。**

带敏感词的显性内容，机器一眼能揪出来。可那些包着糖衣、用变形词、行业暗语包装、语义藏得深的非主流不良内容呢？现阶段算法仍难以实现100%精准识别。正如字节跳动人工智能实验室总监王长虎所言，低俗本身定义笼统，哪怕对人工而言精准识别都并不容易，交给机器难度更高。而算法始终在自主学习、自主演进，随着违规内容不断变异伪装，算法模型迭代越跟不上违规内容的变化，系统越跑越复杂，治理的时差就越拉越大。目前即使是经过三次迭代优化的抖音灵犬反低俗助手，文本识别准确率也仅为91%，百度内容审核系统对新型网络暗语的识别准确率为92.3%，仍有少量隐蔽性强的违规内容会逃过算法审核。这个不确定性，是认同建构里最难啃的部分。

路径不能又是空口号。每一条我都尽量说清：谁来做、怎么落、拿什么衡量。

在算法设计、参数设置、分发环节嵌入政治引领、价值塑造、道德培养的要求；把算法的意识形态属性挑明，压实平台责任，健全备案、审计、问责机制。这些话有法规打底——2022年的《互联网信息服务算法推荐管理规定》就摆在那，关键在于落到实处、真刀真枪执行

主流媒体和高校可以共建**主流价值语料库，为AI模型训练提供高质量数据支撑；思政内容做垂直细分、差异化供给。有一处要拧过来：**精准触达的同时，得主动往里掺异质信息**，不能只顺着同温层喂。衡量看什么？内容覆盖率、异质信息触达率、停留和互动率，都能算。

“兴趣偏好—认知水平—成长阶段—价值诉求”，四个维度统筹考量，别只贴一个学业标签。人机协同的智能推荐、智能问答、虚拟仿真教学都能上。但边界得划死：AI思政助手不能替教育者做价值判断，伦理红线加人工复核，一个都不能省。这一点我态度很明确——技术可以辅助，不能越位。

主动设置议题，用融媒体把话讲好听、讲得进去；跟平台、自媒体协同，让主流内容“破圈”。算法竞争力不够，就别指望靠抱怨赢回来。

学生学点算法常识和批判性思维，别被喂什么信什么；工作者补数智素养，做到能讲道理，也懂算法、会用算法。光会讲不会推，等于白讲。

党委领导、政府监管、平台负责、高校主抓、社会参与，链条搭起来，联合整治该上的上，内容审核、风险监测、应急响应配套跟上。发展与安全，二者缺一不可。

算法对思政引领力，不是单纯的威胁，也不是简单的工具，它是一场*值和技术之间的拉锯。

我的主张就一句：把算法从“流量逻辑的载体”改成“主流价值的载体”。*一边用技术把引领做得更准、更广、更活；一边用价值把技术的偏向、碎片、圈层管住。

跟已有研究比，本文真正想推的就三点：把两个核心概念讲清楚，把算法的三重属性说明白；搭起“技术赋能—价值规制”这一个框架，把挑战按四层重新排；再把路径落到能动手的地方。至于这套机制到底管不管用，尤其是算法对青年价值观影响有多深、边界在哪——得靠实证说话，现有多项面向青年群体的调查研究已经提供了相关支撑：中国青年报社社会调查中心联合问卷网对1343名青年开展的调查显示，92.8%的受访青年都有被大数据算法“支配”的烦恼，算法对青年信息获取与选择的影响已经十分普遍；而一项针对新疆540名大学生的分层抽样调查进一步证实，算法推荐确实会通过认同机制对青年意识形态安全产生结构性影响，其影响深度与内容感知力直接相关；另有实证观察发现，青年群体在与算法的交互中并未完全丧失能动性，仅四成受访青年用户已经学会通过“反向驯化”重夺信息获取的主导权。相关结论最终都要靠每天接触算法、坐在宿舍里刷手机的年轻人来验证，而不是靠我们在纸上推

支持单位：