Forstå hvordan data kan brukes til å underbygge eller manipulere synspunkter.
Data som verktøy og våpen
Data og statistikk er kraftige verktøy. De kan hjelpe oss med å forstå verden, ta gode beslutninger og løse problemer. Men de kan også brukes til å manipulere, villede og påvirke folk til å tro noe som ikke stemmer.
I dette kapittelet ser vi på:
- Hvordan de samme dataene kan brukes til å støtte ulike synspunkter
- Teknikker for datamanipulering - bevisste og ubevisste
- Etikk i innsamling og bruk av data
- Hvordan du selv kan bruke data ærlig og ansvarlig
Husk: Problemet er sjelden selve dataene. Problemet er hvordan de tolkes, velges ut og presenteres.
Eksempler på framing:
- "9 av 10 anbefaler dette produktet" vs. "10 % er misfornøyd"
- "Arbeidsledigheten økte fra 3,0 % til 3,3 %" vs. "Antall arbeidsledige økte med 10 %"
- "Vi har kuttet utslipp med 15 % siden 2005" vs. "Utslippene er fortsatt 85 % av 2005-nivået"
Framing er ikke nødvendigvis uærlig, men det er viktig å gjenkjenne det når det brukes for å påvirke oss.
En skoles resultater på nasjonale prøver i lesing:
| År | 2021 | 2022 | 2023 | 2024 | 2025 |
|---|---|---|---|---|---|
| Poeng | 48 | 51 | 50 | 49 | 52 |
| Nasjonalt snitt | 50 | 50 | 50 | 50 | 50 |
Vis hvordan en rektor og en bekymret forelder kan bruke disse samme tallene til å gi helt forskjellig inntrykk.
Rektoren sier (positivt):
"Skolen har hatt en fantastisk utvikling! Fra 48 poeng i 2021 til 52 poeng i 2025 - en økning på hele 4 poeng! Vi ligger nå over det nasjonale snittet. Innsatsen vår med leseopplæring gir resultater!"
(Rektoren fokuserer på start- og sluttverdi, og fremhever at skolen nå er over snittet.)
Forelderen sier (negativt):
"Resultatene er ustabile og svinger opp og ned hvert år. I 2024 lå vi under det nasjonale snittet. Vi har ingen stabil forbedring - det virker tilfeldig. Skolen har ikke kontroll på kvaliteten i undervisningen!"
(Forelderen fokuserer på variasjonen fra år til år og det svake året 2024.)
Begge bruker riktige tall, men velger ulik framing. En nøytral fremstilling ville sagt: "Resultatene har variert mellom 48 og 52, med en svakt stigende trend. Skolen ligger nå to poeng over snittet, men forskjellene er små."
Hvis en pris først økes med og deretter settes ned med , er prisen tilbake til det den var opprinnelig.
1. Selektivt utvalg: Spørre bare folk som sannsynligvis er enige med deg. For eksempel: spørre folk i en sportsbutikk om de trener regelmessig.
2. Ledende spørsmål: "Er du enig i at X er et problem?" gir andre svar enn "Hva synes du om X?"
3. Utelating av data: Fjerne datapunkter som "ikke passer", uten god grunn.
4. Endring av definisjon: Endre hva som telles. For eksempel ble definisjonen av "arbeidsledig" endret i et land, og plutselig sank arbeidsledigheten - ikke fordi flere fikk jobb, men fordi færre ble telt.
5. Prosenttriks: Blande absolutte tall og prosenter for å forvirre. "Prisen økte med 50 % og ble deretter satt ned med 50 %" - men da er den lavere enn originalen!
6. Feil basislinje: Sammenligne tall som ikke er sammenlignbare (ulike tidsrom, populasjoner, definisjoner).
Et firma ønsker å vise at folk vil ha et nytt kjøpesenter. De gjennomfører to ulike spørreundersøkelser:
Versjon A: "Det planlegges et nytt, moderne kjøpesenter med over 100 butikker, restauranter og aktiviteter for hele familien. Støtter du dette?"
