理性知识和感性知识的区别。"就知识服从感性法则的程度而言它是感性的;在某种程度上，它服从智力法则，它是理智的或理性的”(康德1770,50)。算法知识破坏了这种区别。
算法是在数学和计算中发现的一个概念，长期以来一直与追求理性形式的知识联系在一起。算法是解决问题的可靠的、可定义的程序。算法的思想可以追溯到数学的起源”(Henderson 2009,7)。今天，算法不仅计算现有数据，而且通过寻找相关性来开发新形式的“感官”或“经验”知识。算法知识寻求发现模式和关系，使人们能够以新的方式观察、感知、响应和适应复杂出现的生命。在这个过程中，康德对通过大脑的反射能力获得的理性知识和通过感觉器官获得的经验知识的区分就失效了。数字机器通过传感器产生大数据，从而模拟和自动化人类体验。与此同时，越来越多的人认为伦理理性存在于机器中，这导致了自动化决策。认知和感知似乎成为跨越人类/机器鸿沟的统一算法程序。本卷更深入地探讨了数字转换，并询问它们对我们理解主体和客体是什么以及它们如何在社会中运作的影响。
大数据研究是一个快速发展的研究领域(参见Mayer-Schönberger和Cukier 2013, Kitchin 2014, Mosco 2014)，涉及大数据和算法知识如何改变经济，政治，文化和环境。与不断增长的研究数量相匹配的是有关大数据的出版物。2017年夏天，Web of Science列出了2014年、2015年、2016年发表的约5800篇标题中含有“大数据”的文章。大数据研究产生影响的重要领域包括灾害研究、媒体/传播研究、智慧城市以及管理和组织研究。
在灾害研究中，大数据越来越多地用于预测和预防灾害，并尽量减少灾害对人类和自然的影响。大数据也用于灾害响应，其中无人驾驶飞行器(也称为无人机)收集有关灾害现场的数据，而机器学习算法则识别与灾害相关的数据中的模式。灾前灾后越来越多地部署数字人道主义。数字人道主义“研究了技术和大量数字数据的新用途如何改变社会准备、响应、应对和最终理解人道主义灾难的方式”(Meier2015,xi)。当涉及到处理广泛的国际问题时，大数据分析和新信息技术越来越被认为是必不可少的，例如发展(Coyle 和 Meier 2009), 冲突 (Karlsrud 2014, USIP 2013, Himelfarb2014)和自然灾害(Meier 2015)。大数据分析
6
Digital Objects, Digital Subjects