Forskning

Forskning om mediepåverkan, medieeffekter och annat som har med hur vi påverkas politiskt av medier och kommunikation.

Filterbubblor: 3 kommentarer – 3 svar

Peter Dahlgren 6 Comments

Ekokammare

I denna text kommer jag redogöra för några kommentarer jag fått kring min artikel om filterbubblor och ekokammare under politiska val. Jag kommer även redogöra kort för hur folk tänker efter att ha använt medier.

Jesper Åström har skrivit några kommentarer på Facebook som jag lovade att besvara i lite längre utförlig form när jag fick tillfälle (alltså nu!).

Jesper arbetar enligt egen utsaga med digital taktik och viral marknadsföring och höll relativt nyligen en underhållande föreläsning på Internetdagarna 2016 om internettroll som jag rekommenderar andra att se, samt omnämns i en läsvärd kolumn av Andrev Walden om rasister på nätet.

Jesper är bland annat kritisk till tre saker i min artikel: (1) att jag är instängd i en filterbubbla och därmed bara kommenterar det jag ser, (2) att jag inte ger något belägg för forskningen och (3) att problemet är hur folk uppfattar minoriteters åsikter som mer vanliga än vad de faktiskt är.

Jag har återgett Jespers kommentarer här, men organiserat om texten i teman. Dessutom gör jag lite sporadiska utvikningar som inte nödvändigtvis är relaterade till Jespers kommentarer.

1. Instängd i en filterbubbla

Först av allt verkar Jesper mena att de enda nyheter jag läst handlar om filterbubblor eftersom jag själv är fast i en filterbubbla, och att jag därmed överskattar hur mycket journalister har skrivit om filterbubblor.

Jesper
Det är lustigt att hans [alltså min!] argumentation bygger på antaganden som skapats av en nyhetsfiltrering där filterbubblor lyfts fram som det huvudsakliga skälet till utfallet i det amerikanska valet. Han kanske skulle applicera sin egen serieteckning på sig själv.

[…] Det jag menar är att det lyfts fram många fler analyser av amerikanska valet än filterbubblorna och falska nyheter. Alltså, att de lyfts fram som ledande i debatten av dig och av vissa andra medier, är en konsekvens av att det är det enda som ni får in i er filterbubbla –> både den som baseras på algoritmer och den som baseras på er institutionella, liksom privata omvärld.

Exempel på sådana förklaringar är att den amerikanska arbetarklassen var trött på etablisemanget, att amerikaner är rasistiska tölpar och att maskinerna var hackade av ryssarna.

Att du beskriver det i din post som att det är filterbubblorna som lyfts fram som huvudorsak till resultatet i det amerikanska valet, anser jag vara ett resultat av filtrering då det i det stora hela har varit en ganska så liten del av eftervalsanalysen. Fast din inledning skriver att texten ämnar beskriva varför effekten av dem varit överdriven.

Dvs. innan vi ens går vidare på innehållet i inlägget, så har du beskrivit din egen bild på frågan som filtrerad/indexerad utifrån ditt eget perspektiv. Alltså, du viktar det du själv uppfattat som den dominerande förklaringen högre än andra förklaringar, som i andra bubblor diskuterats flitigt.

Här har jag två invändningar.

För det första, hur vet Jesper vilka nyheter jag konsumerar och inte konsumerar? Det vore intressant att få beskrivet.

För det andra, självklart har medierna gjort många analyser. Jag påstår inte att filterbubblor lyfts fram som huvudorsaken, att de varit ledande eller dominerande i samhällsdebatten. Att jag medvetet väljer att enbart fokusera på endast filterbubblor beror på det enkla skälet att jag forskar om selektiv exponering.

Jag skrev dessutom detta: ”Efter det amerikanska presidentvalet blev frågan om filterbubblor och ekokammare aktuell som en av förklaringarna till Donald Trumps framgång.”

De påståenden som gjordes om filterbubblor (i medierna) var något överdrivna och gavs större förklaringskraft än vad de faktiskt har (jämfört med forskningen). Därmed var avsikten med min artikel att tona ned och ge en motvikt till de påståenden som gjordes i massmedierna (att moderera påståenden i massmedierna, om man så vill).

Så Jespers invändning att jag bara läser nyheter om filterbubblor och därmed tror att journalister bara har skrivit om filterbubblor verkar mer vara en effekt av vad Jesper tycker och tror. För att veta hur mycket medierna har skrivit om en viss fråga måste man göra en innehållsanalys. Av just det skälet avhåller jag mig från att göra påståenden som att ”i det stora hela har [det] varit en ganska så liten del av eftervalsanalysen.”

2. Var är forskningen?

Jesper
Sen skriver du följande; ”föreställningen om filterbubblors och ekokammares inverkan är tämligen överdriven”, utan att hänvisa till vilken forskning du menar.

Var ska vi börja? En god idé är att inleda med en översiktsartikel som sammanfattat forskningen. En av de senaste översiktsartiklarna skriver exempelvis: ”We conclude that – in spite of the serious concerns voiced – at present, there is no empirical evidence that warrants any strong worries about filter bubbles.” (s. 10). Den artikeln är dock inte speciellt systematisk och lämnar en del annat att önska.

Här är dock några andra artiklar:

  • “the fear of a fragmented society due to selectivity in using the Internet seems to be empirically groundless” (Kobayashi & Ikeda, 2009, s. 929)
  • “worry that the Internet will lead to an increasingly fragmented society appears to have been overstated” (Garrett, 2009a, s. 281)
  • “though many elements of ideological fragmentation are operating as predicted by filter bubble theories, the overall impact of these factors appears to be limited at this time” (Flaxman, Goel, & Rao, 2013, s. 32)
  • “previous work may have overestimated the degree of ideological segregation in social-media usage” (Barberá, Jost, Nagler, Tucker, & Bonneau, 2015, s. 1)
  • ”social media use actually attenuates rather than drives polarization” (Holmes & Sue McNeal, 2016)
  • Och den mest kärnfulla: “wrong” (Garrett, 2013, s. 248)

Och dessutom min egen högst preliminära slutsats från en konferensartikel: ”No support for political ideology and selective exposure mutually reinforcing and becoming more extreme over time.” (I det här fallet handlar det om fem månader.)

Kort sammanfattat: det finns mycket oro, men inte mycket forskningsstöd för idén om filterbubblor.

Notera dock att detta är ett medvetet selektivt urval (förutom översiktsartikeln) som visar att polarisering och medieanvändning inte förekommer. Poängen med detta urval är inte att säga att det endast är på detta vis, utan snarare vara en motvikt till föreställningen att sociala medier mer eller mindre alltid gör att människor bekräftar sina egna föreställningar.

Med andra ord, det är viktigt att påpeka att detta inte betyder att selektiv exponering inte kan ha andra effekter, eller att polarisering eller liknande inte kan förekomma. Polarisering förekommer. Men det gör det oftast under vissa speciella förutsättningar och det är inte helt klart vilka de förutsättningarna är i nuläget. Forskningen kring polarisering och medieanvändning är blandad, vissa studier visar ökad polarisering, andra minskad.

3. Det riktiga problemet, kognitiv dissonans och illusionen av majoritet

Det riktiga problemet

Jesper
Men problemet ÄR INTE utgången i det amerikanska valet, eller falska nyheter eller ens urvalet av information. Problemet ligger i att användare upplever extremer som majoriteter vilket gör att normen för vad som är rimligt i ett samhälle förskjuts. Då får extrema människor luft under vingarna. Om vi därtill lägger en sviktande massmedia som inte är indexerad, men som följer med de trender de tror är majoriteter, så kommer de förstärka den bilden av verkligheten – som egentligen bara finns hos ett fåtal.

Jag instämmer delvis.

Uppfattningen om vilka som är majoriteter och minoriteter är en av mina delstudier i avhandlingen (Selektiv exponering och medieffekter på nätet), och den mer övergripande frågan har mina kollegor nyligen fått pengar till för ett långsiktigt forskningsprojekt (Påverkas vår världsbild av selektiva medieval?).

I brist på opinionsundersökningar använder vi det näst bästa vi människor kan få tag på, vilket ofta är anekdoter från andra, illustrativa exempel, och i allt högre utsträckning yttranden i sociala medier. Detta fenomen går ibland under namnet exemplification theory.

Men om detta verkligen är ett stort problem beror på hur en individs totala medievanor ser ut. Även om det är fallet att alla socialdemokrater som besöker Facebook endast får höra nyheter om hur bra socialdemokrater är, och motsvarande för moderater, kan de ändå få höra motsatsen så fort de går utanför Facebook så att nettoeffekten blir noll. Om människor endast tar del av nyheter via Facebook tror jag vi har ett problem. Men i dagsläget är vi inte där.

Även om vi kan demonstrera upprepade gånger med hög säkerhet att A påverkar B, vet vi ändå inte om effekterna försvinner efter timmar eller dagar, eller om de sitter kvar i flera år. Vi vet inte ens om det finns omständigheter där effekterna upphävs.

Jesper verkar därför beskriva sina farhågor (vilka jag delvis delar), men det är ju något annat än det empiriska underlaget. Jag skulle därför gärna vilja se lite mer stöd för Jespers påståenden, särskilt påståendet att normerna för vad som är rimligt förskjuts, och att massmedier följer trender som de tror är majoriteter (snarare än att massmedierna, som forskningen visar, publicerar nyheter som passar medielogiken). Det är en sak att tro det och en annan sak att visa det.

Det jag har talat om hittills rör exponering. Låt oss därför vända blicken mot människors uppfattningar och tolkningar av information.

Kognitiv dissonans

Jesper
Jag tycker också att det är konstigt att han helt väljer bort att prata om kognitiv dissonans. […] Det jag skriver också är hur detta påverkar vår kognitiva förmåga att ta till oss ”fakta” då vi upplever att vår egen bias är den dominerande. Eller, då våra värderingar skiljer sig från våra betraktelser. https://en.wikipedia.org/wiki/Cognitive_dissonance

Det är ju knappast några nya forskningsområden vilket gör att jag gärna mottar referenser eller länkar till forskning som säger att det inte förhåller sig på det sättet.

Jag har förvisso inte ens påstått att det inte förhåller sig på det viset. Kognitiv dissonans spelar snarare en ganska liten roll, och är endast en liten del av många faktorer (vilket kanske bäst förklaras under paraplybegreppet defense-oriented motivated reasoning).

Kognitiv dissonans är faktiskt den allra mest utforskade teorin i relation till selektiv exponering, historiskt sett. Ta en av de senaste meta-analyserna om just selektiv exponering och kognitiv dissonans som exempel. Den visade en homogen medeleffektstorlek på r = 0,241 viktad på sampelstorlek (kap. 7, studie 2) för experiment från 1960-talet som tidigare inte hittade några större effekter (eftersom själva statistiken för meta-analyser inte var utvecklad då). På ren svenska betyder det att det finns ett svagt stöd för idén om att människor väljer information som stödjer deras uppfattning efter att de fått se dissonant information (så kallad post-decisional cognitive dissonance).

Man kan invända mot att studier som gjordes på 1960-talet inte har någon förklaringskraft för internet i nuläget, men det är snarare teorin som inte har speciellt stor förklaringskraft: ”this area of research is interesting theoretically […] but of limited practical implication. By definition, a theory of postdecisional cognitive dissonance can predict neither behavior nor cognitive processing before a decision, including the decision-making process itself, and so it is of limited utility to people who have a vested interest in the valence of decisions.” (s. 114)

Och om vi tar internetnyheter i beaktande: ”These results refute the cognitive dissonance explanation for selective exposure […]”. En lite snällare tolkning säger dock att forskningen har visat ”mixed evidence, at best”.

Så varför har jag valt bort att prata om kognitiv dissonans när jag pratar om selektiv exponering? För att det inte är speciellt relevant i ljuset av andra teorier. Motivated reasoning ska jag dock skriva mer om senare, och mer utförligt i en bok jag håller på att redigera.

Majoritetsillusionen

Jesper
Och nu kommer vi in på mitt tredje stycke där jag menar att upplevelsen av majoritet inte är det samma som faktisk majoritet. En referens som är bra här är denna – https://www.technologyreview.com/…/the-social-network…/

När det gäller den så kallade majoritetsillusion i sociala nätverk, är det intressant att Jesper väljer just den eftersom jag tänkte skriva om den ett tag men glömt bort det. Det är relevant och bra att han lyfter upp den.

I Tyskland genomfördes ett experiment på detta tema förra året och de fick dock negativt resultat (The sense of the visible others). Andra studier har dock fått positivt resultat. Så hur tolkar man studier som talar för denna idé samtidigt som det finns studier som talar mot? Det är därför vi forskar – resultaten spretar åt olika håll och vi försöker ta reda på varför.

Det är också därför en (1) enda empirisk studie sällan betyder något. Man måste göra många studier om ett fenomen för att därefter kunna dra säkrare slutsatser (studierna ska också vara bra genomförda, men det är underförstått). Titta exempelvis på figur 1 på sidan 4 i denna översiktsartikel som visar det på ett utmärkt vis: Is everything we eat associated with cancer? A systematic cookbook review. Det är detta som är skälet till att man sällan kan blåsa upp en enskild studie, och varför forskning är så långsamt.

Och relaterat till det som jag påpekade tidigare: så fort en opinionsundersökning dyker upp så tenderar människor att anpassa sina övertygelser efter undersökningen ifråga (så länge de inte är defense-oriented). Så man måste återigen ta människors hela mediediet i beaktande, och det går inte att dra slutsatser om hur människor tänker, generellt sett, utifrån isolerade exempel.

Just majoritetsillusionen som Jesper nämner i sin kommentar är däremot ett exempel på när universitet försöker göra sin forskning mer relevant genom att överdriva den. Så här beskrivs studien om majoritetsillusionen i ingressen hos MIT, med min fetmarkering: ”Network scientists have discovered how social networks can create the illusion that something is common when it is actually rare.”

Men det är inga nyheter.

Grundforskningen undersökte det systematiskt redan på 1970-talet, och andra har undersökt fenomen som falsk konsensus, social projektion, tystnadsspiralen, base rate fallacy och tidigare nämnda exemplification theory – bara för att nämna några – vilket alla är fenomen som i varierande grad undersökt hur människor tolkar saker som mer vanliga än vad de faktiskt är.

Den så kallade majoritetsillusionen är inget nytt, utan egentligen ett fall av bristande induktivt resonerande. Och det har studerats ända sedan Aristoteles epagoge. (Och nej, jag påstår naturligtvis inte att Aristoteles upptäckt just majoritetsillusionen i sociala nätverk.)

Vi vet exempelvis från meta-analyser att de som tillhör en majoritet underskattar storleken på sin majoritet (medeleffektstorlek r = 0,33), medan de som tillhör en minoritet tenderar att i högre utsträckning överskatta storleken på sin minoritet (medeleffektstorlek r = 0,49).

Effekten av selektiv exponering på polarisering verkar medieras delvis av perception av opinionsklimatet. På vanlig svenska betyder det att uppfattningen av opinionsklimatet kan tänkas ha en delvis indirekt påverkan på sambandet mellan selektiv exponering och polarisering. Vilket berör det som Jesper nämner.

Däremot är det alldeles utmärkt att systemvetare och fysiker undersöker sociala nätverk eftersom de ofta har en matematisk approach (som i artikeln om majoritetsillusion) som kan användas till bland annat maskininlärning. Det kan vi förhoppningsvis få nytta av i framtiden!

Avslutningsvis

Jag hoppas denna genomgång av forskningen var lite mer klargörande och utvecklande. Som brukligt har jag redogjort för en mycket liten del av forskningen i ämnet eftersom jag inte har haft för avsikt (eller tid) att vara uttömmande eller representativ, utan har snarare godtyckligt valt ut olika aspekter.