Versjon B: "Det planlegges et kjøpesenter som vil øke trafikken, ta jordbruksareal og kan true lokale småbutikker. Støtter du dette?"
Forklar hvorfor de to versjonene sannsynligvis gir ulike svar, og hvordan en nøytral versjon ville sett ut.
Versjon A er positivt ladet: ord som "nytt", "moderne", "aktiviteter for hele familien" skaper positive assosiasjoner. Informasjonen er ensidig positiv. De fleste vil trolig svare ja.
Versjon B er negativt ladet: ord som "øke trafikken", "ta jordbruksareal", "true lokale småbutikker" skaper negative assosiasjoner. Informasjonen er ensidig negativ. De fleste vil trolig svare nei.
Begge versjonene inneholder fakta, men de velger ut ulike fakta og bruker ladede ord.
En nøytral versjon:
"Det er foreslått å bygge et kjøpesenter med ca. 100 butikker i [sted]. Det vil skape arbeidsplasser og gi et bredt handelstilbud, men innebærer også økt trafikk og bruk av jordbruksareal. Hva er din holdning?"
- [ ] Svært positiv
- [ ] Positiv
- [ ] Nøytral
- [ ] Negativ
- [ ] Svært negativ
En nøytral spørreundersøkelse presenterer begge sider og bruker nøytralt språk.
Etikk i databruk
Med store datamengder kommer stort ansvar. Når vi samler inn, analyserer og presenterer data, må vi tenke over etiske spørsmål:
Personvern: Hvem har tilgang til dataene? Kan enkeltpersoner identifiseres? I Norge har vi personopplysningsloven (basert på EUs GDPR) som beskytter folks data.
Samtykke: Vet folk at dataene deres samles inn? Har de gitt tillatelse? Mange apper samler data uten at brukerne er klar over det.
Formål: Brukes dataene til det folk ble fortalt? Data som samles inn for forskning bør ikke selges til reklame.
Rettferdighet: Kan data og algoritmer forsterke urettferdighet? For eksempel: hvis en algoritme trenes på historiske data der visse grupper ble diskriminert, kan den videreføre diskrimineringen.
Transparens: Er metoden åpen og etterprøvbar? Kan andre sjekke resultatene?
Når du vurderer statistikk, bruk denne sjekklisten:
1. HVEM?
- Hvem har laget undersøkelsen/statistikken?
- Har de en egeninteresse i resultatet?
- Er det en uavhengig kilde (f.eks. SSB) eller en partisk kilde (f.eks. et firma som selger et produkt)?
2. HVORDAN?
- Hvordan ble dataene samlet inn?
- Hvor mange ble spurt (utvalgsstørrelse)?
- Er utvalget representativt?
- Er spørsmålene nøytrale?
3. HVA vises - og hva vises IKKE?
- Er hele datasettet vist, eller bare deler?
- Er diagrammer og tall presentert riktig?
- Mangler det kontekst eller sammenligningsgrunnlag?
4. HVORFOR?
- Hva er formålet med å presentere disse tallene?
- Prøver noen å overbevise deg om noe?
- Passer konklusjonen med dataene?
En nettbutikk reklamerer: "40 % rabatt på alle varer!" Men forrige uke økte de prisene med 40 %.
En jakke kostet opprinnelig 1000 kr.
a) Hva ble prisen etter prisøkningen på 40 %?
b) Hva blir prisen etter rabatten på 40 %?
c) Er det en reell rabatt?
a) Pris etter 40 % økning:
b) Pris etter 40 % rabatt (fra den nye prisen):
c) Jakken koster nå kr - det er kr billigere enn originalprisen på kr. Så det er en reell rabatt, men den er mye mindre enn 40 %.
Den reelle rabatten fra originalprisen er:
Trikset: Prosentøkning og prosentreduksjon med samme prosent gir ikke tilbake det opprinnelige beløpet, fordi prosenten beregnes fra ulike utgangspunkt. Økningen på 40 % beregnes fra 1000, men rabatten på 40 % beregnes fra det allerede oppblåste beløpet 1400.
