Something new is happening in how young people express emotion online. On TikTok—the platform that defines Gen Z's media landscape—emotional vulnerability has become a genre. Users share therapy insights, mental health diagnoses, relationship breakdowns, grief, and existential anxiety in short video format, set to trending audio, formatted for algorithmic amplification. The content is simultaneously deeply personal and expertly performed, raw and rehearsed, intimate and public.

Communication scholars have begun to theorize this phenomenon as "algorithmic intimacy"—a form of emotional expression that is shaped, cultivated, and mediated by platform algorithms in ways that blur the boundary between authentic feeling and performed engagement. The concept challenges traditional models of self-disclosure (which assume a private self choosing to reveal itself in a public context) by suggesting that the algorithm itself participates in the construction of the emotional self.

Defining Algorithmic Intimacy

Sabrina, Danu, and Arindra (2025) examine how algorithmic curation on platforms such as TikTok, Instagram, and X shapes the emotional expressions and perceived intimacy of Generation Z. While Gen Z's digital fluency and identity performance have been widely discussed, less is known about how emotions are cultivated and mediated through algorithmic processes.

The study's theoretical contribution lies in distinguishing algorithmic intimacy from two related but distinct concepts:

Self-disclosure (traditional communication theory): An individual reveals private information to another individual in a dyadic relationship. The motivation is relationship-building; the audience is specific.

Parasocial intimacy (media studies): A viewer develops a one-sided emotional connection with a media personality. The motivation is entertainment or identification; the relationship is asymmetric.

Algorithmic intimacy differs from both because the algorithm is an active participant in the emotional exchange. It selects which emotional content reaches which users, amplifies expressions that generate engagement, and creates feedback loops where the emotional expression is shaped by its algorithmic reception. The user does not simply choose to be vulnerable; the algorithm rewards vulnerability with visibility, creating an incentive structure that cultivates specific forms of emotional performance.

The Aesthetic Dimension

Hussain, Aslam, and Imran (2025) extend the analysis to aesthetic self-presentation. In the age of algorithmically curated social media, beauty standards are increasingly co-produced by platform design and AI-driven filters. Their study investigates the impact of AI-powered beauty filters and recommendation systems on body image and aesthetic preferences among users of TikTok, Instagram, and Snapchat.

The connection between beauty filters and algorithmic intimacy is this: the algorithm does not distinguish between emotional authenticity and aesthetic performance. A TikTok video of someone crying—whether the tears are genuine, strategically timed, or filter-enhanced—receives algorithmic treatment based on engagement metrics, not authenticity. The platform's inability (or unwillingness) to distinguish genuine emotion from performed emotion creates an environment where the distinction itself becomes irrelevant to the creator's strategic calculation.

For Gen Z users who have grown up within this system, the question "Am I performing emotion or actually feeling it?" may not be meaningful. The algorithm has created a context where emotional expression is always-already performative, because it is always-already addressed to an audience (the algorithm and its human recipients) rather than expressed in a private context.

Identity Construction in Algorithmic Environments

Rustamova (2025) provides the theoretical framework for understanding how algorithmically constituted audiences shape identity formation. The paper investigates the formation and operation of algorithmic audiences within platformized media environments, focusing on how processes of identity, influence, and power intersect to shape audience behavior.

Applied to emotional expression, the algorithmic audience concept reveals that Gen Z users are not expressing emotion to a generic "public" but to an algorithmically curated audience that has been assembled around predicted engagement patterns. The algorithm has already determined which users are likely to engage with emotional content—and it has assembled an audience that validates, amplifies, and reciprocates emotional expression. The intimacy is real, but its conditions of possibility are algorithmic.

The Historical Trajectory

Tuncay (2025) places algorithmic intimacy within the broader trajectory of AI integration into social media. Through a bibliometric analysis of 996 Scopus-indexed documents from 2014 to 2024, the study maps how AI has reshaped social media research and practice across content personalization, misinformation detection, and automated user interactions.

The study's findings on platform-specific trends are relevant to algorithmic intimacy: TikTok and short-form video platforms are gaining increasing research attention, signaling a shift in how users engage with algorithmically curated content. The growing role of AI in content curation, automated moderation, and chatbot technology has created new dimensions of user interaction that extend to emotional expression. The study also identifies emerging concerns around filter bubbles, algorithmic bias, and deepfakes—all of which intersect with how emotional content is curated and amplified on platforms.

For a generation that has never known a non-algorithmic information environment, these AI-driven transformations in social media are not abstract concerns but the ambient conditions within which emotional expression develops. The boundary between feeling and performing, between authentic and strategic, between human and algorithmic emotional expression may be genuinely different from previous generations' experience.

