今日大学生网，社会实践报告投稿平台
当“网上都这么说”成了答案——几名大学生把“信息茧房”写进剧本，也拍成视频
- 发布时间：2026-11-10 阅读：
- 来源：思政课社会实践课程组 陆星瀚
宿舍里，窗帘半拉着，桌上散着外卖盒。陆星瀚的手机外放着一条吐槽传统文化的短视频，对面的沈鹏飞从床上探出头：“可不是嘛，我前几天也刷到了。”
两人越说越顺：古诗文除了考试没用，传统手艺早该进博物馆，“网上大家都这么说”。他们没查过信源，也没进过传习室，却已把“大家都在说”当成了结论。
这是思政课社会实践小组最近完成的剧本中的一场戏。戏是编的，台词却不陌生。剧本写的是一名大学生从被算法推着走，到开始自己找答案。其中几个场景，后来被拍成了视频。镜头没有急着评判谁，只是把两个人并排放在屏幕前。
真正让陆星瀚停下来的，是一次并不情愿的邀约。他起初并不想去，还反问：“这些老手艺早就过时了，学它干嘛？”周瑜明有点意外：“网上说？网上还说熬夜没事呢，你信吗？”她拉他去图书馆参加传统手工艺体验。他以为没多少人，到了才知道名额要提前一周抢。编中国结时，他急得满头汗，老师提醒：“高数有标准答案，这个没有。你看这满屋子人，一人一个样。别人教你的只是手法，最后编成什么样，还得看你自己手里的线。”
周瑜明还讲过奶奶留下的一盒窗花，每一张都不一样，她一直夹在手账本里；也讲过在苏州看苏绣，师傅低着头，针脚细得像画，她站在旁边看了半个多小时。陆星瀚第一次发现，自己厌恶的“传统文化”，和眼前的人与手艺，好像不是一回事。
思政课教师任书远点破了那层窗户纸：“你看到的那些‘大家都在说’，其实是被筛选过的‘大家’。”算法本意是满足喜好，也会助长一己之见。“你以为你在独立思考，其实你只是在重复算法投喂给你的观点。”
剧本后半段，陆星瀚开始查资料、对照信源，也劝沈鹏飞：取关几个只会让人“越看越气”的账号，看看不同立场的人在说什么；别只停在线上，到现场去看看。两人后来合写《我们反对的，到底是什么？》，追问自己反对的究竟是传统文化本身，还是那些打着它旗号、被强行塞进脑子里的东西。
沈鹏飞再刷到类似视频，没有直接划走。他看完了，又去查了另一个来源，发现同一件事的说法并不一样。他第一次觉得，“刷多了就信了”这句话，说的就是自己。
他们把文章投了出去。那个问题，剧本没有急着给出答案，得靠他们自己一点点找。
剧情切片 按剧情顺序
从一句附和，到一次追问，七段画面串起陆星瀚的转变。
数据里的茧房 四组研究
陆星瀚的困惑，并不是编剧的夸张。把镜头拉远，推荐系统、用户反馈和平台生态，正在一起塑造我们看到的世界。
图1 信息茧房如何在推荐系统中形成。用户特征输入推荐器，内容经过筛选后展示；用户的点击、停留等反馈又成为新的交互数据，推动下一次推荐。循环往复，推荐越来越贴近既有偏好，人看到的内容也越来越窄。
来源：Zhang et al., Data Science and Engineering, 2025.
图2 一年交互后的用户信息熵变化。研究分析约5.7亿用户的行为数据，超过57%的活跃用户出现不同程度的信息熵下降。信息熵越低，意味着用户接触到的内容越单一。
来源：清华大学研究介绍；Human–AI adaptive dynamics drives the emergence of information cocoons, Nature Machine Intelligence, 2023.
图3 不同平台的讨论网络同质化程度。颜色越深，同质性越高。抖音、哔哩哔哩的部分讨论网络存在明显同质化聚集。
来源：Gao et al., Scientific Reports, 2023.
图4 信息茧房的形成与破除路径。（a）基于相似度的推荐不断靠近用户已有偏好；（b）从接触多样主题，到同质内容聚集，再到通过主动探索和负反馈重新接触多样内容。
来源：Nature Machine Intelligence, 2023.
