Baggrund og metode
Læs mere om projektet, hvad analyserne viser, metodologien bag barometeret, og få svar på ofte stillede spørgsmål.
Om projektet
Angrebsbarometeret hjælper journalister og offentligheden med at forstå tonen i den politiske debat på Facebook i Danmark. Ved hjælp af AI analyserer vi alle kommentarer på folketingspolitikernes Facebooksider og identificerer sproglige angreb.
Hvorfor er det vigtigt?
Størstedelen af den offentlige debat i Danmark foregår i dag online -og især på Facebook. Her mødes politikere, medier og borgere i kommentarspor, der former vores fælles forståelse af samfundet. Ifølge Institut for Menneskerettigheder deltager næsten fire gange så mange danskere i den offentlige debat i digitale rum som i fysiske. Samtidig viser en undersøgelse fra Syddansk Universitet, at 80 procent af de borgere, der engagerer sig i politiske diskussioner online, gør det på Facebook. Seks ud af ti danskere mellem 15 og 75 år besøger platformen dagligt.
Men hvor mange, der faktisk tager ordet, afhænger i høj grad af tonen. En tredjedel af danskerne har afholdt sig fra at deltage i den offentlige debat på sociale medier af frygt for negative reaktioner. Samtidig mener 59 procent, at onlinedebatten har behov for moderation. Mange politikere peger dog på, at de ikke har tid til at moderere deres egne kommentarspor -og flere har endda angivet den hårde tone som en medvirkende årsag til mistrivsel eller til at forlade politik.
Når tonen bliver hård, og sproglige angreb får lov at stå, påvirker det ikke kun dem, der rammes, men hele samtalen. Hvis en så stor del af befolkningen undlader at deltage, mister vi bredden i den demokratiske debat. Det handler derfor ikke kun om ytringsfrihed, men også om ytringstryghed.
▶Se kilder
Berlingske. (2021, 16. maj). En aften fik Pernille Skipper nok af had og gjorde noget helt nyt -men så kom en svær tanke.
Center for sociale medier, tech og demokrati. (2024a). Danskernes Holdning Til Den Demokratiske Samtale På Online Platforme. Slots- og Kulturstyrelsen.
Center for sociale medier, tech og demokrati. (2024b). Er Der Et Menneske Til Stede? Slots- og Kulturstyrelsen.
Danmarks Radio. (2024a, 21. april). Mette Frederiksen i opråb om hård tone på sociale medier.
Danmarks Radio. (2024b, 10. marts). Populær borgmester takker af: Har fået nok af sparerunder og “argumentresistente” internetkrigere.
Danmarks Radio. (2025). Medieudviklingen 2024.
Institut for Menneskerettigheder. (2024). Ytringsfrihed og Selvcensur.
Lorenzen, M. S., de Vreese, C. H., & Dalen, A. V. (2023). Digitaliseringen af den demokratiske samtale og deltagelsen i politiske diskussioner online. Syddansk Universitet.
Vigtigt at huske
Data er et udgangspunkt, ikke en konklusion
- Højt angrebsniveau betyder ikke automatisk at politikeren er offer
- Det kan betyde at deres retorik trigger angreb mod andre
- Undersøg altid konteksten -hvem angriber hvem?
- Verificer høje angrebsrater på de faktiske Facebook-opslag
Hvad kan barometeret?
Find mønstre Hvilke politikere har højest angrebsniveau?
Spot trends Er debatten blevet værre over tid?
Sammenlign Hvordan adskiller partier og politikere sig fra hinanden?
Undersøg kontekst Brug data som udgangspunkt for journalistisk research
Sådan fungerer barometeret
Datagrundlag
Hvad indsamler vi?
- Opslag og kommentarer fra offentlige Facebook-sider
- Vi indsamler ikke:
- Private beskeder
- Data fra politikernes Facebook-profiler
- Alle kommentarer er anonymiserede
- Kun dansksprogede opslag medtages (via automatisk sprogdetektering)
Hvilke politikere?
- Vi dækker 174 af 179 folketingsmedlemmer og 23 af 25 ministre med offentlige Facebook-sider
- Dashboardet opdateres dagligt med nye opslag og kommentarer
Vi har ikke kunnet finde Facebook-sider for: Alex Ahrendtsen (DF), Anna Falkenberg (SP), Leila Stockmarr (EL), Mette Kierkgaard (M), Peter Juel-Jensen (V), Caroline Stage Olsen (M), Lars Aagaard (M)
Statistiske tærskler
- Vi medtager kun politikere med mindst 200 kommentarer i den valgte periode i ranglisten
- Vi gør dette for at undgå situationer, hvor en politikers vurderede angrebsandel kan ændres væsentligt af en fejlklassificering af en enkelt kommentar. Det er altså en måde at tage højde for at vores model også kan tage fejl.