Claims and Evidence

Open Questions

Implications

Algorithmic intimacy represents a genuinely new phenomenon in communication: not merely the digitization of emotional expression but its algorithmic constitution. For communication scholars, this requires extending affect theory, self-disclosure theory, and identity theory to accommodate the algorithmic mediator as an active participant in emotional life.

For platform designers, it raises questions about the ethical responsibilities of systems that shape how young people experience and express emotion. For parents, educators, and mental health professionals, it demands literacy—not just media literacy but emotional literacy that includes understanding how platforms shape the emotional landscape within which young people develop their sense of self.

면책 조항: 이 게시물은 정보 제공을 목적으로 한 연구 동향 개요이다. 학술 저작물에서 인용하기 전에 구체적인 연구 결과, 통계 및 주장을 원본 논문과 대조하여 검증해야 한다.

알고리즘적 친밀성: TikTok이 Z세대에게 감정을 느끼는 방법을 가르치는 방식

젊은 세대가 온라인에서 감정을 표현하는 방식에 새로운 변화가 일어나고 있다. Z세대의 미디어 환경을 규정하는 플랫폼인 TikTok에서 감정적 취약성은 하나의 장르가 되었다. 사용자들은 치료 과정에서 얻은 통찰, 정신 건강 진단, 관계 붕괴, 슬픔, 실존적 불안을 짧은 영상 형식으로 공유하며, 여기에 트렌드 오디오를 결합하고 알고리즘 증폭에 최적화된 형태로 구성한다. 이러한 콘텐츠는 지극히 개인적이면서도 능숙하게 연출되고, 날것 그대로이면서도 사전에 준비되며, 친밀하면서도 공개적인 이중적 성격을 띤다.

커뮤니케이션 학자들은 이 현상을 "알고리즘적 친밀성(algorithmic intimacy)"으로 이론화하기 시작했다. 이는 플랫폼 알고리즘에 의해 형성되고 배양되며 매개되는 감정 표현의 한 형태로, 진정한 감정과 수행된 참여 사이의 경계를 흐린다. 이 개념은 자기 노출의 전통적 모델(공적 맥락에서 스스로를 드러내기로 선택하는 사적 자아를 상정하는)에 도전하며, 알고리즘 자체가 감정적 자아의 구성에 참여한다는 점을 시사한다.

알고리즘적 친밀성의 정의

Sabrina, Danu, Arindra(2025)는 TikTok, Instagram, X와 같은 플랫폼에서의 알고리즘적 큐레이션이 Z세대의 감정 표현과 지각된 친밀성을 어떻게 형성하는지를 검토한다. Z세대의 디지털 능숙도와 정체성 수행은 광범위하게 논의되어 왔지만, 감정이 알고리즘 과정을 통해 어떻게 배양되고 매개되는지에 대해서는 알려진 바가 적다.

이 연구의 이론적 기여는 알고리즘적 친밀성을 연관되지만 서로 구별되는 두 개념과 구분한다는 점에 있다.

자기 노출(self-disclosure)(전통적 커뮤니케이션 이론): 개인이 이자 관계(dyadic relationship)에서 상대방에게 사적인 정보를 공개하는 것이다. 동기는 관계 구축이며, 청중은 특정된다.

준사회적 친밀성(parasocial intimacy)(미디어 연구): 시청자가 미디어 유명인과 일방적인 감정적 연결을 형성하는 것이다. 동기는 오락 또는 동일시이며, 관계는 비대칭적이다.

알고리즘적 친밀성은 알고리즘이 감정적 교환의 능동적 참여자라는 점에서 앞의 두 개념과 구별된다. 알고리즘은 어떤 감정적 콘텐츠가 어떤 사용자에게 도달할지를 선택하고, 참여를 유발하는 표현을 증폭시키며, 감정 표현이 알고리즘적 수용에 의해 형성되는 피드백 루프를 생성한다. 사용자는 단순히 취약성을 드러내기로 선택하는 것이 아니라, 알고리즘이 취약성에 가시성이라는 보상을 제공함으로써 특정한 형태의 감정적 수행을 배양하는 인센티브 구조가 만들어진다.

미적 차원

Hussain, Aslam, Imran(2025)은 분석을 미적 자기 표현으로 확장한다. 알고리즘적으로 큐레이션된 소셜 미디어 시대에 미적 기준은 플랫폼 설계와 AI 기반 필터에 의해 점점 더 공동으로 생산되고 있다. 이 연구는 AI 기반 뷰티 필터와 추천 시스템이 TikTok, Instagram, Snapchat 사용자들의 신체 이미지와 미적 선호도에 미치는 영향을 조사한다.