Anledningen till att jag inte skrev om allt detta tidigare beror på tre saker. För det första var min förra text en motvikt till vad många medier skrev. För det andra håller jag på och planerar ett experiment för att undersöka fenomenet ifråga och tänkte att avvakta tills det är klart. Det är roligare att ha lite data att visa upp. För det tredje: tid.

Men det är en balansgång jag också har reflekterat kring: Bör jag skriva (här på bloggen) om enskilda intressanta studier som inte är representativa för forskningen? Eller bör jag försöka noga överväga forskningen innan jag skriver? Den första metoden är snabb och delvis journalistisk, den andra långsam och mer forskningsanknuten.

Oavsett vad svaret på frågan än blir i framtiden tar jag i nuläget gärna emot specifika frågor och kommentarer i kommentarsfältet nedan och besvarar dem vid tillfälle.

”Fyra av fem kan inte skilja journalistik från sponsrat innehåll”

Peter Dahlgren 9 Comments

En ny studie visar att unga är dåliga på källkritik. Men vänta? Studien existerar inte ens, utan består av några krönikor och sammanfattningar där forskare presenterar sina reaktioner. Ändå rapporterar journalister om studien. Var är källkritiken om bristande källkritik?

Jag intervjuades av P1 Medierna för någon vecka sedan om filterbubblor och ekokammare och fick bland annat frågan om varför journalister tror på filterbubblor och ekokammare trots att forskningsläget säger att det inte är ett speciellt stort problem i nuläget.

Jag har egentligen ingen aning (eftersom jag inte kan läsa tankar), men man kan åtminstone spekulera i att det bekräftar journalisternas uppfattning och att det har skrivits om det mycket under oktober och november. Det publicerades exempelvis betydligt fler artiklar om fejknyheter under dessa månader både i tryckt svenskt press och på den svenska webben, i förhållande till tidigare månader.

Fejknyheter är helt enkelt på tapeten, och källkritik är därför relevant just nu. Så när det kommer en studie som bekräftar bilden av att unga är dåliga på källkritik, då är det förmodligen enkelt att tro att studien är någonting på spåren.

Så här skriver P1 Medierna på sin hemsida nu:

Fyra av fem unga amerikaner kan inte skilja sponsrat innehåll från journalistik. Det visar Stanford-universitetet i en av de största studierna av frågan hittills. Nästan 8 000 elever och studenter, från högstadiet till universitetsnivå, har svarat på frågor om hur de värderar information. Och på många frågor hade de svårt skilja mellan till exempel PR och journalistik.

Nej, det visar studien inte alls.

Det finns inte ens någon studie. Det finns bara en executive summary. Det betyder inte att resultatet är fel, utan att det över huvud taget inte går att bedöma resultatet eller studiens kvalitet. Än, åtminstone. Men vi kan däremot titta på det som hittills är känt.

Så här står det i executive summary, på sidan 23:

We piloted several drafs of this task with 350 middle school students. We completed final piloting with 203 middle school students. Results indicated that students were able to identify traditional news stories and traditional advertisements: more than three-quarters of the students correctly identifed the traditional advertisement and the news story. Unfortunately, native advertising proved vexing for the vast majority of students. More than 80% of students believed that the native advertisement, identifed by the words “sponsored content,” was a real news story.

Och så här säger pressmeddelandet från Stanford:

But of the 203 students surveyed, more than 80 percent believed a native ad, identified with the words ”sponsored content,” was a real news story.

Så det är minst 162 elever av totalt 203 elever som inte kan skilja mellan sponsrat innehåll och journalistik. Det är knappast ett slumpmässigt urval av unga amerikaner, och det är inte de 8 000 eleverna som det förefaller i P1 Mediernas ingress. Det går därför inte uttala sig om ”fyra av fem unga amerikaner” (det vill säga 80 procent).

Vidare står det på sidan 2 i executive summary:

Between January 2015 and June 2016, we administered 56 tasks to students across 12 states. In total, we collected and analyzed 7,804 student responses.

Det betyder att 56 uppgifter genomfördes av totalt 7 804 elever och studenter. Det var alltså inte 7 804 elever som genomförde 56 uppgifter, vilket man kanske kan tro.

Inte ens Wikipedia, som rapporterat om studien under artikeln Fake news website, ger speciellt informativ beskrivning av resultatet (mina fetmarkeringar):

Education and history professor Sam Wineburg of the Stanford Graduate School of Education at Stanford University and colleague Sarah McGrew authored a 2016 study which analyzed students’ ability to discern fraudulent news from factual reporting.[69][70] The study took place over a year-long period of time, and involved a sample size of over 7,800 responses from university, secondary and middle school students in 12 states within the United States.[69][70] The researchers were ”shocked” at the ”stunning and dismaying consistency” with which students thought fraudulent news reports were factual in nature.[69][70] The authors concluded the solution was to educate consumers of media on the Internet to themselves behave like fact-checkers — and actively question the veracity of all sources they encounter online.[69][70]

Vem bryr sig om forskarnas reaktioner? Det viktiga för en encyklopedi borde väl vara resultatet av studien, inte vilka känslor forskarna visade under tiden. Vi får faktiskt inte veta något substantiellt över huvud taget från Wikipedia.

Det finns alltså inga spår av den här studien. Bara pressmeddelande från Stanford och en executive summary. De enda publikationerna som forskarna visar på projektets hemsida är en krönika i Education Week!

Däremot finns det mängder med nyhetsartiklar som rapporterar kring studien, här är några av dem:

Vad är detta?!

Det finns inget underlag för att göra bedömningar av studien över huvud taget. Som det ser ut nu är denna studien ett skämt av det enkla skälet att det inte finns någon studie att bedöma, och executive summary visar verkligen ingenting av värde. Men jag kan ha fel, och då tar jag tacksamt emot rättelser i kommentarsfältet.

Varför Stanford lyfter fram studien i ett pressmeddelande är också märkligt. Varför någon journalist publicerar den är ytterligare ett frågetecken för mig. Det blir extra pinsamt när en studie om bristande källkritik bland unga inte källgranskas av de journalister som rapporterar om den.

Uppdaterat

Jag hann knappt sova ett par timmar efter att jag skrivit denna text innan P1 Medierna hade korrigerat sin text på hemsidan:

Fyra av fem unga amerikaner kan inte skilja sponsrat innehåll från journalistik. Det rapporterar Wall Street Journal utifrån en ännu opublicerad studie från Stanford-universitetet. Resultatet baserar sig på en liten delstudie med 200 elever i hela Stanfords projekt, som totalt berört nästan 8 000 elever och studenter, från högstadiet till universitetsnivå. Innan hela studien publicerats är det svårt att bedöma bärigheten i resultaten.
OBS: Denna notis är uppdaterad. En tidigare version kritiserades av medieforskaren Peter M Dahlgren.

Föredömligt som vanligt av journalisterna bakom P1 Medierna.

Filterbubblor och ekokammare under politiska val

Peter Dahlgren 13 Comments

Ekokammare

Efter det amerikanska presidentvalet blev frågan om filterbubblor och ekokammare aktuell som en av förklaringarna till Donald Trumps framgång. I denna text ska jag ge några skäl till varför effekten av filterbubblor och ekokammare är överdriven, delvis baserat på min egen forskning.

Ett vanligt förekommande fenomen är att människor framför allt tar del av nyheter och information som bekräftar vad de redan tror. Detta brukar förklaras med selektiv exponering och confirmation bias. Åtminstone i forskningen. I massmedier är detta ofta beskrivet som filterbubblor och ekokammare.

Men journalister och massmedier är dock duktiga på att lyfta fram just filterbubblor och ekokammare och ge dem ovanligt stor förklaringskraft, kanske för att det går trender och att många journalister använder sociala medier själva (dock långt ifrån alla) där exempel efter exempel på falska nyheter, propaganda och uppenbara lögner har spridits.

Det går naturligtvis inte sticka under stolen med att filterbubblor och ekokammare kan vara en bidragande orsak. Men det intressanta är ju i vilken utsträckning det är en bidragande orsak, och i nuläget finns det inte mycket som tyder på att den är speciellt stor.

För att sammanfatta forskningen i en mening kan jag säga att föreställningen om filterbubblors och ekokammares inverkan är tämligen överdriven. Det finns flera skäl till att vara skeptisk till det och jag ska redogöra för ett godtyckligt antal av skälen i denna text.

Men först:

Vad är filterbubblor och ekokammare?

Med filterbubblor menas oftast algoritmer som styr vad som ska visas i exempelvis en sökmotors resultatsidor och i våra nyhetsflöden på sociala medier. Dessa resultatsidor och nyhetsflöden påverkas i sin tur av vårt användande av dem.

Då människor generellt föredrar information som bekräftar vad de redan tror (ett väletablerat faktum i forskningen), är idén att människor klickar sig allt djupare in i en omslutande ”bubbla” av information som allt mer bekräftar vad de redan tror. På så vis återkommer (”ekar”) välbekant information dag ut och dag in.

Forskningen om filterbubblor är dock inte speciellt omfattande, utan startade i mångt och mycket med Eli Parisers bok The Filter Bubble. Det är förvisso ingen akademisk bok, utan i mångt och mycket en bok om Eli Parisers egna erfarenheter och farhågor av att använda Google med några illustrativa exempel.

Boken har gett upphov till mycket diskussion och forskningsfrågor, men det är kanske bäst att se boken på just det viset och inte som ett bevis på problemen med sökmotorer eller sociala medier.

1. Alla algoritmer är inte personaliseringar

Först av allt verkar det finnas en vanlig missuppfattning att algoritmer kan likställas med personalisering. Men algoritmer är långt ifrån synonymt med personalisering.

En algoritm är helt enkelt instruktioner som en dator följer för att slutföra en specifik uppgift, precis som vi människor följer ett recept i en kokbok. En algoritm kan därför vara väldigt enkel (exempelvis ”Om A är lika med 1, så ska B utföras”) eller betydligt mer komplex, och kan slutföra vilken typ av uppgift som helst (det vill säga, den behöver inte vara relaterad till personalisering). Det är samma för recept, du kan göra ett bakverk eller ett sprängmedel.

Personalisering innebär, i detta sammanhang, att sociala medier och sökmotorer kommer ihåg och anpassar sig efter vad just du gillar, klickar på eller liknande. Klickar du exempelvis på länkar om att mänsklig klimatpåverkan är falsk så kommer mer länkar om att mänsklig klimatpåverkan är falsk att visas framöver. Risken är då uppenbar: Du får tills slut bara se länkar om hur mänsklig klimatpåverkan är falsk.

Men då missar man alla andra algoritmer som också finns i sociala medier och sökmotorer. Google arbetar med att kontrollera sanningshalten i påståenden, att öka mångfalden på YouTube genom att infoga relaterade videor, med mera. Facebook har också algoritmer som visar relaterade länkar till en upplagd länk, vilket har visat sig minska effekten av ekokammare. Kort sagt, det finns många algoritmer och några kan öka filterbubblan, andra minska den. Vi vet alltså inte ens åt vilket håll pendeln lutar, generellt sett.

Men detta är den tekniska biten. Forskningen visar också att människor tröttnar på att höra samma sak flera gånger, även under kortare tidsperioder som ett par timmar, och letar sig därför vidare till annan information som säger emot deras övertygelser. Med andra ord, tekniken kanske har ändrats drastiskt på senare år, men människor är fortfarande stenåldersmänniskor.

Så vad är konsekvenserna av filterbubblor på sikt? Det är svårt att säga, men vad som däremot är säkert att säga att det är lätt att överdriva och antingen prata om en av två ytterligheter där tekniken styr människorna eller där människorna styr tekniken. Sanningen pendlar dock fram och tillbaka mellan dessa två ytterligheter beroende på sammanhang.

Därför är varningarna om filterbubblor och ekokammare också överdrivna eftersom det verkar bygga på antagandet att människor bara vill bekräfta sina övertygelser och att algoritmer bara syftar till att personalisera innehållet i sociala medier, vilket endast är sant om man ignorerar alla andra tillfällen då de inte gör det.

2. Preferenser är inte val

Även om det är ett etablerat faktum att människor föredrar nyheter och information som bekräftar vad de redan tror, följer det inte att de också exponerar sig för sådana nyheter. Inte heller följer det att de undviker nyheter som säger emot deras övertygelser. Det går alltså alldeles utmärkt att föredra nyheter som bekräftar ens övertygelser, och ändå exponeras för nyheter som går emot ens övertygelser. Det är också ett väletablerat forskningsresultat.

Det är nämligen viktigt att skilja mellan vad man själv föredrar, vad man själv väljer och vad man exponeras för som andra har valt. Det vi väljer kan också skapa en preferens för det vi har valt (så kallad mere exposure effect), vilket innebär att det inte är så enkelt att människor har en färdig åsikt och sedan inhämtar information som bekräftar den. De kan mycket väl vara tvärtom: de har inte en åsikt, utan blir exponerade för en specifik information som sedan hjälper till att forma en åsikt.

Vi får en mängd nyheter som dyker upp i våra flöden som inte bekräftar vad vi redan tror, och vår benägenhet att klicka vidare till dessa nyheter påverkas av sociala faktorer (som hur populära de är, vem som är avsändare, vilka relaterade nyheter det finns, vilket humör man är på, med mera), och inte bara huruvida innehållet bekräftar vad vi redan tror.

3. Våra vänner är inte homogena

I sociala medier sägs det ofta att vi blir vänner med människor som tycker likadant som oss själva. Forskningen visar att det stämmer i viss utsträckning. Men forskningen visar också att vi är relativt dåliga på att bedöma vilken politisk övertygelse våra vänner har. En anledning till det är att våra vänner (både offline och online) ofta kommer från arbetsplatsen där det redan finns en bredd av politiska åsikter.

Dessutom blir våra personliga nätverk mer diversifierade ju mer vi använder sociala medier. Så det borde innebära att vi exponeras för en större mångfald, inte mindre, ju mer vi använder sociala medier.

Det är dessutom de yngre som använder sociala medier mest, och det verkar vara äldre som i högre grad röstade på Donald Trump. Om nu filterbubblor och ekokammare vore den bidragande faktorn till detta valresultat (som när nyheter från högersidan med falsk information sprids på Facebook) skulle vi förvänta oss att sambandet vore tvärtom.

4. Intresserade rör sig över gränserna

De som är politiskt intresserade har ofta redan en stark politisk övertygelse och rör sig över blockgränsen och exponerar sig för nyheter som rör motståndarsidan, det vill säga nyheter som går emot deras övertygelser. De som inte är politiskt intresserade tar helt enkelt inte del av speciellt mycket nyheter från varken den ena eller andra sidan.

Detta leder till den paradoxala situationen att de som är mest mottagliga för att påverkas av information inte exponeras för den, och de som är minst mottagliga för att påverkas av information är de som exponeras mest för den.

5. Polariseringen startade innan sociala medier

Man skulle kunna tänka sig att människor som tar del av information som bekräftar vad de redan tror också kommer att bli mer extrema i sina politiska övertygelser ju längre de håller på. Men det verkar de dock inte bli, enligt en artikel jag presenterade på kommunikationskonferensen Ecrea i Prag häromdagen, som jag skrivit tillsammans med Adam Shehata och Jesper Strömbäck.

Politiska övertygelser är tvärtom relativt stabila över tid och benägenheten att exponera sig för nyheter från motståndarsidan är också relativt stabil – oberoende av varandra. Med andra ord verkar inte den politiska övertygelsen förstärka benägenheten att exponera sig för nyheter som bekräftar den egna eller andra sidan, eller vice versa. En av anledningarna är att upprepad exponering för samma typ av nyheter tappar i effekt.

