越推越窄：推荐算法与输入多样性

本文性质： 观察 + 假设（Observation / Hypothesis）　证据标签： 观察 Observation／模型 Model／假设 Hypothesis／实证 Evidence

本篇涉及的证据类型：观察 Observation／假设 Hypothesis。凡属本院课堂观察与教学模型的部分，均不作效果承诺。

打开一个学习类应用，它会先问你想要什么，然后一直给你类似的东西。用得越久推得越准，看到的东西也越像。对语言学习来说，这可能是一笔隐性代价。

一条被忽略的输入曲线

本院资源编辑部在整理学生自学记录时注意到一条曲线：刚开始使用推荐类应用的阶段，学生接触的话题面比较宽；使用三到六个月后，许多学生的话题分布明显收窄，集中在最初点开过的那几类。同一位学生，早期会点开科技、体育、生活类材料，后期基本只读历史与影视。这不是个别现象，在各年龄段都出现过。需要说明的是，这是阅读记录观察，不是实验，无法排除学生本身兴趣收窄的可能。

过滤气泡与输入分布的自我强化

推荐系统的目标函数通常是停留时长与点击率，而不是输入多样性。用户点得多的类别被加权，被加权的类别得到更多曝光，曝光又带来更多点击，形成一个自我强化的环。这一机制在信息传播研究中被称为过滤气泡（filter bubble，Pariser 2011）与回音室效应。需要说明的是，Pariser 的论述属观察与评论性质，学界对气泡效应的大小仍有争论——Dubois 与 Blank 2018 的研究指出，主动使用多种信息源的用户受算法收窄的影响有限。语言学习的特殊之处在于：词汇与语块的分布依赖输入的广度。只读一类材料，高频词会反复出现，而低频却与生活密切相关的词长期缺席（Nation 2006 对词汇分布与输入的关系有系统讨论）。

本院的使用口径：把推荐当入口，不当轨道

本院资源编辑部给学生的建议是把推荐当入口而不是轨道：每周固定一次跨场阅读，从推荐清单以外的两个类别里各挑一篇，读完记下三个新词；同时在材料选择上保留一条人工规则——同一话题连续出现三次就换一个。这个做法不是为了让算法变好，而是为了让输入分布不要完全由点击历史决定。以上为本院内部阅读建议，未经实验检验。

边界与适用

有三条边界。第一，气泡效应的大小本身有争议，Dubois 与 Blank 2018 的结论是主动型用户受收窄影响有限，所以不必把推荐系统当成洪水猛兽。第二，初学者阶段输入收窄并非全是坏事，高频词的集中复现对建立核心词汇有帮助。第三，跨场阅读会增加学生负担，如果每周阅读时间不足两小时，应优先保证完成度而不是广度。本院没有做过输入广度与词汇增长的对照研究。

今天就能开始

这周挑一篇推荐清单以外的材料，读完写下三个第一次见到的词，看看它们离你的常用话题有多远。

本文依据

• 观察来源： 本院资源编辑部学生自学记录整理（2022 年至今）：部分学生使用推荐类应用三个月后话题分布收窄；属阅读记录观察，样本与统计口径未做控制。
• 模型出处： 「推荐当入口不当轨道」「同一话题连续三次即换」为本院内部阅读建议，非外部研究成果。
• 待验证项： 输入多样性对二语词汇广度增长的独立贡献，需带对照的纵向研究检验；本院尚无该研究。
• 外部文献： Pariser 2011（过滤气泡，评论性质）；Dubois & Blank 2018（主动型用户受算法收窄影响有限）；Nation 2006（词汇分布与输入）。