Forstå hvordan data kan brukes til å underbygge eller manipulere synspunkter.
Data som verktøy og våpen
Data og statistikk er kraftige verktøy. Dei kan hjelpe oss med å forstå verda, ta gode avgjerder og løyse problem. Men dei kan òg brukast til å manipulere, villeie og påverke folk til å tru noko som ikkje stemmer.
I dette kapittelet ser vi på:
- Korleis dei same dataa kan brukast til å støtte ulike synspunkt
- Teknikkar for datamanipulering - medvitne og umedvitne
- Etikk i innsamling og bruk av data
- Korleis du sjølv kan bruke data ærleg og ansvarleg
Hugs: Problemet er sjeldan sjølve dataa. Problemet er korleis dei blir tolka, valde ut og presenterte.
Døme på framing:
- "9 av 10 tilrår dette produktet" vs. "10 % er misnøgde"
- "Arbeidsløysa auka frå 3,0 % til 3,3 %" vs. "Talet på arbeidslause auka med 10 %"
- "Vi har kutta utslepp med 15 % sidan 2005" vs. "Utsleppa er framleis 85 % av 2005-nivået"
Framing er ikkje nødvendigvis uærleg, men det er viktig å kjenne det att når det blir brukt for å påverke oss.
Resultata til ein skule 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 korleis ein rektor og ein uroleg forelder kan bruke desse same tala til å gi heilt forskjellig inntrykk.
Rektoren seier (positivt):
"Skulen har hatt ei fantastisk utvikling! Frå 48 poeng i 2021 til 52 poeng i 2025 - ein auke på heile 4 poeng! Vi ligg no over det nasjonale snittet. Innsatsen vår med leseopplæring gir resultat!"
(Rektoren fokuserer på start- og sluttverdi, og framhevar at skulen no er over snittet.)
Forelderen seier (negativt):
"Resultata er ustabile og svingar opp og ned kvart år. I 2024 låg vi under det nasjonale snittet. Vi har inga stabil forbetring - det verkar tilfeldig. Skulen har ikkje kontroll på kvaliteten i undervisninga!"
(Forelderen fokuserer på variasjonen frå år til år og det svake året 2024.)
Begge bruker rette tal, men vel ulik framing. Ei nøytral framstilling ville sagt: "Resultata har variert mellom 48 og 52, med ein svakt stigande trend. Skulen ligg no to poeng over snittet, men skilnadene er små."
Viss ein pris først blir auka med og deretter sett ned med , er prisen tilbake til det han var opphavleg.
1. Selektivt utval: Spørje berre folk som sannsynlegvis er einige med deg. Til dømes: spørje folk i ein sportsbutikk om dei trenar regelmessig.
2. Leiande spørsmål: "Er du einig i at X er eit problem?" gir andre svar enn "Kva synest du om X?"
3. Utelating av data: Fjerne datapunkt som "ikkje passar", utan god grunn.
4. Endring av definisjon: Endre kva som blir talt. Til dømes vart definisjonen av "arbeidslaus" endra i eit land, og plutseleg sokk arbeidsløysa - ikkje fordi fleire fekk jobb, men fordi færre vart talde.
5. Prosenttriks: Blande absolutte tal og prosentar for å forvirre. "Prisen auka med 50 % og vart deretter sett ned med 50 %" - men då er han lågare enn originalen!
6. Feil basislinje: Samanlikne tal som ikkje er samanliknbare (ulike tidsrom, populasjonar, definisjonar).
Eit firma ønskjer å vise at folk vil ha eit nytt kjøpesenter. Dei gjennomfører to ulike spørjeundersøkingar:
Versjon A: "Det er planlagt eit nytt, moderne kjøpesenter med over 100 butikkar, restaurantar og aktivitetar for heile familien. Støttar du dette?"
Versjon B: "Det er planlagt eit kjøpesenter som vil auke trafikken, ta jordbruksareal og kan true lokale småbutikkar. Støttar du dette?"