Det gäller Sverige och svenskarna, men forskare från Tyskland jag pratat med under konferensen har också nått likartade resultat, dock inte publicerat i någon tidskrift ännu, liksom tidigare resultat från Nederländerna. Både Tyskland och Nederländerna har ungefär samma partisystem som Sverige.

De som pratar om ökad polarisering hänvisar ofta till USA och kraftigt vinklade medier på vänster- respektive högerkanten, mycket tack vare att det bara finns två partier och kandidater att välja mellan. Men även där tycks tendensen vara densamma.

Polariseringen inom den amerikanska kongressen och allmänheten ökade exempelvis långt innan sociala medier eller vinklade nyhetsmedier på nätet slog igenom på bred front. Vad som därför är en rimligare tolkning är att vinklade medier har vuxit fram ur en redan befintlig politisk polarisering, snarare än att vinklade medier har skapat politisk polarisering.

Om man förväxlar detta orsakssamband är det lätt att gå vilse och peka ut fel förövare, såsom filterbubblor och ekokammare, och ödsla tid på att försöka lindra problemets symptom snarare än att försöka komma till rätta med problemets orsaker.

6. Nyhetsdelningar är inte mått på hur många som tror på nyheten

Det kanske är uppenbart, men av mina diskussioner med journalister att döma behövs det påpekas upprepade gånger: bara för att en nyhet har delats tusen gånger betyder det inte att tusen personer tror att nyheten är sann.

Man kan dela en nyhet av flera skäl, till exempel för att kommentera sanningshalten i texten eller helt enkelt för att man roas av den. Inte minst delar personer på högerkanten artiklar från vänsterkanten (och vice versa) genom att påpeka det absurda i någon detalj.

Så när en nyhet har delats tusentals gånger vet vi inte varför. Vi vet bara att den delats tusentals gånger.

Sedan har vi begreppen engagemang eller interaktioner. Det är begrepp som massmedierna själva har hittat på genom att slå ihop alla siffror som rapporteras från Facebook. Facebook rapporterar nämligen antalet gillningar, kommentarer och delningar, vilket tillsammans blir ”engagemang”. En fejknyhet om valet har exempelvis fått 700 000 engagemang. Men hur ofta har den gillats, kommenterats och delats? Det vet vi inte eftersom pratet om ”engagemang” döljer den informationen. Så vi har alltså en situation där mängder av siffror slås ihop och bildar nya, större siffror. Dessa stora siffror tas sedan som ett mått på problemen i samhället: Tänk att en fejknyhet har fått 700 000 engagemang! Men eftersom vi inte vet vad som döljer sig bakom denna siffra bör man förhålla sig skeptisk och ta reda på vad som har hänt, och mer viktigt varför det har hänt. Men på inga sätt kan man utifrån blott denna information dra slutsatsen om hur det påverkar människor, som att de tror på nyheten ifråga.

Att sätta ett likhetstecken mellan antal engagemang och storleken på samhällets problem är endast ett antagande, inte ett observerbart faktum. Sluta sätta så stor tilltro till stora siffror.

Slutsats

Filterbubblor, ekokammare, selektiv exponering och confirmation bias i alla ära, det är mitt forskningsområde och jag skulle gärna vilja överdriva dess betydelse för att göra min egen forskning mer relevant. Men faktum kvarstår att det i nuläget inte kan förklara speciellt mycket av den polarisering vi ser, varken i amerikanska val (som en majoritet av forskningen utgår ifrån) eller svenska val.

Det är så många faktorer som samverkar på samma gång att det är för svårt att peka ut en enda faktor, även om det känns intuitivt när man tittar på sociala medier och ser en person som delar en artikel fylld till bredden av faktafel, och att det därmed ”måste” vara en konsekvens av användningen av sociala medier.

Men däremot kan ekokammare och filterbubblor ha stor förstärkande effekt på redan befintlig polarisering. Så när vi ser extrema avarter i sociala medier så ser vi sällan genomsnittssvensken som hamnat i en ond spiral av filterbubbla, utan oftare ser vi just den extrema avarten som har fått ett medium för att göra sin röst hörd.

Forskares uppgift är då delvis att ignorera avarterna och i stället studera majoriteten, precis som vi inte studerar en sekt för att sedan dra slutsatser om befolkningen eller religioner i allmänhet.

Men låt oss leka med tanken att filterbubblor och ekokammare är de viktigaste förklaringarna till att människor röstar som de gör. Då följer genast ett par frågor: Vad förklarar tidigare val där sociala medier inte fanns? Och varför är en republikan, i stället för en demokrat, invald som president i detta val om människor helt enkelt bara bekräftar sina egna övertygelser – borde vi inte se samma resultat vid varje val och opinionsundersökning?

När massmedierna försöker lägga större delen av fokus på just fejknyheter på Facebook som en förklaring till ett valresultatet finns det alltså all anledning att vara kritisk.

Läs mer

Se mer

På Internetdagarna 2017 höll jag en föreläsning om filterbubblor – se på YouTube.

Lyssna mer

Ställen där jag pratat mer om så kallade filterbubblor.

Sveriges Radio P1 Medierna i direktsändning: Mediers reklamjulklapp och falska filterförklaringar:

Varför spelar journalister med i hysterin om Årets julklapp? Lösenordläcka i fokus efter SVT:s granskning. Och filterbubblor och falska nyheter – fenomenen som seglat upp som roten till allt ont.

Podcasten Digitalsamtal avsnitt #059 – Den porösa filterbubblan:

”Filterbubblan” är ett dåligt definierat begrepp, och vars effekter dessutom överskattas kraftigt. Bubblorna är i själva verket väldigt porösa. Det säger Peter Dahlgren, doktorand i mediepåverkan på JMG i Göteborg.

I veckans avsnitt av Digitalsamtal pratar han bland annat om selektiv exponering och vad forskningen egentligen säger om hur mediakonsumenter väljer att gallra i informationsfloden och vilka effekter det får. Läs gärna också hans blogginlägg som kommenterar bubbeldebatten efter det amerikanska presidentvalet.

Podcasten Aning avsnitt 15. Filterbubblor med Peter Dahlgren:

Ett avsnitt i gränslandet mellan mediepåverkan, politisk kommunikation och social kognition. Hur påverkar långvarig användning av sociala medier människors världsbild? Vad är filterbubblor, selektiv exponering, ekokammare och confirmation bias? Hur bör man värdera nyheter? Medieforskaren Peter Dahlgren svarar.

Politisk polarisering mellan vänstern och högern

Peter Dahlgren Leave a comment

Vad förklarar den ökande politiska polariseringen i USA och Europa? Och varför ökar stödet för populistiska partier på högerkanten? Lyssna på denna keynote-föreläsning från amerikanska psykologiförbundet (APA) med socialpsykologen Jonathan Haidt.

Jag ska inte avslöja svaret på frågorna, utan hänvisar till videon. Den är väl värd den timme den tar att se, men kom ihåg att det framför allt handlar om polarisering från ett psykologiskt perspektiv. I denna text tänkte jag däremot sammanfatta några andra intressanta punkter, framför allt den om bristen på mångfald av politiska åsikter, vilket är en bidragande orsak till polarisering.

Haidt talar bland annat om hans teori moral foundations theory, vilket handlar om varifrån våra moraliska intuitioner kommer ifrån liksom hur de bidrar till att skapa den politiska vänstern respektive högern (mer om detta finns i hans utmärkta bok The Righteous Mind).

Brist på politisk mångfald

Han tar sitt eget vetenskapsfält som exempel och att en betydande andel psykologer ser negativt på presidentkandidaten Donald Trump, vilket delvis beror på bristen på mångfald när det kommer till politiska åsikter. I synnerhet när det kommer till hans eget fält (psykologi) som kraftigt domineras av personer på den politiska vänsterkanten. I USA, liksom i Sverige, är är vi vana vid att höra om mångfald som handlar om kön eller etnicitet. Till större delen handlar det om biologiska egenskaper.

Men vad som är mer viktigt, och vad som bättre förklarar polariseringen i samhället, är människors politiska åsikter. Det är därför viktigt att öka mångfalden bland forskarnas åsikter, så att vi inte har en situation där forskare sitter och skrattar (i samförstånd i fikarummet) åt hur dumma människor är som röstar på ”det” partiet.

Trump, för övrigt, är en auktoritär person – men inte fascist, påpekar Haidt. Det finns olika slags ideologier på högerkanten: de som vill ha en fri marknad och liten stat (Laissez-faire), de som vill göra förändringar långsamt (konservativa) och, slutligen, den typ som Donald Trump prenumererar på, de som glorifierar ingruppen och vill straffa avvikare (auktoritär). Därför är det inte konstigt att konservativa hatar Trump, just därför att han vill ha snabba förändringar.

Likaså är det viktigt att ha två saker i huvud samtidigt, uppmanar Haidt. När den politiska vänstern talar om ekonomiska ojämlikheter som orsak till fattigdom så har de rätt. När högern talar om moraliskt förfall har de också rätt. Med andra ord, båda sidor tar upp relevanta aspekter av problemet men gör samtidigt misstaget att försöka avfärda den andre sidan. Det handlar inte om antingen eller, utan både och.

Kent Asp om journalister och deras politiska färg

Peter Dahlgren Leave a comment

Fjärde uppgiften är en webbplats med undertiteln ”forskning till allmänheten” som gör korta videointervjuer med forskare med relevanta frågor.

Jag tänkte kort nämna intervjun med Kent Asp: ”Journalister fortfarande rödgröna”

Kent Asp är professor emeritus i journalistik på institutionen för journalistik, medier och kommunikation (JMG) vid Göteborgs universitet.

En stor majoritet av den svenska journalistkåren röstar på något av partierna till vänster, inte minst Miljöpartiet är populärt. Faktiskt är skillnaden mot allmänhetens politiska hemvist rekordstor i ett historiskt perspektiv. Men det handlar mer om att väljarkåren gått högerut det senaste decenniet för bland journalister är läget hyfsat konstant.

Uppmaning till journalister att sansa er förtjusning för big data

Peter Dahlgren 2 Comments

I min tidigare artikel om Big data: hur man mäter exakt fel beskrev jag problemet med att ge avkall på sitt kritiska tänkande eftersom datamängden är så pass stor att blotta storleken på något magiskt vis gör att problem försvinner. I synnerhet när det gäller data som handlar om människor och deras sociala relationer.

I denna artikel tänker jag fortsätta på den linjen och ge två exempel där journalister har en förutbestämd tolkning de lägger till datan, snarare än att de hämtar tolkningen från datan. De två olika tillvägagångssätten kan kanske bäst sammanfattas med teckningen nedan. För den som inte känner till så är kreationism tron att Gud skapade världen.

Big data och tolkning

The scientific method: Here are the facts. What conclusions can we draw from them?
The creationist method: Here’s the conclusion. Whats facts can we find to support it?

Exempel 1. Kit analyserar den hatiska flyktingopinionen

Den relativt nystartade nyhetssajten Kit skriver i artikeln Så sprids flyktinhatet på nätet exakt hur omfattande hatet (och även rädslan) mot just flyktingar är. Nedan följer ingressen samt det inledande stycket från nyhetssajten.

Så sprids flyktinghatet

Man kan fråga sig hur denna analys har gått till, och Kit är vänliga med att presentera den för oss (med mina fetmarkeringar):

Allt som publiceras öppet på nätet i en viss fråga sparas och blir sökbart. Inläggen klassificeras utifrån vilka ord som förekommer i samband med det tema som analyseras. När det gäller ”flyktingar” är det alltså inlägg i flyktingfrågan som räknas, så hatet behöver inte vara riktat mot flyktingar, det kan även vara riktat mot exempelvis politiker som fattat beslut i flyktingfrågan. För varje tonalitet finns några tusen ord. När det gäller hat är det ord som ”avsky”, ”hata”, ”förakta”, ”föröda”, ”bua”, ”pervertera” osv.
Inlägg klassas som positiva när det förekommer ord som ”bra”, ”cool”, ”snygg”, ”najs” Även olika typer av smileys räknas.

Metoden tillåter alltså att man mäter hur ofta två typer av ord förekommer tillsammans, då företrädesvis flyktingar och hatiska ord. Det har Kit sedan valt att tolka som att det är hat riktat mot flyktingar. Det finns dock ingenting i metoden som tillåter den tolkningen, eftersom en fras som ”jag hatar politiker som inte hjälper flyktingar” är riktat mot politiker till stöd för flyktingar.

En metod medger vissa tolkningar men inte andra. Det är så med alla metoder och det är därför vi måste ha flera metoder som fungerar som ett lapptäcke och i den bästa av världar ger ett samstämmigt resultat. För att kunna dra slutsatser från en analys av detta slag måste man därför ha kunskaper vad en metod faktiskt kan göra (och kanske mer viktigt, vad den inte kan göra) för att kunna berättiga en slutsats. I det här fallet har Kit ignorerat begränsningarna genom att göra om ett samband mellan ord till ett orsakssamband som ska tolkas på ett specifikt vis. Enkelt uttryckt har ”hat och flyktingar” blivit ”hat mot flyktingar”.

Det tycks dock ligga någon sorts vinst i att det åtminstone går att mäta detta hat exakt eftersom Kit menar att de nu kan visa ”exakt hur omfattande det är”. Men det är mer sannolikt ett exakt mått på fördomen som journalisten hade i huvudet när datan analyserades.

För den som är intresserad av den här frågan kan jag hänvisa till en diskussion på Twitter jag hade med journalisten ifråga. Mina frågor om huruvida metoden tillåter denna slutsats besvaras dock inte (förmodligen på grund av att vi inte förstod varandra, en inte helt ovanlig situation på Twitter).

Exempel 2. Guardian analyserar 70 miljoner kommentarer

Ett annat exempel kommer från den brittiska tidningen The Guardian, som för en tid sedan publicerade The dark side of Guardian comments. Tidningen analyserade 70 miljoner kommentarer på sin nyhetssajt sedan 2006 och kom fram till att artiklar som är skrivna av kvinnor innehöll fler blockerade kommentarer än de som var skrivna av män. Blockerade kommentarer raderades alltså inte, utan doldes bara för visning eftersom de bröt mot tidningens regler. De raderade dock kommentarer som innehöll spam och dylikt.

Det mest intressanta är förmodligen det tredje diagrammet i artikeln, som visar vilka journalister (män eller kvinnor) som fått flest kommentarer blockerade till sina artiklar. Diagrammet visar att upp till 2,6 procent av kommentarerna har blockerats från artiklar skrivna av kvinnor (vilket också är uppdelat per sektion). Motsvarande siffra för män är 1 procent. Skillnaden mellan könen är maximalt 3 procentenheter och återfinns år 2013. (Detta är en uppskattning eftersom jag mätt pixlarna i de färgade linjerna i diagrammet där 60 pixlar motsvarar ungefär 1 procentenhet.)

The Guardian kommentarer

Detta är ett intressant fynd även om det inte är speciellt stor skillnad. Men det är viktigt att ha i åtanke att detta bara är ett samband mellan journalistens kön med kommentarer som blockerats. Samband betyder inte orsakssamband. Vi vet därför inte varför sambandet ser ut som det gör.