Hvad måler vi?
Et sprogligt angreb defineres som “stigmatiserende, nedsættende, krænkende, stereotypiserende, ekskluderende, chikanerende eller truende ytringer rettet mod personer eller grupper”.
Hadefulde angreb
Baseret på beskyttede karakteristika:
- Race/etnicitet, hudfarve, nationalitet
- Religion og tro
- Seksuel orientering, køn og kønsidentitet
- Socialklasse og social status
- Politisk orientering
- Alder, handicap og seriøse sygdomme
Anstødelige angreb
Ikke baseret på beskyttede karakteristika:
- Nedsættende/krænkende ord rettet mod personer
- Dehumaniserende sprog
- Upassende opfordringer
- Truende sprog eller ønsker om skade
- Stigmatisering eller delegitimering
Hvad tæller IKKE som angreb?
Kritik rettet mod situationer, tiltag, idéer og argumenter | Hård men saglig kritik | Faktuel uenighed eller politisk kritik
A&ttack 2.5 -AI-modellen
Dashboardet bruger A&ttack 2.5, den førende danske AI-model til at identificere sproglige angreb i Facebook-kommentarer. Modellen er open source og bygget på skandinavisk sprogteknologi. Den er specifikt trænet til at identificere sproglige angreb i danske Facebook-kommentarer, og tager højde for danske sproglige nuancer som sarkasme og kulturspecifikke udtryk.
Modellen er ikke perfekt -klassificering af sproglige angreb er en kompleks opgave hvor selv mennesker ofte er uenige. AI-modellen kan overse subtile angreb, misforstå ironi og sarkasme, og kan ikke skelne mellem hvem der angriber hvem i en kommentar.
Brug derfor altid modellens output som et udgangspunkt for journalistisk undersøgelse, ikke som endegyldige konklusioner.
Modellen er open source og kan findes på Hugging Face.
Træningsdata
- 160.000 kommentarer
- Menneskelige eksperter
- Præcise retningslinjer
- Dansk sprog og kultur
Fairness
- Relativt fair behandling
- Mindre variationer mellem grupper
Vigtige forbehold og begrænsninger
For journalister: Ansvarlig brug af data
Højt angrebsniveau betyder ikke at politikeren automatisk er offer. Der er grundlæggende to årsager til at en politiker kan have mange sproglige angreb i deres kommentarspor:
- Politikeren kan modtage mange angreb rettet mod dem selv eller grupper som de repræsenterer. Dette ser vi ofte hos kvindelige politikere samt politikere med minoritetsetnisk baggrund.
- Politikeren kan være vært for et kommentarspor, hvor der bliver skrevet mange sproglige angreb rettet mod andre grupper eller personer.
Verificer altid: I bunden af hvert Facebook-opslag er der et link ind til selve opslaget på Facebook. Vi opfordrer jer til at følge linket og besøge de konkrete opslag, der genererer mange sproglige angreb. Ofte kan man hurtigt se hvem størstedelen af angrebene er rettet mod ved blot at kigge på kommentarsporet.
Modellens tekniske begrænsninger
- Modellen identificerer ikke alle angreb (nogle overses)
- Nogle identificerede “angreb” er falske positiver
- Modellen er optimeret efter at være “gennemsnitligt optimal” -den hverken over- eller underestimerer antallet af angreb, selvom den fejlkategoriserer enkelte kommentarer
- Kan ikke se hvem der angriber hvem i en kommentar
Datakilder
- Kun Facebook-data -dækker ikke X/Twitter, Instagram eller andre platforme
- Kun politikere med offentlige sider
- Mere aktive politikere vil have flere data
- Facebook er stadig det langt største sociale medie i Danmark, men debat på Facebook repræsenterer ikke nødvendigvis hele befolkningen
Hvem står bag?
Os & Data
Os & Data er en demokratisk tech-virksomhed med speciale i digitale fællesskaber, både gode og dårlige. De udvikler værktøjer og viden til at forstå og ændre den digitale verden.
osogdata.dkAnalyse & Tal
Analyse & Tal er et analysekooperativ, der “tæller det der er svært”. Gennem nye digitale metoder skaber de viden og overblik over komplekse emner og problemer.
ogtal.dkVed publicering
Hvis der anvendes data fra dette site i et journalistisk produkt eller i en anden sammenhæng, skal Os & Data og Analyse & Tal nævnes som kilder. F.eks.: “Det viser data fra Angrebsbarometeret. Dataene er indsamlet og bearbejdet af Os & Data og Analyse & Tal.”