Skriv om denne setningen på to måter - én som høres positiv ut, og én som høres negativ ut:
" av elevene på skolen fikk under karakteren 4 på matteeksamen."
En skjorte kostet 800 kr. Prisen ble først økt med 25 %, og deretter satt ned med 25 %.
a) Hva er prisen nå?
b) Forklar hvorfor den ikke er 800 kr.
Et politisk parti hevder: "Vi har skapt 50 000 nye arbeidsplasser i løpet av de siste fire årene!"
Nevn minst tre spørsmål du bør stille for å vurdere denne påstanden kritisk.
Forklar hva som er problemet med hvert av disse spørsmålene i en spørreundersøkelse:
a) "Synes du ikke også at skolematen bør bli bedre?"
b) "Hvor mange timer bruker du på lekser? (1-2 / 2-3 / 3-4 / mer enn 4)"
c) "Støtter du miljøvennlig energi, eller foretrekker du å ødelegge naturen?"
"En studie viser at elever som bruker nettbrett i timen lærer 20 % mer enn de som ikke bruker nettbrett."
Bruk sjekklisten (hvem, hvordan, hva, hvorfor) til å vurdere denne påstanden. Skriv minst fire kritiske spørsmål.
Du skal gjennomføre en spørreundersøkelse om skjermbruk blant elever i klassen din.
a) Skriv tre gode, nøytrale spørsmål om skjermbruk.
b) Forklar hvorfor hvert spørsmål er nøytralt.
c) Skriv en "dårlig" (ledende) versjon av hvert spørsmål og forklar problemet.
Data fra en ungdomsskole viser at skoleresultatene (i gjennomsnitt) har gått ned de siste tre årene. Rektor vil bruke data til å finne ut hvorfor.
a) Foreslå tre mulige forklaringer (hypoteser) som dataene kunne testes mot.
b) For hver hypotese: hvilke data ville du samlet inn for å teste den?
c) Forklar hvorfor det er viktig å teste flere hypoteser i stedet for bare å velge den "letteste" forklaringen.
Et teknologiselskap samler inn data om brukerne sine: hva de søker etter, hva de klikker på, hvor lenge de ser på ulike sider, og GPS-posisjonen deres.
a) Gi to eksempler på hvordan disse dataene kan brukes til noe nyttig for brukeren.
b) Gi to eksempler på hvordan de kan brukes til noe problematisk.
c) Hva mener du er de viktigste reglene for etisk databruk? Begrunn svaret ditt.
Oppsummering
I dette kapittelet har du lært:
- Framing: Hvordan de samme tallene kan gi helt forskjellig inntrykk avhengig av hvordan de presenteres og rammes inn
- Datamanipulering: Å gjenkjenne selektivt utvalg, ledende spørsmål, utelating av data og prosenttriks
- Etikk i databruk: Å forstå viktigheten av personvern, samtykke, formålsbegrensning og rettferdighet
- Kildekritikk: Å bruke sjekklisten hvem, hvordan, hva og hvorfor for å vurdere statistikk kritisk
Nøkkelbegreper
| Begrep | Forklaring |
|---|---|
| Framing (innramming) | Å presentere informasjon på en bestemt måte for å påvirke hvordan den oppfattes |
| Ledende spørsmål | Spørsmål formulert slik at de styrer svaret i en bestemt retning |
| Selektivt utvalg | Å bare spørre folk som sannsynligvis gir det svaret du ønsker |
| Prosenttriks | Å blande absolutte tall og prosenter for å forvirre eller overdrive |
| Personvern (GDPR) | Regler som beskytter folks personlige data |
| Kildekritikk | Systematisk vurdering av hvem som står bak informasjonen og hvorfor |
Dette kapitlet er skrevet av Anthropics toppmodeller (Claude Opus og Claude Fable) og er foreløpig ikke manuelt gjennomgått — kvalitetskontrollen gjøres av uavhengige KI-agenter, og innmeldte feil rettes fortløpende. Funnet en feil? Meld fra, så retter vi den. Les mer om hvordan innholdet lages.