Vi vet heller inte vad det är för slags kommentar som blockerats. Guardian ger inte speciellt ingående analys av vad för slags kommentarer det handlar om. Jag har läst texten och sammanställt deras beskrivning i tabellen nedan:

Typ av kommentar som blockerats Andel av kommentarerna
legal small proportion
disruptive vast majority
– disruptive: threats extremely rare
– disruptive: dismissive trolling
– disruptive: author abuse significant proportion
hate speech rarely seen
xenophobia, racism, sexism and homophobia seen regularly
“whataboutery”
Totalt antal kommentarer: 70 miljoner

(Tomma rutor indikerar att Guardian inte skrev andelen eller frekvensen.)

Sammanfattningsvis finns det mellan 0-3 procentenheters skillnad mellan könen, och de största skillnaderna återfinns snarare mellan typ av ämne.

Detta hindrar dock inte Guardian från att dra följande slutsats: ”of the 10 most abused writers eight are women, and the two men are black” (återigen mina fetmarkeringar). Men Guardian är för ivriga att sätta ett likhetstecken mellan hat mot journalister och antalet blockerade kommentarer. Guardian har över huvud taget inte analyserat vad kommentarerna innehåller utan bara hur många kommentarer som blockerats från kvinnliga respektive manliga journalisters artiklar. Och det är en tämligen trivial räkneövning som inte säger speciellt mycket.

Guardians metod och källkod finns beskrivet på deras hemsida, där de också skriver att ”we took blocked comments as an indicator of abuse and/or disruption”. Det vill säga, om en kommentar har blockerats så räknas den som kritik mot journalisten oberoende vad den innehåller. Men de blockerade kommentarerna kan dock mycket väl vara riktade mot någon helt annan än journalisten. Till exempel kan två kommentatorer växelvis kalla varandra idioter genom 200 ömsesidiga meddelanden (en inte helt osannolik situation för den som följt sociala medier). Men det innebär inte att journalisten som skrivit artikeln har blivit kallad idiot 200 gånger.

Precis som i fallet med Kit sker här en förväxling till fördel för den tolkningen som tycks vara närvarande i journalistens huvud snarare än i den data som analyseras. I det här fallet har ”blockerade kommentarer” blivit ”kommentarer som trakasserar journalister”.

Och det är fel.

Big data kan på detta sätt användas för att ge mycket exakta svar på frågor ingen har ställt. Med det menar jag att det inte är ursprungsfrågorna som människor funderar över som faktiskt ställs till datan, utan man ställer frågor som låter sig besvaras med hjälp av datan, och tolkar sedan det som ett svar på den ursprungliga frågan. Men det är fusk, eller till och med påhitt skulle jag vilja säga.

Journalistik kontra vetenskap

I forskarspråk pratar man om validitet. I båda exemplen ovan handlar det om att den teoretiska definitionen (hat och hot mot flyktingar respektive journalister) bör stämma överens med den operationella definitionen (det som faktiskt mäts). Här konstruerar journalisterna implicit både en teoretisk definition genom att prata om hat (och dylikt) samt en operationell definition genom mätandet, men det sker ingen större ansträngning att förena dem. I stället antas de vara förenade.

I värsta fall används data bara för att bekräfta journalisternas fördomar om verkligheten. Man kan tro att journalister är utsatta för hat och att antalet kommentarer är det objektiva beviset. Men det vore ingen analys, utan bara en form av cirkelbevis som döljs i pratet om hur stor datamängden är.

”Men vi gör inte anspråk på att vara vetenskapliga!” är en invändning från journalister.

Det är sant, det är viktigt att inte förväxla journalistik med vetenskap. Men när journalister förlitar sig allt mer på stora datamängder som de själva samlar in och analyserar ställer det krav på att analysen genomförs på ett korrekt sätt för att de ska kunna dra giltiga slutsatser. Det är det logik handlar om, att dra slutsatser från påståenden. Att logik används inom vetenskapen innebär inte att det är förbehållet vetenskapen eller ens att det endast bör förekomma där. Snarare tvärtom. Det är inte så att frasen ”vi håller inte på med vetenskap” är ett frikort till att dra slutsatser som inte låter sig dras från de metoder som används. Det vore absurt att hävda att 1+1=3 för att jag inte gör anspråk på att vara matematiker.

Men det tycker tydligen inte Guardian som skriver ”Even allowing for human error, the large number of comments in this data set gave us confidence in the results.” Med andra ord, även om Guardian gör fel så innebär antalet kommentarer att Guardian är säkra på sitt resultat.

Det tycks, i mina ögon, vara en övertro på stora datamängder kan ge oss en särskild insikt som små datamängder inte kan ge oss, och att problem enkelt försvinner med ökad storlek. Men det är viktigt att skilja mellan slumpmässiga fel som uppstår lite här och var (som namnet antyder) och mellan systematiska fel som uppstår med en viss regelbundenhet. Den stora datamängden kan hjälpa till att minimera slumpmässiga fel (jämför centrala gränsvärdessatsen). Men stora datamängder minimerar aldrig systematiska fel. De systematiska felen kvarstår oberoende av storleken på datamängden av det enkla skälet att de inte har ett dugg med storleken att göra.

Designen av en studie och hur insamlingen av data går till är ofta mycket viktigare än storleken på det insamlade materialet. Ett exempel är randomiserat kontrollexperiment som kan generera så lite som 50 datapunkter, men ändå ge betydligt högre säkerhet i vad som är orsak och verkan på grund av sin design. En analys med väldigt stor osäkerhet blir inte automatiskt säkerställd (i valfri mening av begreppet) bara för att det råkar vara många nollor efter de första siffrorna.

Slutsats

Sluta tro att storleken på en datamängd är något speciellt.

Det är teori, design och analys som är det viktigaste. Gör man dessa slapphänt blir också slutsatsen slapphänt.

Det är vanskligt att se data som objektiv fakta, och mer data som mer objektivt ur vilken man sedan letar efter en slutsats man har bestämt på förhand. Det kan bäst beskrivas som en irrationell tilltro till förklaringskraften hos mängden data, snarare än tillvägagångssättet datan införskaffades eller analyserades.

Forskare gör många gånger fel trots rigorös sakkunniggranskning. Nu när journalister, i värsta fall utan adekvat förståelse för metodens möjligheter och begränsningar, tar sig an uppgifter som många gånger är typiska forskningsuppgifter riskerar det att förstora upp triviala småproblem som lätt hade kunnat undvikas.

Det är dessutom ett vanligt tankefel att se sin egen grupp utsatt för hot liksom att man letar efter sådant som stödjer den egna ståndpunkten. Journalister är på inga sätt undantagna från sådana tankefel, och den lilla genomgång jag har gjort här med dessa två exempel kan vara ett sätt att se vilken slags bias journalisterna har. Med andra ord, om journalisterna redovisar hur de har gått tillväga går det att se vad för slags frågor metoden kan ge svar på och därmed också hur journalisterna lägger till sina egna tolkningar till resultaten.

Och kanske mer viktigt att påpeka, att säga journalisterna har hanterat metoden på ett felaktigt sätt innebär därmed inte att hot inte förekommer mot vare sig journalister eller flyktingar. Det är nämligen också en fallasi.

För att läsa om hot mot svenska journalister rekommenderar jag Journalism Under Threat av Monica Löfgren Nilsson och Henrik Örnebring.

Big data: Hur man mäter exakt fel

Peter Dahlgren 2 Comments

Big data

Med big data kan man kasta ut teori och i stället låta datan tala för sig självt. Kausalitet är död och korrelation är den nya herren på täppan. I denna text ska jag försöka förklara varför en sådan inställning är helt fel.

Vad är big data?

Vi kan börja med att förklara vad big data är. Wikipedia säger att big data är ”data sets that are so large or complex that traditional data processing applications are inadequate”. Ett sådant begrepp är alltid relativt till den teknik vi har för tillfället, och ibland också den enskilda person som hanterar datan. Således är det som är big data i dag inte det som är big data i morgon.

Använder man en relationsdatabas är det dock ingen större konst att hantera miljoner eller miljarder rader på en vanlig laptop, om varje rad inte tar speciellt mycket utrymme. Det finns dock extrema exempel, såsom Large Hadron Collider som skapar flera petabyte per år (1 petabyte är 1 miljon gigabyte) och kräver flera datacentrar för att bearbeta all data.

Big data år 1936

Big data är dock knappast något nytt om man bara menar datamängder större än normalt. Redan 1936 genomfördes en opinionsundersökning med över tio miljoner personer (varav 2,5 miljoner svarade) för att ta reda på vem som skulle bli USA:s nästa president. Problemet var att bara personer med bil eller telefon fick svara på undersökningen, vilket uteslöt en stor del av den fattiga befolkningen. Föga förvånande (åtminstone i efterhand) fann man att republikanernas presidentkandidat skulle vinna storslaget, vilket sedan visade sig vara precis tvärtom mot det riktiga resultatet.

Funna datamängder

Det jag däremot ska prata om i den här texten är funna datamängder (found data), vilket är sådan data som redan finns och som forskaren så att säga ”hittar”. Det kan vara att analysera meddelanden på Twitter eller Facebook, vilka sökningar folk har gjort i en sökmotor, eller deras geografiska position som telefonen avslöjar.

Dessa funna datamängder kan man sätta i konstrast till data som man själv har skapat, till exempel data från ett vetenskapligt instrument (såsom fMRI eller Large Hadron Collider) eller ett vanligt experiment.

Överdrivna påståenden om big data

Chris Anderson är väl en av dem som gått längst med att beskriva fördelarna med big data, till exempel i artikeln The End of Theory: The Data Deluge Makes the Scientific Method Obsolete:

This is a world where massive amounts of data and applied mathematics replace every other tool that might be brought to bear. Out with every theory of human behavior, from linguistics to sociology. Forget taxonomy, ontology, and psychology. Who knows why people do what they do? The point is they do it, and we can track and measure it with unprecedented fidelity. With enough data, the numbers speak for themselves.

Vi kan alltså kasta ut teorier om varför någonting händer och i stället bara observera att det händer. Han säger vidare att korrelation till och med ersätter kausalitet:

The new availability of huge amounts of data, along with the statistical tools to crunch these numbers, offers a whole new way of understanding the world. Correlation supersedes causation, and science can advance even without coherent models, unified theories, or really any mechanistic explanation at all.

Chris Anderson är kanske det mest extrema exemplet så vi kan ignorera hur pass representativt det är. Men bristen på kritik mot big data riskerar att göra påståenden överdrivna, så kritik tjänar åtminstone till att inskränka möjligheterna och tydliggöra begränsningarna med big data.

Tre vanliga historier om big data

Det finns tre vanliga anekdoter som ibland berättas om big data. Dessa ska jag kort redogöra för nedan och sedan beskriva problemen med dem.

Google Flu Trends som förutspådde influensaepidemier

Google lanserade under 2008 tjänsten Google Flu Trends som förutspådde influensaepidemier genom sökningar på deras sökmotor (läs mer i Detecting influenza epidemics using search engine query data i Nature).

Den förutspådda influensaepidemin jämfördes sedan med de ”riktiga” värdena som rapporterats in av amerikanska CDC, eller Centers for Disease Control and Prevention som är det fullständiga namnet (vilket motsvarar svenska Smittskyddsinstitutet och Folkhälsomyndigheten). Siffrorna från CDC hade ungefär två veckors dröjsmål sedan de rapporterats in av landets alla vårdinrättningar, så att kunna förutspå influensaepidemier skulle ha stora fördelar för samhället, inte minst ekonomiska.

Google Flu Trends

Träffsäkerheten på Google Flu Trends var dessutom väldigt hög, åtminstone inledningsvis. Dessvärre började Flu Trends att kraftigt underrepresentera den verkliga prevalensen av influensa, varpå Google justerade algoritmerna. Men till slut började Flu Trends i stället att kraftigt överrepresentera prevalensen av influensa. Inte så långt därefter lade Google ned tjänsten helt och hållet.

Street Bump och gropar i vägen

En annan anekdot kommer från 2012 då projektet Street Bump lanserades. Vägarna i Boston hade en mängd gropar och ett av problemen för att åtgärda dem var att helt enkelt hitta dem.

Ett väldigt kreativt sätt var att skapa en app som sedermera kom att kallas Street Bump. Appen låter förare automatiskt rapportera gropar i vägen genom att utnyttja sensorerna (accelerometern) som känner av rörelsen när bilen hoppar till av groparna i vägen.

Dessvärre rapporterades mängder av gropar felaktigt därför att appen inte lyckades skilja riktiga gropar från ”fantomgropar”. Men detta åtgärdades relativt snabbt med bättre programvara.

Target och den gravida tjejens pappa

En annan vanlig anekdot som ofta berättas är hur den amerikanska dagligvarukedjan Target skickade anpassad reklam för blivande mammor direkt till en tonårstjej. Tjejens pappa blev rasande och gick till affären för att i starka ordalag säga vad han tyckte om reklamen. Affären bad om ursäkt.

Efter ett par veckor ville affärsägaren återigen be om ursäkt och ringde upp tjejens pappa. Pappan var dock inte lika arg längre och sa i stället att Target hade rätt – hon var gravid. Pappan hade däremot inte fått reda på det. Med andra ord visste Targets algoritmer något som inte pappan visste.

6 problem med big data

1. Korrelation är inte kausalitet

Detta är knappast något nytt, men kanske det mest uppenbara och värt att poängtera ånyo. Nu har förvisso Chris Anderson sagt att det inte har någon betydelse, eftersom korrelation av någon anledning ersätter kausalitet förutsatt att man analyserar tillräckligt stora datamängder.

Dessvärre är hans exempel inte speciellt övertygande. Han nämner biologer som analyserar gendata och lyckas hitta skillnader. Men biologer är inte direkt kända för att förhålla sig kritiska till big data, åtminstone inte enligt artikeln Big data and the historical sciences: A critique, och statistiska signifikanta skillnader i gendata är inte tillräckligt för att skapa taxonomier av arter eller liknande.

Det finns exempelvis en positiv korrelation mellan smörkonsumtion och skilsmässor. Men vad ska vi göra med den informationen, förutom att roas åt den?

2. Vi får inte reda på falska positiva

Ett problem med historien om Target är att vi inte får veta hur stor andel av den anpassade reklamen för blivande mammor har skickats till de som inte är blivande mammor. Det vill säga, vi får inte reda på andelen typ 1-fel (falska positiva). Det är avgörande för att kunna bedöma hur pass tillförlitlig algoritmen är.

Detta är särskilt viktigt när det gäller kommersiella företag som inte vill, kan eller får dela med sig av den data de analyserar. Vi har helt enkelt ingen insyn och får helt enkelt lita på deras ord att det fungerar.

3. Algoritmer skapar självuppfyllande profetior

Så fort vi har en algoritm som kan påverka mänskligt beteende så kan den också skapa en självuppfyllande profetia.

Amazon har exempelvis en algoritm som visar ”de som har köpt den här boken har också köpt …” En sådan algoritm syftar naturligtvis till att öka försäljningen av böcker, men det innebär också att det som föreslås även köps i högre utsträckning. Med andra ord, det som algoritmen använder som underlag för att fatta beslut är det som till slut matas in i algoritmen igen, vilket skapar en ömsesidig förstärkning. Enkelt uttryckt: Det populära blir populärare därför att algoritmen har föreslagit att det ska vara populärare.

Därmed kommer framgångarna med denna typ av algoritmer att vara överdrivna. I fallet med Amazon gör det ingenting eftersom målet är att sälja mer böcker, men i andra fall av mänskligt beslutsfattande kan de hjälpa till att subtilt påverka beslut när beslutsfattarna saknar kunskap om algoritmernas förstärkningseffekter.

4. Det finns sällan teori som förklarar

Varför fungerade Google Flu Trends? Vi vet inte. Varför slutade Google Flu Trends att fungera? Det vet vi inte heller av samma anledning.

