将社交媒体平台作为生活环境的实际参与意味着发展关于系统底层逻辑的隐性知识。虽然大多数技术的设计方式使人们不必确切知道它是如何工作的(Hardin,2003)，但人们倾向于构建关于其工作的“心智模型”和理论，作为一种导航和与世界互动的方式(Orlikowski& Gash,1994)。尽管明确指出他们不知道算法是什么，但大多数参与者或多或少都有关于算法是什么和应该是什么的详细理论。以Facebook为例，凯拉说她“不知道算法是什么”，但怀疑它是对平台跟踪的所有数据做出反应的。同样，Michael也“不知道实际的算法是什么”，但对于如何最好地构建状态更新，以增加他的帖子被广泛传播的可能性，他仍然有一个清晰的想法。
算法想象绝不是一种虚幻的关系，而是一种需要被理解为富有成效的强大识别。人们遇到和体验算法的场所和情境，可以说塑造了人们对算法的思考、交谈和感受方式。当你45岁的时候看到一个除皱霜的广告，或者当你在脸书上宣布自己是“单身”时看到一个约会网站的广告，这些联系可能不是偶然的。算法通过构建“同一性类别”来创建“与识别的控制论关系”(Cheney-Lippold,2011:168,172)。然而，这些统计推导出的控制论分类模式可能与用户对自己的感受和看法相冲突。一些参与者，如Shannon和Kayla，对他们被分类的方式感到不舒服，而其他人，如莉娜和Larry，对算法“认为”他们会是真正对他们所提供的内容感兴趣的人感到疏远甚至愤怒。虽然可能很难摆脱数字构建的同一性类别，但Papacharissi认为，情感可能超越“仅仅是情感和感觉，以描述暗示以各种方式行动的倾向的驱动力”(2015:12)。算法是否做出正确的推断并不一定重要。例如，一个被错误地称呼为成年人的孩子可能会喜欢他或她被“认真对待”的事实，并开始以更像成年人的方式行事(DeVries,2010: 78)。同样，莉娜对被“错误地”识别并与她以前的同学联系在一起的愤怒，似乎促使她更新了更多关于民主党的信息，以对抗算法坚持显示“共和党”更新的做法。
算法想象不仅描述了人们构建的关于算法的心智模型，还描述了这些想象所具有的生产力和情感力量。在机器学习的驱动下，驱动社交媒体平台的算法由于暴露于不断增加的数据集而不断发展和变化。正如Emilee Rader和Rebecca Gray(2015)指出的那样，这些系统的反馈回路特征使用户信仰成为塑造整体系统行为的重要组成部分。当用户“有意识地点击”时，破坏他们的
Affective Landscapes
115