知识付费时代大学生知识获取现状研究

[摘要]：本研究聚焦知识付费时代大学生知识获取行为，基于平台经济理论与数字原住民理论，揭示当前大学生知识获取呈现途径多元化、信息质量良莠不齐及 AI 工具应用广泛但针对性不足的特征。针对知识可信度低、工具功能单一等问题，提出构建 “娱乐 - 知识” 双轨内容生态、协同过滤知识聚合社群及主动学习错误修正模型三大解决方案，通过自然语言处理、区块链及强化学习技术提升知识传播效率与准确性。研究结果为优化教育类 AI 工具开发及平台内容治理提供理论参考。

[关键词]：知识获取、大学生、自主学习、人工智能

一、引言

知识付费主要是指非物质形态的知识消费活动，现今通常发生在互联网活动中，其本质是知识经济时代，将隐性知识进行显性转化的市场交易行为。相关数据显示，2022年中国知识付费市场规模达1126.5亿元，同时预计至 2025中国有近6.4 亿人参与知识付费，整体市场规模可持续增长到 2808.8 亿元。同时，数据显示有93.3%的受访大学生表示愿意为知识付费。大学生是“知识刚需”群体，正处于知识资本积累的关键阶段，正需要高浓度的知识养分供给。基于数字原住民理论，大学生的认知发展显著形塑与智能终端普及与信息过载环境。所以，以智能设备为承载基础的网络数字化学习模式已成为大学生知识获取的主要途径。

二、大学生知识获取现状

1.知识获取途径多元化

大学生获取知识的途径呈现多元化特征，据统计，调查者中仅有21.4%的大学生会在一些特定场景下选择线下学习，而线上平台因其具有灵活的时间安排、个性的学习计划、便捷的学习资源等特征，成为大学生获取知识的主要阵地。大学生最常用社交类知识付费平台，占比为20.10%，其次为知识平台类、在线课程类、社区类、视频类，占比分别为13.50%、12.10%、11.60%、9.90%。[2]哔哩哔哩、小红书等综合性社交平台成为多数大学生免费学习与交流的首选，慕课平台和超星学习通等较为专业的学习平台在特定专业领域也受到一定程度的青睐，不仅如此，不少大学生也会在各类公众号、特定的专业网站、外网上寻找自身所需知识。基于社交媒体依赖理论，微信、哔哩哔哩、小红书等主流社交平台在知识获取中占据显著比例。

2.知识信息鱼目混珠

调查发现，网络信息良莠不齐，碎片化、无序化现象严重。该现象主要受三方面因素影响，一是知识付费本身就依赖于互联网，而互联网基于海纳百川的特性，包容接纳各种信息，在一定程度上影响了知识信息的可读性；二是大学生常用的信息获取平台在机制上存在的一些漏洞，平台的流量推送多以讨论热度为主，但往往是争议部分会引起较热的讨论，这种机制在一定程度上影响了知识信息本身的严谨性；三是博主自身原因，博主获取信息过程会存在一定滞后性，同时，可能受博主自身计划安排，导致一些新的知识变动未能及时上传至平台。知识信息缺乏官方权威性，资料缺乏系统性和归纳性，再结合到大学生群体本身的特点，他们在辨别信息真伪方面的能力相对薄弱，同时，容易受到虚假信息的误导，就容易出现大学生在构建系统性知识体系时常常面临挑战，难以高效整合和利用信息。

3.AI工具应用广泛，而针对性有待完善

当前教育领域的 AI 应用仍存在显著局限性，具体表现为知识推理深度不足、跨学科覆盖广度有限及输出内容准确性待提升。据统计数据，仅 2% 的大学生未使用过AI学习工具，98% 曾用其辅助学习，其中 63.8% 每周使用超 10 次，充分证明AI工具在知识付费场景中已高度普及。大学生群体使用问答类 AI 工具主要集中在事实性知识检索，在复杂问题解决领域的使用较少，原因是AI工具在解决复杂问题时存在显著局限。不少大学生在社交平台上反映，AI工具在论文写作场景中常常虚构文献引用和研究数据的行为，在量子物理等专业领域的公式推导错误率也不低。当前教育AI的发展呈现 “水平扩展快、垂直渗透慢 ” 的特征，AI工具的功能尚未完全满足大学生的需求。多数大学生希望AI工具能够支持更多细分领域和专业方向的深度内容生成，能为有着特殊学术研究和兴趣探索的部分大学生群体提供有力支撑。

三、解决方案

1.社交平台知识分类治理体系

从平台经济理论视角分析，泛知识社交平台的核心竞争力源自网络效应驱动的用户规模与内容生产量。强制要求平台对所有用户发布内容进行真实性核验，既不现实也不符合平台属性。这种监管要求不仅违背平台经济运行规律更可能导致知识传播效率的系统性衰减。但这些大学生扎堆学习的知识传播平台，例如知乎、哔哩哔哩，应该意识到自身作为知识传播第三方平台的重要性。可以构建“娱乐－知识”双轨内容生态，通过自然语言处理技术开发语义分类模型，对频繁台上发布的内容自动打上标签，将娱乐板块内容与专业知识学习内容划分开来。用户在浏览相关内容时就可以通过标签判定信息类别，从而降低学习者摄入低质量不实信息的概率。

2.协同过滤知识聚合社群

用户可通过关键词检索或者对话推荐模块访问聚合知识社群。系统基于协同过滤算法，实时汇总与当前查询相关的历史对话数据，生成包含高票答案的知识摘要。社群采用区块链技术记录用户贡献值，支持优质内容的点赞传播。与传统社交平台不同，该社群聚焦知识服务，没有聊天的功能，用户之间也无法成为好友和发生交流，只是一个为了减少用户在设计指令上花费时间，降低知识检索成本、获取高质量信息的工具，不包含过多的社交属性。

3.主动学习错误修正模型

针对 AI 问答工具的准确性缺陷，构建一个基于强化学习的主动纠错系统。当用户发现回答错误时，可通过移动端界面提交修正答案以及逻辑解析，系统将自动触发三重验证机制：首先调用 DeepSeek-R1、GPT-4 等多模型进行验证多次比对用户提交的答案的真实性和正确性；其次采用可信度筛选，用贝叶斯概率模型评估答案可信度，通过模型算出方案的置信度，此模型只接受置信度＞0.85 的修正答案；最后通过更新知识图谱，使AI工具在回答用户有深度的问题时，错误率得到有效降低。

参考文献：

[1]包雯沁.数字时代音频类知识付费平台用户持续使用意愿影响因素研究[J/OL].中国数字出版，1-15[2025-04-01].http：//kns.cnki.net/kcms/detail/10.1917.g2.20250314.1523.002.html.

[2]林洁如.基于AI技术的高校学生个性化创新培养教育平台开发与研究[J].科技与创新，2024，（22）：44-46+50.DOI：10.15913/j.cnki.kjycx.2024.22.012.

大学生创新创业训练计划项目（省级）

项目名称：破茧-青年学子的互助成长之路

项目编号：S202414037168