Eftersom det inte finns någon underliggande teori om hur eller varför saker och ting beter sig som de gör, är det ännu svårare att förklara varför något slutar fungera.

När det gäller Google Flu Trends kan det mycket väl vara så att medierna påverkar vad människor tänker på, och därmed vad de söker efter. Ju mer medierna skriver om influensa, desto mer söker alltså människor efter influensaliknande symptom.  Det är en teori man kan testa på olika sätt, och ger också förutsägelser för vad man teoretiskt kan förvänta sig och därmed också de förutsättningar där teorin kan vara felaktig.

Det är en viktig distinktion eftersom flera big data-förespråkare tycks mena att vi ska analysera stora datamängder för att utvinna informationen som råkar finns där, snarare än att man utgår från en teori och testar om man kan hitta data som man förväntar sig finna där.

5. Data talar inte för sig självt

Data talar aldrig för sig själv utan kräver tolkning. Tolkning är beroende på dels statistisk kunskap, dels ämneskunskap och dels sammanhang. Det må finnas ett samband mellan två variabler i en datamängd, men det sambandet kan vara helt meningslöst ur teoretisk synvinkel och kanske förklaras av något annat som inte ingår i datamängden, men som ändå var närvarande i det sammanhang som datan samlades in. Utan hänsyn till sammanhang riskerar big data förblinda mer än upplysa.

6. Tron att om man har all data så har man alla svaren

Det finns ett uttryck om att big data betyder n = allt, vilket innebär att man analyserar all data som finns (och inte bara data man kan få tillgång till). Därmed behöver man inte göra ett urval eftersom man kan analysera allt. Det kan leda till följande villfarelser:

”Halva svenska befolkningen finns på Facebook. Därför kan man också se vad (åtminstone halva) svenska folket gör, tycker eller tänker genom att analysera Facebookdata.”

Fel!

Även om varenda svensk fanns på Facebook skulle en analys av bokstavligt talat all Facebookdata ändå inte innehålla en beskrivning av alla svenskar, utan bara aktiva svenskar. Det brukar kallas activity bias och riskerar ge väldigt skeva resultat.

Antalet konton på Facebook säger heller ingenting om antalet svenskar. Jag har exempelvis två konton på Facebook samt fyra-fem konton på Twitter för olika projekt. Många konton används för att automatiskt publicera inlägg.

När det gäller appen ”Street Bump” kan man fråga sig vilka det är som framför allt äger smartphone och bil? Det är inte de fattiga i alla fall, vilket leder till att gropar i de välbärgade områdena rapporteras in i betydligt högre utsträckning än mindre välbärgade områden. Det behöver dock inte nödvändigtvis vara ett problem, utan kan snarare frigöra resurser att faktiskt åka ut och leta efter gropar i vägen i andra områden. Men då måste man också vara medveten om begränsningarna.

Allt går inte att mäta

Jag tror inte någon förnekar att big data (hur man än definierar det) har lett eller kommer leda till en mindre revolution. Men absolut inte i meningen att vi kan kasta ut teorier om kausalitet, utan snarare att mängden data från samhällets alla hörn gör att vi kan ägna oss åt betydligt fler analyser. Inte minst med mobiltelefonernas sensorer!

Men samtidigt är det viktigt att inte förlora den humanistiska aspekten. Allt går inte att mäta, och allt man mäter behöver inte vara värdefullt. Just frågan kring hur man ska tolka data och ge den mening är knappast något som blir mindre problematiskt när vi badar i data. Snarare tvärtom. Det är lätt hänt att vi blir blinda för alternativa synsätt (som inte bygger på analys av mer och mer data) när vi redan drunknar i data.

Vi måste fortfarande ha teorier och vi måste fortfarande beakta det som kanske inte ens bör mätas, som till exempel normativ etik. Om man till exempel mäter konsekvenser av en handling (låt säga hur mycket pengar någon ger tiggare) så säger man implicit att konsekvensetik är det vi ska föredra framför dygd- eller pliktetik. Som sagt, bara för att det går att mäta innebär det inte att det bör mätas eller ens tillmätas någon betydelse. Det är fortfarande en teoretisk fråga, inte en empirisk.

Slutsats

Min poäng med denna text är inte att vi ska sluta analysera ”big data” eller sluta se möjligheterna med det, utan snarare att försöka blottlägga ett oreflekterat analyserande av big data och i stället lyfta fram begränsningarna. Det hjälper oss att se när vi faktiskt bör analysera big data.

Problemet med ”funna data” kan egentligen sammanfattas på ett enkelt sätt. Så fort man försöker mäta människors beteende så kan människor anpassa sig efter mätningen. Då kan en feedback-loop uppstå, vilket innebär att information om mätningen påverkar fortsatta mätningar. Ett bra exempel är artikeldelningar. Vi tenderar att dela artiklar som redan har delats mycket. Konsekvensen är att det populära blir ännu mer populärt.

Big data är inte heller slutet för teori. Teori är viktigare än någonsin för att sortera bland, och framför allt förstå, big data.

Jag tror att vi kommer få se många fler analyser inom både journalistiken och vetenskapen som är exakt fel. På 1960-talet sa den amerikanska matematikern John Tukey att han föredrog ‘‘an approximate answer to the right question, which is often vague, than an exact answer to the wrong question, which can always be made precise”. Med andra ord kanske vi ska ställa mer precisa frågor och sedan se om de kan besvaras med big data, snarare än att titta i big data först och se vilka frågor vi kan besvara exakt.

Läs mer

Kommunikologi – pseudovetenskap som gräver hål i plånboken

Peter Dahlgren 2 Comments

Pseudovetenskapen kommunikologi granskades i veckan av Vetandets värld i Sveriges Radio. I programmet kunde vi exempelvis höra hur komunikologer lär chefer i olika organisationer att krypa på golvet för att fatta bättre beslut. Men det absurda har bara börjat.

Programmet kallas Psykobabblarna och sändes i tre avsnitt om 20 minuter vardera.

  1. Psykobabblarna: Neuromyter och omedveten inkompetens
  2. Psykobabblarna: Osmarta hjärnrörelser i klassrummet
  3. Psykobabblarna: Mental pseudoträning

Lyssna gärna på programserien, som är väldigt pedagogiskt upplagt. I Vetenskapsradions veckomagasin visar de också hur kommunikologer lär ut tankeöverföring i skolor.

Det är väldigt intressant att höra hur kommunikologin försvaras, hur den används i skolor, företag och idrottsvärlden, hur många miljoner den kostar, och hur den strider mot den vetenskapliga forskningen.

Till detta program fick jag bland annat hjälpa till att granska dokument från en organisation som utbildar i kommunikologi i Sverige. Det mesta i dessa dokument (och kommunikologin) som berörde kommunikationsforskning var fullständigt trams. De andra forskarna i programmet, i bland annat neurovetenskap och psykologi, gjorde samma bedömning

Min slutsats som citeras i första delen löd så här: ”Kopplingen till forskning är obefintlig och det teoretiska arbetet är en katastrof.”

Här tänkte jag utveckla vad kommunikologi är, vad det är till för, och besvara några argument från en forskare (!) som är positiv till kommunikologi som menar att det inte behöver bygga på vetenskaplig grund för att det fungerar ändå. Jag har ingen avsikt att repetera det som sagts i programserien, så jag antar det som utgångspunkt för diskussion i stället.

Vad är kommunikologi?

Den frågan är inte helt lätt att besvara då utövarna av kommunikologi inte heller kan förklara vad det är, vilket är smått ironiskt med tanke på att utbildningen uppenbarligen ska syfta till att förbättra kommunikation i någon mening.

Däremot finns en vanlig standardtext som klistras in på en mängd hemsidor hos organisationer och personer som utbildar i kommunikologi:

Läran om det som är gemensamt i förändrings- och utvecklingsprocesser. Studiet av struktur och dynamik i kommunikation och förändring – när all upplevelse och allt beteende är valt definierat, beskrivet och förstått som kommunikation.

Om du söker efter första meningen i citatet ovan kommer du hitta en mängd hemsidor med identisk text. Här är en sammanställning av de två första sidorna i Googles sökresultat (efter femte sökresultatsidan börjar det tunnas ut):

Kommunikologi

Man skulle kunna tro att syftet med en definition hjälper till att förklara ett begrepp, men i det här fallet skapar det bara fler frågor. Vad är det som är gemensamt i förändrings- och utvecklingsprocesser? Vilka typer av förändrings- och utvecklingsprocesser? Vad är struktur och dynamik i detta sammanhang? Vad innebär det att all upplevelse och allt beteende är valt definierat? Hur är denna mening egentligen konstruerad (”valt definierat”)?

Det här är också en vanlig förklaring av kommunikologi:

Kommunikologi©
Tvärvetenskaplig Metadisciplin – Kommunikologi – är resultatet av disciplinutveckling i form av en sammanfattning av kunskap från andra beteendevetenskapliga och socialvetenskapliga discipliner.

Okej, de har med andra ord sammanfattat kunskap från en mängd olika områden. Det är ju bra och eftersträvansvärt. Att läsa kunskapssammanfattningar utan att man själv behöver skriva dem (vilket annars är en vanlig forskningsuppgift) är alltid trevligt eftersom det finns så otroligt mycket att läsa och vi har bara 24 timmar på dygnet.

Och just det, notera ©-symbolen. Copyright används för att upphovsrättsskydda texter som uppnår verkshöjd. Copyright används inte för att varumärkesskydda begrepp eller varumärken. Varumärken symboliseras av ®-symbolen om varumärket är registrerat, annars ™-symbolen som vem som helst kan använda mer eller mindre godtyckligt.

Men begreppet kommunikologi är myntat av de norska pedagogerna Truls Fleiner och Jorunn Sjøbakken på 1970-talet, vilka också driver Skandinavisk Institutt for Kommunikologi där de säljer sina utbildningar för bland annat 10 600 kronor för sex veckor. Det finns kurser i Sverige, Norge, Kreta och Schweiz. Till Sveriges Radio säger de att ungefär 5 000 personer har genomfört deras utbildning.

Vad man får lära sig som kommunikolog?

Det mesta fundamentala handlar om att kommunikologins skapare har identifierat vad de kallar nycklar, vilket är framgångsfaktorer inom kommunikation. Dessa framgångsfaktorer är helt enkelt gemensamma nämnare som utvunnits från teorier, modeller och metoder inom alla discipliner som har något med kommunikation att göra (såsom psykologi, pedagogik, neurovetenskap, kommunikation med flera). Enkelt uttryckt är dessa nycklar sammanfattningar av vad som är bra kommunikation i alla sammanhang.

Redan här skulle man förstås kunna kritisera hela idén och ställa sig frågan: Är det verkligen bra att alltid sträva efter hitta det som är gemensamt för alla situationer? Kan det inte i vissa lägen vara bra att hitta det partikulära, det som passar först just den här situationen? Att försöka hitta gemensamma nämnare från en mängd olika vetenskapliga discipliner riskerar förstås att leda till triviala sanningar.

Och mycket riktigt. Inom kommunikologin får man bland annat lära sig att man bör titta varandra i ögonen för att skapa kontakt. Men inom kommunikologin kallar man det ”2-punkts fokuspunkt”.

Kommunikologi fokuspunkt

Dessa bilder kommer från en presentation från en större svensk organisation som utbildar i kommunikologi. Jag har lagt mosaik på företagsloggan i vissa bilder eftersom det inte är intressant vem som gjort presentationen. Det är innehållet jag kritiserar i första hand.

Kommunikologi grundsorteringar

Att kroppen alltid signalerar ja eller nej är naturligtvis inte det minsta sant. Varför i hela friden skulle den göra det? Vad betyder det att man samlar på sig nej-signaler? Och varför skulle vi bli sjuka? Psykologin har ju sedan länge förkastat idén om katarsis och att människor behöver lätta på trycket ibland.

Man får också lära sig att skilja mellan ”jag” och ”du”. Det kallas jag/du-sortering och är tydligen viktigt för en ”god balans”. När jag pratar om mina upplevelser ska jag använda ordet ”jag”. Att använda orden ”jag” eller ”du” på ett felaktigt sätt är riskabelt eftersom man kan få kroniska sjukdomar. Min fråga är då helt enkelt: Kan man få den kroniska tarmsjukdomen ulcerös kolit om man använder ordet ”man” för många gånger?

Kommunikologi - Jag/du-sortering

Kommunikologi du/jag-sortering

Ett vanligt ord som förekommer inom kommunikologin är att skapa ”balans”. Du ser ordet inte minst i bilderna ovan. Balans är ett positivt laddat ord som kan betyda precis vad som helst (precis som ordet ”lagom”) såvida man inte förklarar vad det är som ska ha balans, varför och när balans egentligen uppnås. Ordet förekommer dock ofta inom pseudovetenskaper som alternativmedicin och en del new age-rörelser, vilket på samma sätt använder ett språkbruk fyllt av vaga begrepp som syftar till att låta vetenskapligt utan att vara det. Det ska inte vara för mycket och inte för lite. Det ska vara balans!

Kommunikologi - sorterad feedback

Vad ska vi dra för lärdom av den här presentationsbilden? Att en person kan tycka en sak och att en annan person kan tycka något annat? Och att det ibland kan vara bra att fråga vad någon menar, eller varför de gör som de gör, innan man säger något dumt om dem?

Man får också lära sig att hålla handflatorna uppåt under en presentation, för då framstår man som inbjudande. Håller man handflatorna nedåt ses man som ”så här är det”.

Ett sådant påstående är dock jätteenkelt att testa. Man gör ett experiment med tre grupper (handflator uppåt, nedåt respektive undanskymda) och låter sedan tittare värdera personernas ”så här är det”-faktor (vad nu det skulle vara). Men då går man ju förvisso in i vetenskapens domäner med experimentell design. I stället är det bättre att bara anta att det är så och säga att det är så till alla andra. ”Det har ju inte bevisats vara fel”, kan man säga.

Som synes ur dessa axplock är det mesta av informationen som man får lära sig inom kommunikologi antingen trivialt sant eller direkt nonsens. Den stora svårigheten för mig har varit att ta mig igenom stora mängder osammanhängande text som dessutom motsäger sig själv några sidor senare.

Vad är de vetenskapliga grunderna för kommunikologi?

För att sammanfatta det väldigt kort: obefintliga.

Kommunikologi - referenser

Tittar man på dessa referenser så handlar det om litteratur som antingen inte har med saken att göra, är publicerad i dagstidningar eller inte ens publicerad i någon vetenskaplig tidskrift alls. Inte heller har någon av böckerna citerats i någon vetenskaplig litteratur (vilket man kollar genom att göra en sökning i vetenskapliga databaser såsom Web of Science med flera).

Naturligtvis är inte denna presentationsbild det enda som har skrivits om kommunikologi. Jag har endast tittat i en bok än så länge och den handlade om samma sak, grundsorteringar som jag/du och att man ska röra sig långsamt när man förhandlar.

Kommunikologi kommer aldrig bli vetenskap

Många kritiker för fram argumentet att kommunikologi bör visa de vetenskapliga underlaget.

De flesta som utövar pseudovetenskap såsom alternativmedicin, och även kommunikologi, hävdar att den vanliga vetenskapen en dag kommer ikapp. I Sveriges Radios program hör man skaparna Truls Fleiner och Jorunn Sjøbakken argumentera för att deras forskning är banbrytande och har skapat ett nytt forskningsparadigm. Och en vacker dag kommer alla skolor att lära ut kommunikologi, menar de. Det handlar bara om alla andra ska komma ikapp dem.

