算法向善与新大众文艺：数字时代的全民共创生态研究

推荐算法重构文艺传播范式

互联网与人工智能技术的深度渗透，正在推动中国文艺格局发生历史性的结构性重组。以大众为创作主体、以网络为主要载体、以多元形态呈现的新大众文艺，已不再是自发涌现的民间现象，而是成为国家文化战略的重要组成部分。推荐算法作为理解这一转变的核心机制，一端连接海量创作者的表达需求，另一端连接广大用户的观看、互动与参与意愿，使普通人的经验、才艺、知识与情感，能够在真实的大众反馈中获得公共可见性。

推荐算法与新大众文艺的关系，不能简单理解为技术分发内容。随着新大众文艺内容的持续丰富，用户行为也在持续反向推动推荐机制优化，进而产生更好的综合传播效益。推荐内容从即时热度推荐，到分发机制长期追踪，让具有深度情感共鸣与文化传承价值的内容被持续看见。算法是普通人参与文化创作的技术基础，让普通人的生活转变为公共文化的素材库，基于算法推荐的平台正在形成线上虚拟的公共文化空间。在算法赋能之下，素人才艺、乡土记忆、劳动经验、传统文化等各类内容在主动涌现，转变为这个公共文化空间里持续供给的时代印迹。

从流量匹配到价值升维的演进路径

推荐算法的出现，从结构上打破了传统媒介逻辑。过去，内容找对的人靠撒播；现在，内容找对的人靠算法。这一机制在传播学意义上完成了一次重要的流程重构：内容能否进入公共视野的裁决权，从机构编辑的选题判断、社交圈层的关系背书，转移至亿万普通用户的真实行为反馈之中。对于普通用户而言，他们不再需要找到正确的关注对象，也不再受限于所在地域和所处圈层。算法以兴趣匹配为纽带，在彼此素不相识的内容创作者与潜在受众之间建立了大规模的跨圈层连接。

以抖音为代表的推荐算法，已基本不依赖内容标签或用户画像的先验匹配。它以用户的真实行为作为核心信号，预估每位用户对每条内容产生点赞、评论、收藏、分享等行为的概率，经由多层模型运算，从每天上亿条新上传内容中持续筛选并推送最符合每位用户当下兴趣的内容。内容能否获得传播，取决于它与真实受众之间的行为匹配程度，而非创作者的身份背景或所属机构。正是这一技术结构，为新大众文艺的产生提供了根本性的传播前提。

多目标推荐体系的成熟，是推荐算法的大众性迈向全民性的关键一步。大型内容平台在长期积累海量用户行为数据的基础上，逐渐形成覆盖多圈层、多层次的内容受众，使算法不再只服务于单一文艺兴趣，而能够同时识别广场舞、非遗手艺、方言评书等差异巨大的内容偏好。Wide&Deep等深度学习模型的出现发挥了重要作用，其中Deep部分的主要作用是让模型具有泛化能力，让那些数据稀少、题材冷门的内容也能被系统看懂。更重要的是多目标推荐体系，将用户对内容的多种行为拆解为不同目标，评论目标更容易捕捉具有公共讨论价值的内容，关注目标更容易识别持续输出优质人格化表达的创作者，收藏目标更能反映内容的深度与可回访价值，分享目标则往往对应着罕见、有趣或引发强烈情感共鸣的多元内容。

ECHO模型下的新大众文艺价值呈现

在新大众文艺的实践中，形成了ECHO价值模型，涵盖更有活力、更有文化、更加美好、更加开放四个维度。Empowerment代表更有活力，平台通过冷启动算法保证了每一位首次发布才艺视频的创作者，都能在不依赖粉丝基础的前提下获得基础的内容测试机会。这一机制打破了先有粉丝才有流量的马太效应，使一位初次发布内容的素人才艺创作者，与拥有百万粉丝的账号竞争同一批用户的注意力。决定胜负的不是资历，而是内容本身对目标受众的真实吸引力。

Culture代表更有文化，平台为具有公共文化价值的传统内容预留稳定而可持续的生态空间。长尾内容保护权重的引入，使得传统文化内容在短期行为指标上的自然劣势得到补偿。系统识别出非遗等相对小众类别内容，整体分发总量偏低，但类别出现间隔较长，可以被识别为长尾内容。系统据此将这些类目与用户兴趣直方图中真实存在显著兴趣表达的同类项进行比对，筛选出用户真实的长尾兴趣，并在后续推荐中提升这些类目的推荐权重，让非遗等公共文化价值突出但商业流量相对较弱的内容，在整体内容池中维持稳定的曝光空间。

Harmony代表更加美好，平台构建了一种以真实情感共鸣为中心的互动氛围。优质内容应具备获得感、惊喜感、表达力与感染力四种特质。为了让这些优质内容被更多人看到，平台设置了专门的分发机制：优质召回与大盘召回共同形成优质子队列的准入门槛，再通过独立的融合公式与大盘内容混排输出。在推荐算法层面，评论内容被显式纳入多目标优化体系，形成相互制衡的正向评论目标与恶评目标，前者将赞美鼓励、经历分享、观点表达等为他人创造价值的评论视作质量信号，对引发此类评论的内容给予加权；后者则把人身攻击、引战对立、低俗冒犯等恶评视作负向信号，压缩相关内容的分发空间。

Openness代表更加开放，平台通过面向知识与人文内容的系统性扶持与分发机制，将原本高度依赖专业场域和学习情境的深度知识，从少数人的主动学习转化为多数人在日常中可以持续接触的认知实践。推荐系统通过针对性的多目标优化，以及开辟特殊通道，提高知识类内容被看见的概率。在主推荐系统内部嵌入优质内容专属子系统，对包括知识内容及其他类别的优质内容，在主队列之外建立多条推送的独立通道，每条通道设置专属打分规则，最后再混合输出推荐结果。

算法助力文艺大众化的长期愿景

当下被称为新大众文艺的现象，并不是凭空出现的技术产物，而是延续并深化了自二十世纪以来关于文艺大众化的长期追求。在数字时代，算法的加入让全民成为创作主体，并通过算法向善的路径，共同塑造新的数字文化主体结构。从新大众文艺走向算法助力文艺大众化，意味着全民主创和算法向善两者叠加，构成数字文化主体的新形态：全民通过创作满足精神文化需求，算法通过向善实践承担技术时代的文化责任。

未来三到五年，新大众文艺能否成为兼具全民性、文化性与安全性的重要事业，关键不在于能否制造更多爆款，而在于能否形成多主体间稳定、可持续的协同结构。在政府层面，需坚持文艺创作导向和制度保障的长期主义，完善公共文化服务、版权保护、平台治理与算法监管机制。在市场与平台层面，长期主义意味着从文艺内容流量可以转化为时代文化资产，鼓励挖掘深度内容的多轮市场开发，形成更长的价值转化链条。在创作者层面，长期主义意味着专业能力与大众经验的双重成长，真正具有公共影响力的作品，是长期打磨中形成的专业能力加大众经验复合结构。在受众与青少年层面，长期主义意味着从被动消费走向主动参与，需将媒介素养与审美教育置于重要位置，帮助其在算法推荐中学会识别内容价值、区分审美与低俗、理解知识与情绪的差别。