图1中，点击、停留、点赞、跳过被记录，系统据此决定下一次展示什么。回路转得越快，“反复看到”越容易被误认成“普遍如此”。
清华大学一项研究分析约5.7亿用户的行为数据，一年交互后，超过57%的活跃用户出现信息熵下降。信息熵越低，内容越单一。“越用越窄”并非个别现象。
图3比较了抖音、TikTok、哔哩哔哩等平台，抖音和哔哩哔哩的部分讨论网络同质化明显。屏幕上的热闹，可能只是一群相似的人在互相确认。
图4把形成与破除放在同一条流程里：要走出去，既需要主动探索不同主题，也需要用负反馈告诉系统“我不想看这个”。这意味着承认自己看窄了，也要放弃“大家都同意我”的舒服。
茧房不是某一个人的错。愿不愿意多看一个信源、多走一次现场，才是更难的部分。
剧本最后，三个人走在傍晚的操场上。画外音说：“我们这一代人，不缺信息，不缺观点，甚至不缺‘立场’。我们缺的，可能只是停下来想一想——我此刻相信的东西，到底是我自己选的，还是别人替我选的。”
手机还会亮起，推荐还会继续。下一次，当“网上都这么说”再次出现时，能不能多问一句“还有没有别的说法”——这大概是这部剧本真正想投递出去的东西。
两人越说越顺：古诗文除了考试没用，传统手艺早该进博物馆，“网上大家都这么说”。他们没查过信源，也没进过传习室，却已把“大家都在说”当成了结论。
这是思政课社会实践小组最近完成的剧本中的一场戏。戏是编的，台词却不陌生。剧本写的是一名大学生从被算法推着走，到开始自己找答案。其中几个场景，后来被拍成了视频。镜头没有急着评判谁，只是把两个人并排放在屏幕前。
真正让陆星瀚停下来的，是一次并不情愿的邀约。他起初并不想去，还反问：“这些老手艺早就过时了，学它干嘛？”周瑜明有点意外：“网上说？网上还说熬夜没事呢，你信吗？”她拉他去图书馆参加传统手工艺体验。他以为没多少人，到了才知道名额要提前一周抢。编中国结时，他急得满头汗，老师提醒：“高数有标准答案，这个没有。你看这满屋子人，一人一个样。别人教你的只是手法，最后编成什么样，还得看你自己手里的线。”
周瑜明还讲过奶奶留下的一盒窗花，每一张都不一样，她一直夹在手账本里；也讲过在苏州看苏绣，师傅低着头，针脚细得像画，她站在旁边看了半个多小时。陆星瀚第一次发现，自己厌恶的“传统文化”，和眼前的人与手艺，好像不是一回事。
思政课教师任书远点破了那层窗户纸：“你看到的那些‘大家都在说’，其实是被筛选过的‘大家’。”算法本意是满足喜好，也会助长一己之见。“你以为你在独立思考，其实你只是在重复算法投喂给你的观点。”
剧本后半段，陆星瀚开始查资料、对照信源，也劝沈鹏飞：取关几个只会让人“越看越气”的账号，看看不同立场的人在说什么；别只停在线上，到现场去看看。两人后来合写《我们反对的，到底是什么？》，追问自己反对的究竟是传统文化本身，还是那些打着它旗号、被强行塞进脑子里的东西。
沈鹏飞再刷到类似视频，没有直接划走。他看完了，又去查了另一个来源，发现同一件事的说法并不一样。他第一次觉得，“刷多了就信了”这句话，说的就是自己。
他们把文章投了出去。那个问题，剧本没有急着给出答案，得靠他们自己一点点找。
剧情切片 按剧情顺序
从一句附和，到一次追问，七段画面串起陆星瀚的转变。
陆星瀚的困惑，并不是编剧的夸张。把镜头拉远，推荐系统、用户反馈和平台生态，正在一起塑造我们看到的世界。
来源：Zhang et al., Data Science and Engineering, 2025.
来源：清华大学研究介绍；Human–AI adaptive dynamics drives the emergence of information cocoons, Nature Machine Intelligence, 2023.
来源：Gao et al., Scientific Reports, 2023.
来源：Nature Machine Intelligence, 2023.
图1中，点击、停留、点赞、跳过被记录，系统据此决定下一次展示什么。回路转得越快，“反复看到”越容易被误认成“普遍如此”。
清华大学一项研究分析约5.7亿用户的行为数据，一年交互后，超过57%的活跃用户出现信息熵下降。信息熵越低，内容越单一。“越用越窄”并非个别现象。
图3比较了抖音、TikTok、哔哩哔哩等平台，抖音和哔哩哔哩的部分讨论网络同质化明显。屏幕上的热闹，可能只是一群相似的人在互相确认。
图4把形成与破除放在同一条流程里：要走出去，既需要主动探索不同主题，也需要用负反馈告诉系统“我不想看这个”。这意味着承认自己看窄了，也要放弃“大家都同意我”的舒服。
茧房不是某一个人的错。愿不愿意多看一个信源、多走一次现场，才是更难的部分。
剧本最后，三个人走在傍晚的操场上。画外音说：“我们这一代人，不缺信息，不缺观点，甚至不缺‘立场’。我们缺的，可能只是停下来想一想——我此刻相信的东西，到底是我自己选的，还是别人替我选的。”
手机还会亮起，推荐还会继续。下一次，当“网上都这么说”再次出现时，能不能多问一句“还有没有别的说法”——这大概是这部剧本真正想投递出去的东西。
大学生活推荐