Problemet med dessa argumentet är dock uppenbart. För det första är det ett bedrägligt argument att hävda att man bara behöver vänta för att kommunikologin ska bli sant. Argumentet kan ju faktiskt tillämpas på precis vad som helst. För det andra får ingen insyn i deras forskning och kan därför inte bedöma den. Dessa två argument tillsammans skulle innebära att man får vänta en evighet. Till dess ska vi helt enkelt lita på vad skaparna bakom kommunikologi säger och gå deras kurser. När dokument som dessa ovan läcker ut framstår kommunikologi som rena tramset.

Men kommunikologi kommer aldrig att bli en vetenskap och det finns ett enkelt skäl till det.

Om kommunikologi blir en riktig vetenskap försvinner incitamenten för certifiering. Kommunikologi måste helt enkelt vara något annat än medie- och kommunikationsvetenskap, sociologi, psykologi, neurovetenskap eller pedagogik. Annars går det att jämföra på samma grunder som vanlig vetenskap och därmed finns det ingen grund att certifiera sig för dyra pengar när man kan gå en gratis kurs på högskolor eller universitet där man dessutom får en examen. Om kommunikologi är något annat, det spelar inte så stor roll vad, så fyller certifieringen både en funktion och en plånbok.

Därför bör man inte slösa sin energi på att kräva att kommunikologi bör bli mer vetenskapligt. Det är bättre att syna bluffen och i stället lyfta fram alla absurda myter de omfamnar liksom kostnaderna för att gå en kurs. De som är inbitna kommunikologer kommer förstås gå i svaromål med det vanliga argumentet att ”gå kursen och se för dig själv”. Det argumentet kan sammanfattas väl med en enda bild:

Kommunikologi - tvärgaende metadisciplin

Att certifiera sig som kommunikolog

Bilden talar väl för sig själv när det gäller värdet av att certifiera sig som kommunikolog.

kommunikologi certifiering

Kännetecknen för pseudovetenskaper som kommunikologi

Hur identifierar man en pseudovetenskap som kommunikologi? Det finns några enkla kännetecken man kan titta på:

  1. Förespråkarna hänvisar till andra personers vittnesmål om hur bra läran är.
  2. Läran är grundad på en eller ett fåtal personers påstådda forskning och utvecklas inte nämnvärt efter det.
  3. Denna påstådda forskning är väldigt otillgänglig, publicerad i okända tidskrifter eller i egna böcker (som inte är vetenskapligt granskade).
  4. Man måste i regel genomgå utbildningen innan man får grundläggande kunskap om vad det faktiskt är. (Jämför med fritt tillgängliga kursplaner på högskolor och universitet.)
  5. Vaga ord (till exempel ”balans”) används för att säga något utan att egentligen säga något alls.
  6. Komplicerade begrepp används här och där för att ge sken av vetenskaplighet (ofta helt i strid med ordets gängse bruk).
  7. Flera koncept inom läran motsäger varandra och hänger inte ihop.
  8. Det är dyrt att gå kurserna.

Dessa är alltså kännetecken och varje punkt i sin enskildhet behöver inte vara tecken på pseudovetenskap. Men många kännetecken tillsammans bör höja några varningsflaggor.

Se också Baloney Detection Kit med Michael Shermer, om hur man tar reda på om något är sant eller falskt.

https://www.youtube.com/watch?v=eUB4j0n2UDU

Vanliga invändningar från kommunikologer

Kommunikologer liksom andra har också svarat på kritiken från Sveriges Radio. En är bland annat Erik Modig. Han forskar inom marknadsföring på Stockholm School of Economics och har en doktorsexamen i Business Administration. Enligt hans hemsida undersöker han ”konsumentpsykologin bakom effektiv kommunikation”. I ett Facebookinlägg ger han sitt genmäle på Sveriges Radios program som jag tänkte besvara. Han inleder sitt inlägg med ”Akademiskt analys/perspektiv på Kommunikologi”.

Kommunikologin är genialisk och i linje med forskningen

Erik är relativt sett väldigt positiv till kommunikologi som han berömmer på följande sätt:

[…] utifrån min kunskap så är majoriteten av grundmaterialet inom kommunikologin i linje med accepterade och rådande teorier inom såväl hjärnforskning som angränsande vetenskapliga områden (pedagogik, kommunikation etc.).

[…]

Fleiner & Sjøbacken har i sin ambition gjort ett utomordentligt arbete med att skapa ett system för att förstå hur vi människor tänker och agerar samt identifierat vilka verktyg som finns för att förändra dessa tankar och beteenden.

[…]

Det är oftast i enkelheten som genialiteten ligger och just där som en utbildning skapar sitt största värde.

Kommunikologi är med andra ord genialisk i sin enkelhet, i huvudsak i linje med rådande teorier inom hjärnforskning, pedagogik och kommunikation, och kommunikologins skapare har gjort ett utomordentligt arbete. De hjärnforskare som i Sveriges Radios program kallar det myter och trams måste i så fall ha fel. Men Erik säger också att delar av materialet är vetenskapligt bristfälligt:

Delar av det material jag har fått ta del av inom kommunikologin är ej vetenskapligt bevisat utifrån den information jag har idag. Jag har inte heller mött på någon som kan visa en vetenskaplig förankring till vissa delar av materialet.

Det beror huvudsakligen på att forskningen är daterad, menar han, och hänvisar till att kommunikologin togs fram på 1950- till 1980-talet:

[…]  har inte utsatts för den vetenskapliga uppdatering som skulle behövts. Även idag färgas kommunikologin av ”sanningar” som varit rådande men som modern forskning förfinat eller förkastat. Det har skett stora framsteg inom hjärnforskning och tillhörande områden och dessvärre har vi människor en tendens att leva kvar med många valda sanningar långt efter att de passerat bäst före datum. Att kommunikologin bygger på detta material är dock ingen hemlighet utan står tydligt på utbildningens hemsida (http://www.kommunikologi.no/kommunikologi.html). Varje person (kund, utbildare, journalist, forskare) bör således av egen maskin kunna dra slutsatsen att viss vetenskaplig uppfräschning saknas utifrån dessa referenser.

Här har jag två invändningar.

1. Vad, mer precist, var det som var sanning 1950- till 1980-talet men inte längre är det? Det står inte alls tydligt på hemsidan. Det finns exempelvis kommunikationsforskning som är 2 500 år gammal (såsom Aristoteles retorik, och logik som återfinns i metafysiken) som till större delar är oförändrade.

2. Varför är det upp till varje person att av egen maskin dra slutsatsen att vetenskaplig uppfräschning saknas, snarare än de som utbildar inom kommunikologin? Det förefaller märkligt att ansvaret för att ta reda på om utbildningen är aktuell ligger på den som lär sig utbildningen, snarare än den som lär ut. Hur ska vi i så fall betrakta Aristoteles verk? Hur vet man om Aristoteles verk är hopplöst inaktuella?

För det andra, hade Fleiner & Sjøbacken en uttalad tvärdisciplinär ambition och ville inte fastna i ett enskilt vetenskapligt fält. Svårigheten att publicera tvärvetenskapliga artiklar har förmodligen inte förändrats utan är idag fortfarande svårt då mycket akademisk forskning måste förhålla sig till diskursen och dialogen inom sitt egna fält. Även idag skulle jag som kommunikationsforskare ha svårt att se hur vissa principer (det som Fleiner & Sjøbacken kallar för mönster) skulle kunna testas.

Hört talas om medie- och kommunikationsvetenskap? Det fältet är en tvärvetenskaplig disciplin som spänner över humaniora, kommunikation, psykologi, organisationsteori, journalistik och statsvetenskap. Det är, ironiskt nog, samma ämnen (och fler!) som kommunikologer tycker att det behövs en metadisciplin för!

Dessutom är det svårt att bemöta vaga argument om hur ”vissa principer” inte kan testas. Frågan man måste ställa sig till en början är då (1) vilka principer handlar det om? och (2) vilka utkomster från dessa principer? Om man undangömmer sin påstådda ”forskning” är det förstås enkelt att hävda att det inte låter sig testas. Det blir ju för det första fysiskt omöjligt och för det andra tvingas vi helt enkelt lita på deras ord. Det är som upplagt för grandiosa påståenden utan grund.

Delen kontra helheten

Nu kommer vi också till en central del av Eriks motargument. Det är den om att kommunikologin studerar helheten (systemteorier), snarare än enskilda delar. Och genom detta förfarande går det också att avfärda större delen av kritiken mot kommunikologi eftersom kritiken fokuserat på enskilda förehavanden (som att krypa på golvet för att fatta bättre beslut):

[…] ”helhet” är viktigare än enskilda delar. Detta försvårar således ytterligare vetenskaplig prövning av enskilda principer, eller det är snarare irrelevant (ur Kommunikologins perspektiv) eftersom det är helhetsperspektivet som är grund för disciplinens synsätt på kommunikation och förändring. Att lyfta ut ett enskilt ”mönster” eller metod och dra slutsatser om hela Kommunikologins vetenskaplighet går därmed mot själva utgångspunkten.

Och ändå lär kommunikologer ut just enskilda mönster som de kallar ”nycklar”, som enskilda individer kan använda i alla slags situationer. Till exempel att man inte ska använda ordet ”man” eller ”vi” för mycket, att titta folk i ögonen man pratar med, hålla handflatorna åt ett visst håll och så vidare. Det finns med andra ord en viss motsägelse i att man å ena sidan måste se till helheten, och å andra sidan lär ut triviala saker som hur man ska hålla händerna.

Dessutom, och denna kritiken är förödande för helhetsargument, så är det fullt möjligt att testa stora systemteorier. Det man helt enkelt gör är att bryta ned dem i mindre delar, testar dem och sedan drar induktiva slutsatser om helheten. Rimligen kan ju inte en korrekt helhet (vad det nu än må vara) bestå av en mängd mindre felaktigheter. Det vore detsamma som att bygga ett hus på kvicksand.

Att säga att ett systemteoretiskt perspektiv gör testande irrelevant är att helt enkelt försöka ta omvägen förbi kritik genom ett divisionsfeslut. Divisionsfelslutet säger att det som gäller för helheten (exempelvis kommunikologins helhetsperspektiv gör den otestbar) inte nödvändigtvis gäller för dess delar. (Jämför ”Bilen kan ses med blotta ögat. Bilen består av atomer. Alltså kan man se atomer med blotta ögat.”) Med andra ord  är det alltså inte helt självklart att det som gäller helheten också gäller delarna.

Fleiner och Sjøbacken hade förstås ett motargument till denna kritik, och de menar att det helt enkelt har skapat ett nytt vetenskapligt paradigm. Därmed behöver de över huvud taget inte argumentera för sina idéer eller ståndpunkter enligt gängse vetenskapliga förfarande, utan kan utan vidare utropa sina egna idéer överlägsna och sedan invänta på att andra forskare ska ”hinna ikapp” deras banbrytande idéer. Det är ett bekvämt sätt att argumentera, att helt enkelt utropa sig själv som segrare.

Problemet blir att varje enskilt fält får böja sig för helheten så att varken en psykolog eller kommunikationsforskare skulle känna igen sig. Därmed problemet. Jag har gått i taket för vissa slutsatser de dragit och därför får man fråga sig hur det kan vara tvärvetenskapligt när ingen forskare inom de olika fälten känner igen sig? Såklart att Fleiner & Sjøbacken får kritik från de insatta. Även från mig. En meta-disciplins styrka blir dess svaghet.

Det här är ett intressant stycke så vi tar det viktiga igen: ”Problemet blir att varje enskilt fält får böja sig för helheten”.

Det skulle vara väldigt intressant med ett exempel där slutsatser som är rätt i två olika vetenskapliga ämnen ändå plötsligt blir fel i kommunikologi. Det är också fascinerande att det är den överordnade metadisciplinen som avgör vilka slutsatser man kan dra om delarna (snarare än vice versa, att delarna avgör vilka slutsatser man kan dra om helheten). Och att ha fel i detaljer är med andra ord kommunikologins svaghet, men samtidigt dess styrka? Vad betyder det, att två fel gör ett rätt? Blir kommunikologin starkare ju fler discipliner som vantolkas?

I mina öron låter det snarare som att någon i sin vildaste fantasi har skrivit ned sina idéer om hur verkligheten förmodas vara, och sedan avfärdat alla vetenskapliga motsägelser med att hänvisa till något slags tolkningsföreträde. Det är som att leka sten-sax-påse men där ”meta” slår ut både sten, sax och påse.

Om man accepterar detta synsätt skulle det därmed också vara möjligt att utifrån två faktapåståenden dra en slutsats som inte följer från påståendena (det vill säga bryta mot logikens lagar). Men det är helt absurt och måste förkastas.

Man kan också fråga sig hur medie- och kommunikationsvetenskaplig forskning, som är tvärvetenskaplig, kan återge delarna någorlunda korrekt, och ändå lyckas dra slutsatser om helheten?

Det finns med andra ord många frågetecken kring detta och de argument som torgförs till kommunikologins försvar är föga övertygande.

Vetenskap verkar inte behövas ändå

Men om vi helt enkelt bortser från vetenskapen, hur bedömer vi kommunikologin då? Erik skriver så här:

Det är även, utifrån den kunskap jag har, sant att de inte har trovärdiga vetenskapliga bevis att deras utbildning fungerar. Frågan är dock om det behövs. De har trettio års erfarenhet att det fungerar […]

Detta är ett vanligt argument. Det finns inga vetenskapliga bevis, men det fungerar ändå. Men hur vet då vi andra att det fungerar?

Det är viktigt att förstå Fleiner & Sjøbacken som två passionerade pedagoger som sedan 1981 utbildat tusentals individer som bevisligen haft stor nytta av deras insikter och kunskap. Det ger emellertid inte Fleiner & Sjøbacken rätt att hävda att deras material är vetenskapligt förankrat men det betyder inte heller att de har fel i det stora hela.

Som stöd för argumentet att kommunikologi fungerar anförs att skaparna har utbildat tusentals personer och att de bevisligen haft stor nytta av deras insikter och kunskap. Var är dessa bevis? Att det finns personer som gått kursen? Det vore förstås väldigt bekvämt att hänvisa till antalet lärjungar som ett bevis för att läran ifråga fungerar, men riktigt så enkelt är det inte.

Men är det ok att sälja ovetenskapliga utbildning?
Vad jag vet har inte Fleiner & Sjøbacken drivit någon som helst reklam eller säljaktivitet av sin utbildning.

Om man bemödar sig med att klicka på alla fem länkar på hemsidan kommer man till slut till denna sida, där skaparna säljer in sin utbildning:

Kommunikologi-program

Min fråga är enkel:

Varför skulle skaparna bakom kommunikologi över huvud taget bemöda sig bevisa att kommunikologi fungerar (vetenskapligt eller på annat vis) om det redan finns folk som är villiga att betala för det?

Låt säga att 20 personer går kursen om 10 600 kronor på sex veckor. Det blir 212 000 kronor. En ganska okej månadslön. Behövs det verkligen fler argument än så?

Sammanfattning

Man kan ju åtminstone notera två viktiga saker angående Eriks kritik.

För det första lägger Erik inte något större fokus på det som visat sig strida mot vetenskap, utan lägger i stället fokus på att det bara saknas en vetenskaplig grund. Till exempel: ”Bara för att något inte är vetenskapligt bevisat betyder det inte att det är dåligt.” Konsekvensen är att han förminskar styrkan i kritiken om att det strider mot vetenskap, inte bara att det inte bevisats vetenskapligt.