Forklar kvifor dei to versjonane sannsynlegvis gir ulike svar, og korleis ein nøytral versjon ville sett ut.
Versjon A er positivt lada: ord som "nytt", "moderne", "aktivitetar for heile familien" skaper positive assosiasjonar. Informasjonen er einsidig positiv. Dei fleste vil truleg svare ja.
Versjon B er negativt lada: ord som "auke trafikken", "ta jordbruksareal", "true lokale småbutikkar" skaper negative assosiasjonar. Informasjonen er einsidig negativ. Dei fleste vil truleg svare nei.
Begge versjonane inneheld fakta, men dei vel ut ulike fakta og bruker lada ord.
Ein nøytral versjon:
"Det er føreslått å byggje eit kjøpesenter med ca. 100 butikkar i [stad]. Det vil skape arbeidsplassar og gi eit breitt handelstilbod, men inneber òg auka trafikk og bruk av jordbruksareal. Kva er haldninga di?"
- [ ] Svært positiv
- [ ] Positiv
- [ ] Nøytral
- [ ] Negativ
- [ ] Svært negativ
Ei nøytral spørjeundersøking presenterer begge sider og bruker nøytralt språk.
Etikk i databruk
Med store datamengder kjem stort ansvar. Når vi samlar inn, analyserer og presenterer data, må vi tenke over etiske spørsmål:
Personvern: Kven har tilgang til dataa? Kan enkeltpersonar identifiserast? I Noreg har vi personopplysningslova (basert på EUs GDPR) som vernar data til folk.
Samtykke: Veit folk at dataa deira blir samla inn? Har dei gitt løyve? Mange appar samlar data utan at brukarane er klar over det.
Føremål: Blir dataa brukte til det folk vart fortalde? Data som blir samla inn for forsking bør ikkje seljast til reklame.
Rettferd: Kan data og algoritmar forsterke urettferd? Til dømes: viss ein algoritme blir trena på historiske data der visse grupper vart diskriminerte, kan han føre vidare diskrimineringa.
Transparens: Er metoden open og etterprøvbar? Kan andre sjekke resultata?
Når du vurderer statistikk, bruk denne sjekklista:
1. KVEN?
- Kven har laga undersøkinga/statistikken?
- Har dei ei eigeninteresse i resultatet?
- Er det ei uavhengig kjelde (f.eks. SSB) eller ei partisk kjelde (f.eks. eit firma som sel eit produkt)?
2. KORLEIS?
- Korleis vart dataa samla inn?
- Kor mange vart spurde (utvalsstorleik)?
- Er utvalet representativt?
- Er spørsmåla nøytrale?
3. KVA blir vist - og kva blir IKKJE vist?
- Er heile datasettet vist, eller berre delar?
- Er diagram og tal presenterte rett?
- Manglar det kontekst eller samanlikningsgrunnlag?
4. KVIFOR?
- Kva er føremålet med å presentere desse tala?
- Prøver nokon å overtyde deg om noko?
- Passar konklusjonen med dataa?
Ein nettbutikk reklamerer: "40 % rabatt på alle varer!" Men førre veke auka dei prisane med 40 %.
Ei jakke kosta opphavleg 1000 kr.
a) Kva vart prisen etter prisauken på 40 %?
b) Kva blir prisen etter rabatten på 40 %?
c) Er det ein reell rabatt?
a) Pris etter 40 % auke:
b) Pris etter 40 % rabatt (frå den nye prisen):
c) Jakka kostar no kr - det er kr billegare enn originalprisen på kr. Så det er ein reell rabatt, men han er mykje mindre enn 40 %.
Den reelle rabatten frå originalprisen er:
Trikset: Prosentauke og prosentreduksjon med same prosent gir ikkje tilbake det opphavlege beløpet, fordi prosenten blir rekna frå ulike utgangspunkt. Auken på 40 % blir rekna frå 1000, men rabatten på 40 % blir rekna frå det allereie oppblåste beløpet 1400.
