资源简介

(共38张PPT)
第二单元 第6课
推荐系统
清华版（小学）
通
1
学习目标
3
新知讲解
5
拓展延伸
7
板书设计
2
新知导入
4
课堂练习
6
课堂总结
课后作业
8
01
教学目标
（1）知道什么是推荐系统，了解推荐系统的特点。
（2）了解推荐系统存在的风险，如信息茧房等问题，学会理性看待推荐系统。
02
新知导入
刷抖音，刚想搜的内容”自己跳出来”；逛淘宝，心仪商品”追着你跑”；看头条，推送全是”你感兴趣的”……APP真的会“读心”？
02
新知导入
以前：找喜欢的内容像”大海捞针”；现在：内容找你像”私人管家”这个”管家”，叫推荐系统 ！
02
新知导入
破解两个谜题：
（1）推荐系统怎么给你“贴标签”、猜喜好？
（2）它带来的方便和风险，怎么应对？
03
新知讲解
推荐系统将用户按兴趣归类，当群体内用户产生新行为，如：浏览、购买、阅读等，系统会把同类内容推荐给同群用户。核心是“兴趣相近的人，喜好具有相似性”，让用户接收“群友”的行为反馈。
1
人以群分
03
新知讲解
物以类聚，人以群分
解析用户的浏览记录、消费行为、互动数据等，将用户划分到对应的群体，再依据“兴趣相似的人往往偏好相近”的规律，预判用户可能喜欢的内容。
1
人以群分
03
新知讲解
“可能认识的人”功能如何实现？
1
人以群分
基于社交关系的推荐
基于兴趣的推荐
基于地理位置的推荐
03
新知讲解
回声效应
用户的浏览、消费行为像“向山谷喊‘苹果’”，推荐系统会反馈类似内容，如同“回声”不断强化既有兴趣。本质是用户行为驱动的循环推荐 ，让偏好被持续放大。
1
人以群分
03
新知讲解
回声反馈
用户的某个行为（比如浏览某类内容）会触发系统不断推送同类内容，形成“行为产生→推荐跟进→行为再强化”的闭环，进而加深用户对这类内容的关注。
1
人以群分
03
新知讲解
应用场景
电商领域会向用户推荐同群体偏好的商品，短视频平台会给用户推送同标签人群中的热门视频，资讯类平台则为用户推送同兴趣群体关注的热点资讯。
1
人以群分
03
新知讲解
考考你——推荐系统在核心逻辑、运作方式及存在的潜在问题上，分别有哪些关键体现？
（1）用户按兴趣归类。
（2）持续反馈同类内容 。
（3）长期单一化推荐。
03
新知讲解
思考——推荐系统运用在互联网平台的哪些典型场景？
（1）电商购物平台。
（2）短视频平台。
（3）资讯平台。
03
新知讲解
亚马逊，推荐系统会分析用户购物行为，将用户归入兴趣社群，推送同群用户喜爱的商品，遵循“人以群分”逻辑，强化购物偏好 。
1
人以群分
03
新知讲解
抖音，系统通过点赞、观看时长等数据识别用户兴趣标签，匹配同标签群体的热门视频，若用户常看宠物视频，就持续推送萌宠相关内容，形成兴趣“回声效应”。
1
人以群分
03
新知讲解
头条，依据用户阅读历史划分兴趣社群，当群内用户关注新热点，便推送相关资讯，实现同好内容的精准共享。
1
人以群分
03
新知讲解
网易云音乐，在通过 听歌习惯、歌单收藏、单曲循环次数 ，组建兴趣社群。若群内用户收藏“夏日Citypop歌单”，系统会推送该歌单给你，让音乐偏好不断强化。
1
人以群分
03
新知讲解
得到，根据课程订阅、听书时长、知识分享行为 ，归类兴趣社群。若群内用户购买“AI职场应用课”，系统会推送该课程，强化知识学习的聚焦。
1
人以群分
03
新知讲解
信息茧房
用户长期接收单一类型推荐，系统会持续推送同类内容，阻隔其他知识 。
2
推荐系统的风险
03
新知讲解
信息茧房
更危险的是，偏激观点会通过推荐找到 “同频群友”，强化用户偏见，最终导致视野狭隘、思想固化 。
2
推荐系统的风险
03
新知讲解
观看视频，进一步了解信息茧房，并思考如何避免此现象。
2
推荐系统的风险
03
新知讲解
推荐系统通过分析用户浏览、购买、互动等行为，将其归入兴趣社群，利用“兴趣相近者偏好相似”的规律推导需求。
理性看待推荐系统，需平衡“个性化”与“多元性”以规避局限。
总结
03
新知讲解
破茧之道（一）：算法的多元进化
研究者需改进推荐算法，不再只聚焦“用户已喜欢的内容”，而是主动推送跨领域、差异化信息，从技术层面打破 “单一兴趣循环”，拓宽用户认知边界。
爱
思
考
03
新知讲解
破茧之道（二）：用户的主动突围