För det andra förlägger han ansvaret på att uppdatera utbildningsinnehållet på den som går utbildningen, snarare än den som lär ut utbildningsinnehållet: ”Varje person (kund, utbildare, journalist, forskare) bör således av egen maskin kunna dra slutsatsen att viss vetenskaplig uppfräschning saknas […]”. Det mest rationella är förstås att läraren ansvarar för att kunskapen är aktuell och i enlighet med vetenskap, inte eleverna.

Likaså har de som kallat kommunikologi en sekt avfärdats på samma vis: ”De som inte upplever detta [frälsning] kan såklart känna sig utanför. Det är även så att kommunikologin introducerar i mångt och mycket ett nytt vokabulär vilket också kan uppfattas som exkluderande.” Notera här återigen att ansvaret förläggs på kritikerna, att de kanske känner sig socialt utfrysta, snarare än att det skulle vara något i kommunikologin som sådan som ger upphov till sektanklagelser.

Erik tycks landa i slutsatsen att det inte finns några vetenskapliga bevis för kommunikologi, men att kommunikologi bevisligen fungerar ändå. De argument som presenteras för denna slutsats utgörs sammanfattningsvis av (a) hur många som gått utbildningen, (b) mängden erfarenhet kommunikologerna har och (c) det faktum att inte allt i samhället är vetenskapligt bevisat samt, slutligen, att (d) kommunikologi fokuserar på helheten och kan (huvudsakligen) inte reduceras till testbara delar.

Dock är (a) en fallasi som kallas argumentum ad populum, (b) är en fallasi som kallas argumentum ad verecundiam, (c) är en fallasi som kallas ignoratio elenchi och (d) är en fallasi som kallas divisionsfelslutet. De motargument som framförs mot kritiken är med andra ord alla behäftade med något typ av fel.

Men jag antar att hur man konstruerar giltiga argument utan fallasier eller logiska felslut inte är något som prioriteras inom kommunikologi. Logik är ju trots allt också en 2 500 år gammal vetenskap som är besatt av detaljer, och kommunikologer är ju mer inriktade på helheter och skapa balanser. Inte undra på att alla detaljer blir fel.

Slutsats

Det råder inga tvivel om att kommunikologi är en pseudovetenskap som undandrar sig en offentlig granskning, åtminstone inte vad gäller de dokument jag själv granskat, mina kontakter med kommunikologer och intervjuerna i Sveriges Radio.

De försvar som förs fram handlar huvudsakligen om att man ska gå kursen själv för att bilda sig en uppfattning, att minsann inte allt här i livet behöver bevisas vetenskapligt och att det är många som är nöjda med utbildningen. Allt detta kan förvisso vara sant, men samtidigt helt irrelevant. För även om väldigt få saker behöver bevisas vetenskapligt betyder det inte att kommunikologi fungerar. Att det är ”många” som är nöjda med utbildningen säger heller ingenting om huruvida den faktiskt fungerar.

Allt vi har är berättelser att lyssna till om hur fantastiskt kommunikologi är för just dem, att de minsann var kritiska i början men till slut insåg hur de fattade bättre beslut genom att krypa på golvet eller hur de lärde sig att man ska titta varandra i ögonen för att skapa kontakt med andra människor. Det kan vi förstås inte ta ifrån dem.

Läs också

Varför sprids rykten?

Peter Dahlgren Leave a comment

Rykten och ryktesspridning

Rykten och ryktesspridning finns överallt, men trots det har ämnet inte fått mycket intresse av psykologer. I denna text ska jag sammanfatta varför rykten uppstår genom att peka på både sociala och psykologiska faktorer som kan underlätta eller förhindra ryktesspridning.

Först den korta versionen för dig som inte orkar läsa hela texten:

Rykten är obekräftade uppgifter som sprids på grund av osäkerhet i situationen och individen. Ryktesspridning fyller en viktig funktion att förstå och skapa ordning i världen. Det är bland annat massmedier, samhällskulturen och värderingarna som påverkar ryktesspridningen samtidigt som individens ångest, osäkerhet och godtrogenhet är viktiga faktorer som underlättar spridningen av rykten.

Nu över till den långa versionen. Det är egentligen en litteraturöversikt jag skrivit för några år sedan, som jag kortat ned, förenklat och anpassat för nätet.

Rykten, skvaller och nyheter

Vad är det som gör att rykten sprids mellan människor? Allport och Postman (1947) skrev det klassiska verket The Psychology of Rumor efter en omfattande ryktesspridning under andra världskriget (cf. Knapp, 1944), och de menade att ryktesspridning har störst inflytande när saker och ting är osäkra.

Rykten har traditionellt definierats som ”a specific (or topical) proposition for belief, passed along from person to person, usually by word of mouth, without secure standards of evidence being present” (Allport & Postman, 1947, s. ix).

Det är förstås en bred definition eftersom mycket av den informationen vi människor delar med varandra är just osäker, vilket innebär att vardagen är fylld av rykten. Vidare handlar det om att erbjuda en förklaring till en tro (”proposition for belief”) till något specifikt påstående (”topical”).

Det finns en viktig skillnad mellan rykten och skvaller. Ryktets syfte handlar om att skapa en tro till ett påstående medan skvaller framför allt fyller en funktion att underhålla, socialisera och skapa personliga band mellan människor (Belen, Kropat & Weber, 2011; Michelson, van Iterson & Waddington, 2010). Skvaller görs dessutom om saker som är av mindre vikt, medan rykten i regel innehåller information som är viktigare för individen (positiva eller negativa utkomster), men som är obekräftad (Bordia & DiFonzo, 2004). Det kan jämföras med nyheter som däremot innehåller bekräftad information (Bordia & DiFonzo, 2004).

Beroende på vad man kallar information så kan man också påverka dess trovärdighet. Berättelser som kallas ”rykten” har lägre trovärdighet än motsvarande berättelse som har etiketten ”nyheter” (DiFonzo & Bordia, 1997, s. 342), men det behöver däremot inte betyda att de har mindre påverkan på människors beteende (DiFonzo & Bordia, 2002).

Man brukar skilja mellan positiva och negativa rykten. Positiva rykten uttrycker en förhoppning om en positiv eller önskvärd utkomst, medan negativa rykten fokuserar på de hemska eller oönskade konsekvenserna (Rosnow et al., 1988). Negativa rykten förekommer oftare än positiva rykten, och de skapar mer ångest och större behov av tolkning för att förstå situationen (Bordia & DiFonzo, 2004, s. 43). Till exempel, en personalnedskärning på en arbetsplats är av negativ utkomst för de flesta berörda och ryktesspridningen kan enkelt bli ett faktum för de individer som ser sina jobb som hotade och behöver förstå varför neddragningarna sker.

Hur uppstår och utvecklas rykten?

Evolutionära perspektiv

Det traditionella perspektivet på varför rykten uppkommer är psykodynamiskt. Detta perspektiv menar att rykten tjänar en funktion för individen att minska den intellektuella osäkerheten liksom att minska den personliga ångesten (Knapp, 1944; Allport & Postman, 1947). Det evolutionära perspektivet, däremot, menar att rykten kan förklaras med naturvetenskapliga termer. Det har gjorts på två sätt, dels genom att beskriva rykten i epidemiologiska studier (se exempelvis Cheng, Liu, Shen & Yuan, 2013) för att förstå hur trosföreställningar sprids och stabiliseras som en del av en kultur, och dels teorin om memetik, det vill säga att idéer fungerar ungefär som smittsamma virus (så kallade mem) som sprids genom att föröka sig via en värd (Bangerter & Heath, 2004).

Kedjebrev är ett bra exempel på ett sådant mem, där mottagarna lovas lycka om de sprider brevet vidare, annars olycka. Dock har de evolutionära perspektiven traditionellt sett inte gett några fruktbara empiriska resultat, trots att de flesta teorier förutspår ungefär samma eller liknande utkomster (Bangerter & Heath, 2004). En anledning till det kan vara att ryktesspridning är en social företeelse som inte enkelt låter sig reduceras till mindre beståndsdelar, liksom att det kanske inte är själva innehållet i det som sprids som är det viktiga, utan vad innehållet fyller för funktion för individen.

Ryktesspridning sker inom våra sociala nätverk

Allport och Postman (1947) utvecklade tidigt en modell för hur rykten sprids seriellt, från person till person, med utgångspunkt i minnesforskningen. De menade att minnet är begränsat och inte kan innehålla hur mycket information som helst. Enligt Allport och Postman börjar ryktesspridningen med att majoriteten av informationen som sprids försvinner genom att den blir kortare, mindre detaljerad och mindre komplex, därefter väljs vissa detaljer ut eller överdrivs för att sedan spridas vidare (Thompson, Judd & Park, 2000, s. 571). Till sist uppstår förvrängningar i berättelsen antingen medvetet på grund av dold agenda, motivation (cf. Kunda, 1990) eller omedvetet på grund av heuristiker, kognitiva bias, fördomar etc.

En kritik mot Allport och Postman är att innehållsmängden i rykten inte alls behöver minska, utan tvärtom kan öka (Rosnow, 1991). Och även om denna seriella spridning är enkel och tilltalande är det svårt att hitta sammanhang där information sprids på det sättet.

På arbetsplatsen, i familjen och bland vänner kan samma rykten spridas samtidigt i tiden och inte minst på internet där vi kan gå in och ur olika sociala gemenskaper med hjälp av ett knapptryck. På så vis sprids rykten inte bara seriellt utan också parallellt åt flera håll, men också beroende på hur nätverket av individer är sammansatt (Bordia & Rosnow, 1998; DiFonzo et al., 2013).

Redan i början av förra århundradet noterade Knapp (1944) att rykten spreds i vissa subkulturer, men inte andra. Rykten sprids nämligen oftast i nätverk där individerna känner varandra (Weenig, Groenenboom & Wilke, 2001), till skillnad från nyheter som ofta spridas vidare i nätverk där personerna inte känner varandra. Vi människor lever i kluster (exempelvis familj, arbete, vänner, grupper på Facebook etc.) och det kan därmed påverka hur vi uppfattar verkligheten. På sociala medier har rykten dock en tendens att spridas även mellan kluster, vilket till stor del beror på hur populärt ryktet är och vem som delar det vidare.

Rykten på Facebook

Massmedier och informella informationskanaler

Medierna spelar också en stor roll för människors uppfattning av rykten och kan hjälpa till att upprätthålla rykten (Bangerter & Heath, 2004; Tai & Sun, 2011). När en populär vetenskapsmyt studerades – att musik av Mozart ökar intelligensen hos spädbarn – så var det huvudsakligen medierna som var uppkomsten till myten genom att först citera de vetenskapliga artiklarna, men det var andra källor utanför vetenskapen som medierna senare förlitade sig på för att upprätthålla myten över tid (Bangerter & Heath, 2004).

Mytens kraft avtog dock efterhand som kritiska publiceringar tilltog. Det har föreslagits att rykten framför allt uppkommer när vanliga formella eller officiella informationskanaler såsom massmedier inte kan förse människor med relevant information (DiFonzo & Bordia, 1997). Men här är det viktigt att inte hamna i förenklingar. Tai och Sun (2011) undersökte nämligen ryktesspridning i Kina och de kommer med en viktig sociologisk insikt, nämligen att de rykten som får spridning i samhället också är ett resultat av det politiska systemet.

Kina förbjöd medierna att rapportera om en SARS-epidemi för att minska risken för panik bland medborgarna. När regimen väl lättade på mediernas förbud ökade följaktligen rapporteringen kring epidemin och därmed också ryktesspridningen bland människor (Tai & Sun, 2011). Ryktena förankrades och beskrevs ofta utifrån lokala och kulturella berättelser (till exempel folksägner) och de mest spektakulära ryktena (till exempel ett nyfött barn som helt plötsligt börja rabbla upp botemedel mot SARS) fick mest spridning i de kinesiska massmedierna.

Med tanke på Tai och Suns studie så räcker det inte med att officiella informationskanaler existerar (DiFonzo & Bordia, 1997), utan det finns en interaktion mellan det politiska systemet och mediesystemet (Hallin & Mancini, 2004) vad gäller trovärdighet. Med andra ord, om medborgarna i ett odemokratiskt samhälle inte har förtroende för regimen så lär de knappast ha något vidare högt förtroende för statskontrollerade medier. Följaktligen lär ryktesspridningen kunna pågå lika mycket trots att formella informationskanaler existerar eftersom de kinesiska massmedierna historiskt sett har undanhållit viktig information från de kinesiska medborgarna. Detta säger oss att förtroendet till informationskanalerna är en viktig faktor att ta hänsyn till, inte bara informationskanalernas existens.

Rykten och psykologi

Psykologiska faktorer som möjliggör spridning

Så långt har de olika sociala faktorerna som möjliggör spridningen beskrivits. Men vilka är de psykologiska?

Individens ångest

Rykten kännetecknas framför allt av situationer av osäkerhet (Allport & Postman, 1947; Rosnow et al., 1988; DiFonzo & Bordia, 1997) och personlig ångest (Rosnow, 1980; Pezzo & Beckstead, 2006). När det uppstår osäkerhet och ångest hos individen sätter ryktet igång en process för individen att skaffa sig kunskap. Genom att föra ryktet vidare till relevanta personer kan individen öka sin kunskap om den eventuella personalneddragningen, men samtidigt bidrar individen också till att ryktet sprids vidare.

Det förstärker paradoxalt nog både osäkerheten och ångesten i nätverket som helhet liksom möjligheten för ryktet att spridas vidare (Bordia & DiFonzo, 2004). Under krig, naturkatastrofer och andra typer av kriser finns det framför allt goda förutsättningar för rykten att spridas vidare (Tai & Sun, 2011; Rosnow et al., 1988). Det beror bland annat på att mångtydigheten i situationen gör att det inte finns några raka och enkla svar på vad det är som händer, och att den information som finns är svår att bekräfta. Rykten fyller därför en viktig funktion för individen att försöka fylla i den kunskapsluckan.

Pezzo och Beckstead (2006) påpekar dock på problemet med att ryktesforskningen har studerat tre olika typer av ångest (anxeity). De olika typerna är:

  1. situationsbaserad ångest där vissa situationer kan inducera mer ångest än andra, till exempel mördare på campus jämfört med ökat antal tentor.
  2. ryktesspecifik ångest där vissa ämnen skapar mer ångest än andra ämnen, till exempel ”mördare lös” jämfört med “mördare fångad”.
  3. ångest som karaktärsdrag där den kroniska ångesten kan skilja mellan individer.

Eftersom dessa tre typer av ångest sällan har särskilts är det svårt att dra några generella slutsatser om vilken av dem som egentligen är relevant, vilket också förklarar varför resultaten hittills har varit motstridiga (Pezzo & Beckstead, 2006). Pezzo och Beckstead menar att situationsbaserad ångest bäst förklarade varför rykten sprids, medan tidigare forskning pekat på ryktesspecifik ångest som den bästa förklaringen. Klart är i alla fall att ångest är en viktig faktor för ryktesspridning.

Osäkerhet hos mottagaren

Rykten som skapar osäkerhet hos individen tenderar att spridas vidare mer (Bordia & DiFonzo, 2004). Då menar jag inte att ryktet i sig är osäkert, utan att ryktet skapar osäkerhet hos mottagaren. Ett rykte som är osäkert i sig självt (exempelvis ”det finns 20 terrorister i Afghanistan”), men inte skapar osäkerhet hos mottagaren har därför inte någon stor chans att spridas vidare. Därför kan omformuleringar av ryktets innehåll göra att rykten med låg osäkerhet får fortsatt och bredare spridning när det får en gestaltning med hög osäkerhet (”det finns 20 terrorister i Afghanistan, och de är på väg hit!”).