Skriv om denne setninga på to måtar - éin som høyrest positiv ut, og éin som høyrest negativ ut:
" av elevane på skulen fekk under karakteren 4 på matteeksamen."
Ei skjorte kosta 800 kr. Prisen vart først auka med 25 %, og deretter sett ned med 25 %.
a) Kva er prisen no?
b) Forklar kvifor han ikkje er 800 kr.
Eit politisk parti hevdar: "Vi har skapt 50 000 nye arbeidsplassar i løpet av dei siste fire åra!"
Nemn minst tre spørsmål du bør stille for å vurdere denne påstanden kritisk.
Forklar kva som er problemet med kvart av desse spørsmåla i ei spørjeundersøking:
a) "Synest du ikkje òg at skulematen bør bli betre?"
b) "Kor mange timar bruker du på lekser? (1-2 / 2-3 / 3-4 / meir enn 4)"
c) "Støttar du miljøvennleg energi, eller føretrekkjer du å øydeleggje naturen?"
"Ein studie viser at elevar som bruker nettbrett i timen lærer 20 % meir enn dei som ikkje bruker nettbrett."
Bruk sjekklista (kven, korleis, kva, kvifor) til å vurdere denne påstanden. Skriv minst fire kritiske spørsmål.
Du skal gjennomføre ei spørjeundersøking om skjermbruk blant elevar i klassen din.
a) Skriv tre gode, nøytrale spørsmål om skjermbruk.
b) Forklar kvifor kvart spørsmål er nøytralt.
c) Skriv ein "dårleg" (leiande) versjon av kvart spørsmål og forklar problemet.
Data frå ein ungdomsskule viser at skuleresultata (i gjennomsnitt) har gått ned dei siste tre åra. Rektor vil bruke data til å finne ut kvifor.
a) Føreslå tre moglege forklaringar (hypotesar) som dataa kunne testast mot.
b) For kvar hypotese: kva data ville du samla inn for å teste han?
c) Forklar kvifor det er viktig å teste fleire hypotesar i staden for berre å velje den "lettaste" forklaringa.
Eit teknologiselskap samlar inn data om brukarane sine: kva dei søkjer etter, kva dei klikkar på, kor lenge dei ser på ulike sider, og GPS-posisjonen deira.
a) Gi to døme på korleis desse dataa kan brukast til noko nyttig for brukaren.
b) Gi to døme på korleis dei kan brukast til noko problematisk.
c) Kva meiner du er dei viktigaste reglane for etisk databruk? Grunngi svaret ditt.
Oppsummering
I dette kapittelet har du lært:
- Framing: Korleis dei same tala kan gi heilt forskjellig inntrykk avhengig av korleis dei blir presenterte og ramma inn
- Datamanipulering: Å kjenne att selektivt utval, leiande spørsmål, utelating av data og prosenttriks
- Etikk i databruk: Å forstå kor viktig personvern, samtykke, føremålsavgrensing og rettferd er
- Kjeldekritikk: Å bruke sjekklista kven, korleis, kva og kvifor for å vurdere statistikk kritisk
Nøkkelomgrep
| Omgrep | Forklaring |
|---|---|
| Framing (innramming) | Å presentere informasjon på ein bestemt måte for å påverke korleis han blir oppfatta |
| Leiande spørsmål | Spørsmål formulert slik at dei styrer svaret i ei bestemt retning |
| Selektivt utval | Å berre spørje folk som sannsynlegvis gir det svaret du ønskjer |
| Prosenttriks | Å blande absolutte tal og prosentar for å forvirre eller overdrive |
| Personvern (GDPR) | Reglar som vernar dei personlege dataa til folk |
| Kjeldekritikk | Systematisk vurdering av kven som står bak informasjonen og kvifor |
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.