用户需主动跳出算法“舒适圈”：① 探索不同领域知识；② 接纳不同观点，勤反思、多交流。通过 开放心态和自主行动 ，对抗算法对兴趣的“圈定”，避免被信息茧房束缚。
爱
思
考
03
新知讲解
“读万卷书，不如行万里路”本质也是破除书本上的局限性。
爱
思
考
古人局限 现代茧房
书本知识单一化 算法推荐同质化
缺乏实地验证 缺乏多元信息对冲
依赖权威文本 依赖数据模型判断
我们应主动探索不同领域的知识，接受不同意见，但是在浏览信息时也要警醒算法的局限性，它可能限制我们的知识视野。
04
课堂练习
一、判断题。
1.推荐系统的核心逻辑是将用户按地域进行划分。 （ ）
2.回声效应会让用户的偏好被持续放大。 （ ）
3.信息茧房只会让用户只看动画片，不会有其他危害。 （ ）
4.推荐系统在电商购物平台、短视频平台、资讯平台等都有典型应用场景。 （ ）
√
×
×
√
04
课堂练习
二、选择题
1.推荐系统将用户按兴趣归类，核心逻辑是基于什么？（ ）
A. 地域相近的人喜好相似 B. 兴趣相近的人喜好具有相似性
C. 年龄相仿的人喜好一致 D. 职业相同的人喜好相同
2.下列哪项不属于推荐系统的运作机制体现？（ ）
A. 用户浏览某类内容后，系统持续推送同类内容
B. 系统根据用户的消费行为，向其推荐同兴趣群体喜爱的商品
C. 系统主动推送跨领域的差异化信息 D. 用户的行为像 “回声” 一样让偏好被持续放大
3.推荐系统存在的 “信息茧房” 问题会导致什么后果？（ ）
A. 拓宽用户的视野 B. 让用户接触到更多元的信息
C. 使用户视野狭隘、思想固化 D. 帮助用户快速找到不同领域的知识
C
C
B
04
课堂练习
三、填空题
1.推荐系统将用户按兴趣归类，当群体内用户产生新行为（浏览、购买、阅读等），系统会把同类内容推荐给同群用户，这体现了 “______” 的核心逻辑。
2.推荐系统的运作机制中，用户的浏览、消费行为像 “向山谷喊话”，系统会反馈类似内容，这被称为 “______”。
3.推荐系统的隐忧 “信息茧房” 是指用户长期接收单一类型推荐，系统会持续推送同类内容，______其他知识。
4.抖音系统通过点赞、观看时长等数据识别用户兴趣标签，匹配同标签群体的热门视频，形成兴趣 “______”。
人以群分
阻隔
回声效应
回声效应
05
拓展延伸
1、跨领域推荐技术。
突破“兴趣茧房”的核心技术，通过分析用户在不同领域的关联行为，向用户推送跨领域内容。例如，给经常浏览篮球装备的用户推荐营养补充知识，帮助拓宽兴趣边界。
05
拓展延伸
2、兴趣匹配式文化推荐。
将传统文化与用户兴趣结合，让年轻人更易接受。比如，对汉服感兴趣的用户，系统会推荐传统礼仪讲解、汉服制作工艺等内容，从兴趣切入传播文化。
05
拓展延伸
3、兴趣化知识拓展。
结合学生的兴趣点延伸学习内容。比如，对动物感兴趣的学生，在学习“生物进化”时，系统会推荐相关纪录片、动物百科文章，让知识学习更贴合兴趣。
05
拓展延伸
4、刻意接触不同观点。
在浏览资讯时，主动点击与自己固有想法不同的文章，避免思维固化。例如，看到“电子游戏有害”的文章时，也阅读“合理游戏的益处”的内容。
06
课堂总结
1
了解什么是推荐系统
2
了解推荐系统的特点
3
学会理性看待推荐系统
4
完成课堂练习
5
进行相关知识拓展
1
2
3
4
5
推荐系统
07
板书设计
推荐系统
1、了解什么是推荐系统
2、了解推荐系统的特点
3、学会理性看待推荐系统
4、完成课堂练习
5、进行知识拓展
课后作业。
1.请简述推荐系统的底层逻辑和运作机制，并举例说明其中一个在生活中的应用场景。
08
课后作业
1.请简述推荐系统的底层逻辑和运作机制，并举例说明其中一个在生活中的应用场景。
底层逻辑：人以群分，推荐系统将用户按兴趣归类，核心是“兴趣相近的人，喜好具有相似性”，让用户接收“群友”的行为反馈。
运作机制：回声效应，用户的浏览、消费行为会让系统反馈类似内容，如同“回声”不断强化既有兴趣，是用户行为驱动的循环推荐，让偏好被持续放大。
应用场景示例：亚马逊推荐系统会分析用户购物行为，将用户归入兴趣社群，推送同群用户喜爱的商品。
https://www.21cnjy.com/recruitment/home/fine

展开更多......

收起↑