Bangerter och Heath (2004) visade att ett rykte huvudsakligen spreds vidare efter att det hade omformulerats. Enligt Moscovici (1984) så beror det på att okända idéer måste förankras i en redan existerande gestaltning av omvärlden för att kunna förstås och därmed kommuniceras. En sådan gestaltning kan exempelvis vara de kulturella föreställningar som finns i samhället (Knapp, 1944; Tai & Sun, 2011).

För att ta ett konkret exempel, en historia som berättades av svarta ungdomar hade en vit antagonist medan samma historia som berättades av vita ungdomar hade en svart antagonist (DiFonzo et al., 2013, s. 378). Därmed blir kunskap om sociala förhållanden och kulturella värderingar i ett samhälle nödvändig för att förstå ryktesspridning. (Det kan också förklara varför de evolutionära perspektiven inte har varit fruktsamma forskningsvägar: De tar inte hänsyn till de sociala aspekterna, utan bara ryktets karaktär.)

Upplevd viktighet

Om ett rykte är av högre vikt eller betydelse eller skapar större engagemang för en individ, desto större är också chansen att det sprids vidare. Vissa forskare har argumenterat för att individer sällan sprider rykten vidare om de personligen anser att ryktet inte går att lita på, eftersom det skulle underminera deras egen status (för exempel, se Pezzo & Beckstead, 2006, s. 99). Flera studier har också visat att individens tro på ryktets sanningshalt (det vill säga godtrogenhet) är en viktig faktor till om det sprids vidare (Rosnow, Yost & Esposito, 1986; Rosnow et al., 1988).

Ryktets orsak och verkan

En av ryktenas funktion som har lyfts fram som särskilt viktig är den att skapa ordning och förståelse i en kaotisk värld genom att ordna och tolka det som händer i verkligheten genom att beskriva dem i orsakskedjor (DiFonzo & Bordia, 1997, 2002; Bordia & DiFonzo, 2004). Det innebär att rykten inte behöver ha hög trovärdighet eller bli betrodda för att påverka människor, de behöver bara skapa förståelse (DiFonzo & Bordia, 1997, s. 346).

Stereotyper och skensamband kan också aktiveras av rykten. Till exempel, om en individ förväntar sig att en person ska bete sig på ett visst sätt, utifrån en negativ stereotyp, så triggar ryktet igång den stereotypiska förklaringsmodellen. På så vis finnas det en kausal komponent i rykten (DiFonzo & Bordia, 2002).

Inte alla tror på rykten

Den enskilda individen är såklart viktig i spridandet av rykten. Men det går inte att göra en förenklad uppdelning mellan de som sprider rykten och de som tar emot rykten (se Belen et al., 2011). I tabellen nedan listas olika typer av roller en individ kan ta på sig när ett rykte dyker upp. Det är ju fullt möjligt att introducera ett rykte med avsikten att kritiskt granska det.

En person behöver inte ingå i en enda roll, utan kan ingå i olika roller beroende på situation, tidpunkt och vilka man pratar med (Bordia & DiFonzo, 2004).

Sju typer av kommunikationsroller en individ kan inta i relation till ett rykte (Bordia & Rosnow, 1998):

Roll Beskrivning Exempel
Skeptical disbeliever Visar skepsis mot ryktet. ”Jag är väldigt skeptisk”, ”tro inte på allt du läser”
Positivistic Försöker verifiera och bekräfta ryktet genom att hänvisa till mediekällor eller egen erfarenhet. “Enligt onsdagens Dagens Nyheter….”, ”Jag har använt produkten länge och…”
Apprehensive believers Uttrycker en tro på ryktet och samtidigt en oro inför det. ”Det är skrämmande, men så är det”
Anxious Visar en allmän oro inför ryktet, men uppvisar däremot ingen tro på det. ”Vår integritet är hotad överallt i dagens övervakningssamhälle”
Curious Nyfikenhet kring ryktet genom att ställa frågor. “Vilken sida i Dagens Nyheter stod det?”
Prudent initiators Introducerar ryktet men visar samtidigt skepsis mot det. ”Jag vet inte om detta är sant eller ej”
Investigators Uttrycker en önskan om att söka bekräfta ryktet genom att bland annat ställa frågor. ”Varför skulle just den undersökningen slå hål på all tidigare forskning?”

Slutsats

Sammanfattningsvis finns det flera psykologiska faktorer som påverkar ryktesspridning:

  • godtrogenhet
  • personlig ångest
  • hur viktigt ryktet upplevs
  • situationsbaserad osäkerhet
  • misstro till officiella informationskällor

Rykten syftar till att skapa ordning i en kaotisk värld och sätta saker och ting i ett sammanhang, med en berättelse om vad som är orsak och verkan. Det sammanhanget är de förställningar som finns hos individerna på förhand, vilket ofta kommer utifrån (det vill säga kulturen eller samhället). Individen kan också inta olika roller i relation till ryktet, till exempel att lägga fram det för att kritiskt ifrågasätta det.

Strukturen på det sociala nätverket påverkar också ryktesspridningen, som exempelvis om man umgås med familj och vänner eller, framför allt i våra tider, via sociala medier. Ju mer sammanlänkade personer i ett nätverk är, desto större chans att ryktet kan spridas vidare. Beroende på i vilket kluster en individ befinner sig, kan sammanhanget underlätta eller hindra ryktesspridningen, och i förlängningen också underlätta eller hindra att hitta det som egentligen är sant.

Ryktesforskningen har varit eftersatt eftersom det har varit svårt att gå tillbaka i efterhand och se hur rykten har utvecklats. Med internet och sociala medier är det förstås inte längre en fråga om tillgänglighet för forskare, utan snarare motivation och intresse.

Vad kan rykten få för konsekvenser?

Ryktesspridning är förmodligen något de flesta människor erfarit antingen som mottagare eller spridare av rykten. Då vi som människor inte kan nå absolut och fullständig kunskap är följaktligen osäkerhet en oundviklig del av livet. Och där det finns osäkerhet, finns det i regel också rykten.

Rykten kan sätta aktiebörser i gungning (DiFonzo & Bordia, 1997), skapa sociala problem på grund av stereotyper och fördomar (Thompson et al., 2000), påverka förtroendet för forskning (Bangerter & Heath, 2004) och inte minst skapa osämja eller konflikter på arbetsplatser (Michelson et al., 2010).

Det kan lika väl vara ett sätt för pr-konsulter och andra kommunikatörer att sälja sin prylar genom viral marknadsföring för att öka uppmärksamheten för en produkt. Politiska partier och ideologier kan kapitalisera på ryktesspridning genom att exempelvis konstruera orsaksberättelser om kriminalitet och invandring. Det gör att ryktesspridning har en central del i många olika delar av samhället.

Att ha total kunskap om något är omöjligt och därför kommer ryktesspridning alltid att finnas. Det finns nämligen inget i definitionen av rykten som säger att det måste vara osant, bara att informationen är osäker. Det är en oerhört viktig skillnad att komma ihåg eftersom eliminerandet av all ryktesspridning inte nödvändigtvis heller behöver vara av godo. Men om man inte vet hur rykten uppstår är det förstås svårt att bekämpa dem.

Se en kort presentation av rykten

Referenser och vidare läsning

  • Allport, G. W., & Postman, L. (1947). The Psychology of Rumor. New York: Holt, Rinehart & Winston.
  • Bangerter, A., & Heath, C. (2004), The Mozart effect: Tracking the evolution of a scientific legend. British Journal of Social Psychology, 43, 605–623.
  • Belen, S., Kropat, E., & Weber, G. W. (2011). On the classical Maki–Thompson rumour model in continuous time. Central European Journal of Operations Research, 19(1), 1–17.
  • Bordia, P., & DiFonzo, N. (2002). When social psychology became less social: Prasad and the history of rumor research. Asian Journal of Social Psychology, 5, 49–61.
  • Bordia, P., & DiFonzo, N. (2004). Problem Solving in Social Interactions on the Internet: Rumor as Social Cognition. Social Psychology Quarterly, 67(1), 33–49.
  • Bordia, P., & Rosnow, R. L. (1998). Rumor Rest Stops on the Information Highway: Transmission Patterns in a Computer-Mediated Rumor Chain. Human Communication Research, 25(2),163–79.
  • Cheng, J-J., Liu, Y., Shen, B., & Yuan, W-G. (2013). An epidemic model of rumor diffusion in online social networks. The European Physical Journal B, 86(29), 1–7.
  • DiFonzo, N., & Bordia, P. (1997). Rumor and Prediction: Making Sense (but Losing Dollars) in the Stock Market. Organizational Behavior and Human Decision Processes, 71(3), 329–353.
  • DiFonzo, N., & Bordia, P. (2002). Rumors and stable-cause attribution in prediction and behavior. Organizational Behavior and Human Decision Processes, 88, 785–800.
  • DiFonzo, N., Bourgeois, M.  J., Suls, J., Homan, C., Stupak, N., Brooks, B. P., Ross, D. S., & Bordia, P. (2013). Rumor clustering, consensus, and polarization: Dynamic social impact and self-organization of hearsay. Journal of Experimental Social Psychology, 49(3), 378–399.
  • Hallin, D. C., & Mancini, P. (2004). Comparing Media Systems: Three Models of Media and Politics. Cambridge: Cambridge University Press.
  • Knapp, R. H. (1944). A Psychology of Rumor. The Public Opinion Quarterly, 8(1), 22–37.
  • Kunda, Z. (1990). The case for motivated reasoning. Psychological Bulletin, 108, 480–498.
  • Lewandowsky, S., Ecker, U., Seifert, C., Schwarz, N., & Cook, J. (2012). Misinformation and Its Correction: Continued Influence and Successful Debiasing. Psychological Science in the Public Interest, 13(3), 106–131.
  • Michelson, G., van Iterson, A., & Waddington, K. (2010). Gossip in Organizations: Contexts, Consequences, and Controversies. Group & Organization Management, 35(4), 371–390.
  • Moscovici, S. (1984). The phenomenon of social representations. I R. M. Farr & S. Moscovici (Red.), Social representations (s. 3–69). Cambridge/Paris: Cambridge University Press/Maison des Sciences de l’Homme.
  • Pezzo, M. V., & Beckstead, J. W. (2006). A Multilevel Analysis of Rumor Transmission: Effects of Anxiety and Belief in Two Field Experiments. Basic and Applied Social Psychology, 28(1), 91–100.
  • Rogers, E. M. (1995). Diffusion of innovations. New York: Free Press.
  • Rosnow, R. L. (1980). Psychology of Rumor Reconsidered. Psychological Bulletin, 87(3), 578–591.
  • Rosnow, R. L. (1991). Inside rumor: A personal journey. American Psychologist, 46, 484–496.
  • Rosnow, R. L., Esposito, J. L., & Gibney, L. (1988). Factors influencing rumor spreading: Replication and extension. Language & Communication, 8(1), 29–42.
  • Rosnow, R. L., Yost, J. H., & Esposito, J. L. (1986). Belief in rumor and likelihood of rumor transmission. Language and Communication, 6, 189–194.
  • Tai, Z. & Sun, T. (2011). The rumouring of SARS during the 2003 epidemic in China. Sociology of Health & Illness, 33(5), 667–693.
  • Thompson, M. S., Judd, C. M., & Park, B. (2000). The Consequences of Communicating Social Stereotypes. Journal of Experimental Social Psychology, 36, 567–599.
  • Weenig, M. W. H., Groenenboom, A. C. W. J., & Wilke, H. A. M. (2001). Bad News Transmission as a Function of the Definitiveness of Consequences and the Relationship Between Communicator and Recipient. Journal of Personality and Social Psychology, 80(3), 449–461.

Så ökade jag min konvertering på hemsidan med 637 %

Peter Dahlgren Leave a comment

Konvertering och optimering

Jag har alltid fascinerats över marknadsföringstips på nätet. Det brukar handla om att något företag ökat sin konverteringsgrad med 637 procent och hur du kan göra likadant.

När man klickar sig vidare för läsning är tipsen oftast sådant man hört tusen gånger tidigare. Det handlar om att skaffa responsiv design, skriva bättre texter, tänka på vad målgruppen vill ha och andra triviala saker. Målgruppen tycks vara de som precis köpt en dator och börjat bygga på sin hemsida.

Men man kan också ifrågasätta själva råden.

De senaste åren har jag roat mig med att följa påståenden hela vägen till källan. Framför allt påståenden i sociala medier som hänvisar till nyheter. Det är ofta underhållande och visar vad folk slarvar med, missuppfattar, misstolkar eller i värsta fall förvränger medvetet.

Det här inlägget fångade mitt intresse: 16 Reasons People Leave Your Website:

Där får jag reda på att 94 procent av respondenterna i en undersökning ansåg att designen på en webbplats låg bakom webbplatsens låga förtroende.

Oj, det var mycket! Hela 94 procent!

Jag klickar på första länken i inlägget för att komma till texten: The ”Content is King” Myth Debunked:

94 procent igen!

Det låter onekligen som något vi måste ta hänsyn till när vi bygger hemsidor. Men jag vill gärna veta mer om studien. Lyckligtvis finns den längst ned i det senare blogginlägget: Trust and mistrust of online health sites.

Hur många var det då?

15 personer

I forskningsstudien frågade forskarna 15 (!) kvinnor hur de bedömer trovärdigheten hos medicinska webbplatser. Kvinnorna lyfte bland annat fram att design är en viktig faktor, och 94 procent av kvinnornas kommentarer handlade om design.

Detta var en diskussion i en fokusgrupp, och fokusgrupper går absolut inte att generalisera till ”internetanvändare” eller något liknande. Fokusgrupper används för att skapa en förståelse för något, eller rimligen hitta en bredd av argument runt ett fenomen (så kallad teoretisk generalisering, vilket är något annat än dess ärkefiende statistisk generalisering).

Den första personen som länkar till studien (bild 2 ovan) har förmodligen knapphändigt läst studien, men missförstått den. Den andra personen (bild 1 ovan) har förmodligen inte alls läst studien, utan bara läst sammanfattningen från den första personen. Som en viskelek utan tillstymmelse till källkritik.

Det blir också uppenbart om man börjar räkna på procentsatserna. Vad är 94 procent av 15 personer? 14,1 personer.

Det finns en anledning till att människor gärna pratar i procentsatser hit och dit, och helst utelämnar ”råa” siffror. Det är helt enkelt lättare att låta märkvärdig genom att undanhålla information.

Precis som 637 procent ökad konverteringsgrad är jättelätt att åstadkomma om man började sälja saker förra veckan. Men heter man Adlibris eller Amazon vore en sådan ökning närmast att betrakta som ett mirakel.

I sådana sammanhang är ökningen alltid relativt till befintlig konvertering, och den måste man ju veta något om innan man kan uttala sig om förändringen är bra eller dålig.

Content is King

I forskningsstudien står det också att ”content factors were more important than design features in describing trusted or well-liked sites.” Med andra ord betraktades innehåll som viktigare än design. Men design var viktigt för att avgöra om man ska stanna vid en webbplats man precis kommit till, eller gå vidare.

Så bloggaren har alltså skrivit ett blogginlägg som heter ”The ’Content is King’ Myth Debunked” genom att hänvisa till en forskningsartikel som beskriver att innehåll är viktigare än design. Vad säger det om bloggaren?

Slutsats

Tro inte på all marknadsföringsstatistik som cirkulerar på nätet.

En stor del av det som sprids på nätet är illa underbyggt och syftar snarare till att vara marknadsföring än att sprida kunskap om marknadsföring.

Vi får bara veta procentsatser men får sällan veta hur en undersökning genomförts, vilka den uttalar sig om eller vad som egentligen är frågan. Däremot får vi ofta se tjusiga infographics.