뷰티 필터와 알고리즘적 친밀성 간의 연관성은 다음과 같다. 알고리즘은 감정적 진정성과 미적 수행을 구별하지 않는다. 누군가 울고 있는 TikTok 영상은—눈물이 진짜이든, 전략적으로 연출된 것이든, 필터로 강화된 것이든—진정성이 아닌 참여 지표에 기반한 알고리즘적 처리를 받는다. 플랫폼이 진정한 감정과 수행된 감정을 구별하지 못하는(혹은 구별하지 않으려는) 상황은 창작자의 전략적 계산에서 그 구분 자체가 무의미해지는 환경을 만들어 낸다. 이 시스템 안에서 성장한 Z세대 사용자들에게 "나는 감정을 수행하고 있는가, 아니면 실제로 느끼고 있는가?"라는 질문은 의미가 없을 수도 있다. 알고리즘은 감정 표현이 항상-이미(always-already) 수행적인 맥락을 만들어냈는데, 그것이 사적인 맥락에서 표현되는 것이 아니라 항상-이미 청중(알고리즘과 그 인간 수신자들)을 향해 전달되기 때문이다.

알고리즘 환경에서의 정체성 구성

Rustamova(2025)는 알고리즘적으로 구성된 청중이 정체성 형성을 어떻게 형성하는지를 이해하기 위한 이론적 틀을 제공한다. 이 논문은 플랫폼화된 미디어 환경 내에서 알고리즘 청중의 형성과 작동 방식을 조사하며, 정체성, 영향력, 권력의 과정이 어떻게 교차하여 청중의 행동을 형성하는지에 초점을 맞춘다.

감정 표현에 적용하면, 알고리즘 청중 개념은 Z세대 사용자들이 불특정 "대중"에게 감정을 표현하는 것이 아니라, 예측된 참여 패턴을 중심으로 구성된 알고리즘적으로 선별된 청중에게 표현하고 있음을 드러낸다. 알고리즘은 이미 어떤 사용자들이 감정적 콘텐츠에 참여할 가능성이 높은지를 판단하고, 감정 표현을 검증하고 증폭하며 상호작용하는 청중을 구성해 놓았다. 친밀감은 실재하지만, 그것이 가능한 조건은 알고리즘적이다.

역사적 궤적

Tuncay(2025)는 알고리즘적 친밀감을 AI가 소셜 미디어에 통합되는 보다 광범위한 궤적 안에 위치시킨다. 2014년부터 2024년까지 Scopus에 등재된 996개의 문서에 대한 계량서지학적 분석을 통해, 이 연구는 AI가 콘텐츠 개인화, 허위 정보 감지, 자동화된 사용자 상호작용 전반에 걸쳐 소셜 미디어 연구와 실천을 어떻게 재편했는지를 지도화한다.

플랫폼별 트렌드에 관한 연구 결과는 알고리즘적 친밀감과 관련이 있다. TikTok과 단편 동영상 플랫폼이 점점 더 많은 연구적 주목을 받고 있으며, 이는 사용자들이 알고리즘적으로 선별된 콘텐츠와 상호작용하는 방식의 변화를 나타낸다. 콘텐츠 큐레이션, 자동화된 모더레이션, 챗봇 기술에서 AI의 역할이 증대됨에 따라 감정 표현으로까지 확장되는 새로운 차원의 사용자 상호작용이 만들어졌다. 이 연구는 또한 필터 버블, 알고리즘 편향, 딥페이크를 둘러싼 새로운 우려들을 확인하는데, 이 모두는 감정적 콘텐츠가 플랫폼에서 어떻게 선별되고 증폭되는지와 교차한다.

비알고리즘적 정보 환경을 경험해본 적 없는 세대에게 소셜 미디어에서의 이러한 AI 주도 변환은 추상적인 우려가 아니라 감정 표현이 발달하는 주변 조건이다. 느끼는 것과 수행하는 것 사이의 경계, 진정성과 전략성 사이의 경계, 인간과 알고리즘적 감정 표현 사이의 경계는 이전 세대의 경험과 진정으로 다를 수 있다.

주장과 근거

미해결 질문

함의

알고리즘적 친밀성은 커뮤니케이션에서 진정으로 새로운 현상을 나타낸다: 단순히 감정 표현의 디지털화가 아니라 그것의 알고리즘적 구성이다. 커뮤니케이션 학자들에게 이는 알고리즘적 매개자를 감정적 삶의 능동적 참여자로 수용하기 위해 정동 이론(affect theory), 자기 공개 이론(self-disclosure theory), 정체성 이론을 확장할 것을 요구한다.

플랫폼 설계자들에게는 젊은이들이 감정을 경험하고 표현하는 방식을 형성하는 시스템의 윤리적 책임에 관한 질문을 제기한다. 부모, 교육자, 정신 건강 전문가들에게는 리터러시가 요구된다—단순한 미디어 리터러시가 아니라 플랫폼이 젊은이들이 자아감을 발달시키는 감정적 환경을 어떻게 형성하는지에 대한 이해를 포함하는 감정적 리터러시가 필요하다.