算法是新型自我的组成部分：它们创造了“算法身份”(algorithmicidentities)(Cheney-Lippold，2011)。在众人中收集的数字数据，是一个从各种来源中构建特定类型的个体或总体之集合的特定手段。算法将各种数据片段连接在一起。数字数据既来源于个体的行为和互动，也塑造着个体的行为和互动，这要么是由外部能动者利用数字影响或作用于个体，要么是由个体自己利用数据去相应改变自己的行为。因此，数据和行为之间构建出了一个持续的交互循环（Ruppert，2011；Smith，2013)。通过数字数据库，个体、社会群体和全人类能够被呈现为多个聚合，它可以根据关注或搜索的方面，以各种方式进行操纵和更改。人们通过使用测量设备、复杂算法和这些技术提供的呈现机会，来解释和评估行为与配置，从而产生有关个体、群体和全人类的更为详细的信息。来自数字数据库的指标使得那些曾经对个体和群体来说不可感知的层面变得可见，因为它们能够结合不同来源的大量细节。各种组织会使用算法来为用户赋予不同身份（采用诸如性别、种族、位置、收入状况等类别），并在行动中重新定义这些类别的意义（Cheney-Lippold，2011；Ruppert, 2012)。
此外，正如本章前面所述，大数据分析在识别特定行为、活动或结果是否合适或符合“规范”方面发挥着越来越重要的作用。大数据被赋予的修辞力量，意味着它们被视为区分可接受和不可接受的实践和行为的仲裁者，并在实际上塑造了“常态”（normality）的定义。算法权威还具有政治和经济后果。大数据已经开始塑造和定义“危险”“安全”“不健康”“风险”“未实现”“产出”等等概念，从而生产与再生产新型价值形式，通过这些大量的数据集合，规范在大型聚合数据与个体的比较中被构建出来；个体或社会群体被视为常态化过程中的“问题”，而“问题”的解决方案往往是数字设备或技术本身。例如，患者缺乏医疗设施的解决方案是为他们提供数字自我监测和自我护理设备，被视为学业不良的学生将被提供数字学习设备，被认为对社会有风险的个体需要佩戴射频识别设备，以便进行数字化的轨迹追踪。
数字社会学
104
120