多年前，在前首相阿都拉主政期间，其女婿凯里和被戏称为首相署四楼企业精英的青年才俊们通过主流媒体营造民间自我感觉良好（I feel good）的社会氛围，人们曾批判阿都拉以媒体治国，让国是虚拟化。
但那时的互联网还是由谷歌的网页排名（Page Rank）为主导，以鼓励网站之间的开放式相互链接（hyperlink），来定夺搜索引擎网页搜寻成绩条目的排名。新兴网络媒体、部落格和网络论坛即使需要用户注册帐号来发言，却允许一般网民无需登录匿名浏览，开启了以民间个体微观叙述，力撼主流媒体宏观大叙述；以多处火苗、多方战线、全面冲击和冲撞主流威权论述的时代。
那是科技巨擘如面子书、推特，还有谷歌的优管（Youtube）和Gmail的大数据驱动算法（big data driven algorithm）还无法为所欲为的以封闭式的帐号管理，钜细靡遗的追踪每一个人；让商家和政治广告刊登者针对每个用户的口味和好恶，来针对性的设计、赞助和刊登置入性行销广告来反转公众情绪（swing public sentiment）的年代。
当然，这种内聚型（inward-looking）的社交媒体或超级应用程序生态系统（Super App ecosystem），如亚马逊（Amazon）、华为、小米、微信、面子书、字节跳动（ByteDance）等 ，即使可以把用户的日常网络活动尽可能限定在一个功能无所不包的生态系统内，但它们却没有不在他们的商业服务范畴内的数据。
最后，除非政治监控单位完全整合不同平台的用户数据（所需的数据贮存、管理和硬体处理几乎是不可能的任务），他们所取得的公众情绪和观感（public sentiment）数据，很可能是偏向某些类别的种族、年龄组、国籍、职业的偏颇数据。
所以结果还是没有太大差异──以社交媒体和超级应用程序（Super App ）治国，国是不但虚拟化，而且还偏差化。
另外，普罗大众受社交媒体的算法局限视野，继而失去兼听则明的判断能力，也值得我们省思。
形塑人们看法和行为
推特、抖音（TikTok）、Instagram、WhatsApp、微信，甚至是Slack等社交媒体和即时传讯软件不断的助推（nudge）我们吸收、分享和转发碎片化资讯。这些零散的个体数据过后再被大型平台以我们无法完全窥探和了解的大数据算法，转换成高度针对性的智能商品和置入性行销，影响和形塑我们的看法和行为，让我们不间断的回应由机器“导演”的拟真数码化事态（machine orchestrated digital events），以及其周边现象。事实却是，机器算法在背后操控一切，却让数码资讯受众误以为，我们正在主导电子社交媒体的舆论与信息流。
社交媒体驱动的信息流（newsfeed）让人们陷入知识饥渴和资讯焦虑症，结果往往无法聚精会神的梳理各种事态的脉络，做出优质的判断和决策。
由社交媒体驱动的信息流不只包含面子书的朋友圈动态消息，还包括WhatsApp和微信群组里相识的人所分享的新闻和各式资讯链接。由于群组里的人往往和我们熟识或与我们有相同的属性，他们所转发的资讯我们通常趋向赞同或至少较可能、较情愿阅读，这加大我们只接收同质性较高观点的几率。
总体而言，笔者认为WhatsApp群组带给我们的资讯视野无异于面子书算法所带给我们的相对片面、两极分化以及高度趋同的同温层作用；还有无时无刻来袭 ，让深怕落单、错过最新可靠进展的焦躁思绪笼罩我们的日常作息。我以为，这样的资讯传递与吸收生态，只会造成我们因焦虑做出许多武断的回应，却不是周全的考量和高效的决策。
推特和面子书等社交媒体，曾经在移动互联网以及智能手机逐渐普及化的2000年代末至2010年代中期，扮演制衡各国主流媒体偏颇报道的角色，而且还推波助澜了阿拉伯之春以及占领华尔街运动。
个人认为，社交媒体网络在那时候能够传递改革的正面意义、抗衡主流媒体的保守论述，很大原因在于那时候的社交媒体系统是以基于规则的编程范式（rule-based programming best practices）来搭建的，而不是用擅长捕抓和揣摩用户偏好的大数据驱动机器学习技术所架设。
所以那时候的社交媒体算法，是以人们能够清楚理解、公认正确和透明的编程逻辑来设定用户的日常信息流。反之，现在的大数据驱动机器学习信息流，则是以最大化用户的点击率、浏览率、发帖量、留言数目和争论，来吸引人流和广告用户，并汲取用户统计数据特征为目的。
故这种以操纵人性弱点来提高网站流量和广告营收的大数据驱动算法，一再的引领资讯受众群朝两极分化（polarization）和传播虚假信息（misinformation）的误区发展。
