Partiet du blir anbefalt: NRKs valgomat-team reflekterer over algoritmenes makt

---

I NRKs valgomat kokes 2.000 påstander ned til en partipreferanse. Bak det tilsynelatende enkle svaret ligger det utallige avveininger og forenklinger, hva tenker teamet som gjorde dem?

Algoritmer spiller en stadig større rolle i samfunnet: De foreslår hva slags musikk vi skal høre, når vi trenger litt mer fysisk aktivitet, hvem vi burde møte, hvor politiet skal patruljere, og hvilket politisk parti vi står nærmest.

Samtidig vet jeg fra mitt arbeid som forsker ved UiO at det er vanskelig for folk flest å skjønne hva algoritmene egentlig gjør.

Etter min mening er algortimer verken en «objektiv teknologi», eller en helt «svart boks». De er politiske fordi de utformer samfunnsprosesser og påvirker offentlig debatt.

Algoritmen som ligger bak valgomaten er for eksempel et resultat av avveiningsprosesser rundt påstandene, den matematiske fortolkningen av dem, og visualiseringen av utfallet. Denne typen beslutninger gjør at algoritmer og deres utforming aldri er nøytrale, og at de er med å styre samfunnet.

Det er derfor nødvendig å gi kontekst om hvordan de er laget og hvordan de brukes.

Særlig i valgomater er algoritmens rolle avgjørende og ganske direkte knyttet til politiske spørsmål. Derfor har jeg gjort et intervju med teamet bak NRKs valgomat.

Påstandene må redigeres

Prosessen med å lage en valgomat starter med at journalister fra hele Norge henter inn påstander fra sine kommuner. Men å finne påstander som faktisk skiller partiene er ikke så lett.

Valgomaten prøver å ta høyde for at politiske partier kan måles på flere ideologiske akser: Sentrum-periferi, religiøs-sekulær, og høyre-venstre, er bare noen av konfliktlinjene i norsk politikk. Det er med det algoritmenes politikk begynner.

Mareile Kaufmann: Å lage en valgomat krever forskjellige typer samarbeid. Journalister identifiserer og skriver påstandene, utviklere oversetter påstandene og mulige svar inni algoritmen, og designere visualiserer resultatene. Har dere inntrykk av at dere har kontroll over hele prosessen?

Hans Cosson-Eide (journalist): Det vi vet nå er at algoritmen funker veldig bra til å skille etablerte partier. En større utfordring er hvordan den står seg for partier som bare stiller i en kommune, som ikke sitter på stortinget, og ikke tydelig lar seg plassere i et ideologisk landskap, men som likevel skal arve poenger fra den ideologiske delen.

Mareile: Begunstiger algoritmen da de store partiene?

Stian Veum Møllersen (utvikler): De påstandene vi har valgt ut er ment å representere det politiske landskapet flest velgere vil kjenne seg igjen i. Vi må være forsiktige så vi ikke ender opp i en situasjon der de små partiene drukner helt, og fra før vet vi at det også kan gå andre veien.

Mareile: Hans og Christian, deres rolle er å velge valgomatens innhold så den representerer et politisk system, men også et matematisk system som kan beregne svarene. Hvordan gjør dere det? Hvordan påvirker denne kurateringsprosessen politikk og politiske valg?

Christian Lura (journalist): Vi har en påstand fra enten et venstre- eller høyreståsted, for eksempel: «Eiendomskatten bør fjernes.» Da har du et borgerlig ståsted. Og hvis vi sier: «Eiendomskatten bør ikke fjernes.» så har du et standpunkt som er nærmere Arbeiderpartiet. Vi bestemme oss: Hvordan skal vi formulere påstanden?

Vi må ha en balanse i hvordan vi stiller spørsmål. Det er jo også umulig for brukerne å gå gjennom alle 2-3.000 påstander. Det viktigste vi har gjort er å få en god balanse mellom de lokale og de nasjonale påstandene – for ellers kunne vi fått skjeve resultater.

Når politiske påstander møter matematikk

Påstandene må også tolkes på en matematisk måte så algoritmen kan beregne hvor nært brukeren står et parti. Å kartlegge det politiske landskapet og plassere påstandene der, er både matematisk og politisk fortolkningsarbeid.

Mareile: Hvordan beregner algoritmen påstandene?

Christian: I fortolkningen har vi egentlig bare fire verdier: helt uenig – litt uenig – litt enig – helt enig. Matematisk -2, -1, +1, + 2. Verdien for å ha ingen mening har vi tatt vekk. Vi lar ikke de politiske partiene å ha ingen mening i en sak. Og det er en utfordring for småpartiene.
Mange av disse listene nekter at de skal eksistere i dette skisma. De sier «nei, vi er folk fra alle samfunnslag og alle holdninger, og vi forholder oss ikke til disse skillelinjene – hva skal vi gjøre med disse listene?» Vi må plassere partiene i landskapet.

Mareile: Hva med brukere? Får de lov å ikke ha en mening om en sak?

Christian: De kan hoppe over opptil fem påstander. Det algoritmen gjør er å matematisk måle avstandene fra det du mener til det partiene mener. Gjør du det 25 ganger vil det utkrystallisere seg et parti eller to som du står nærmest.

Mareile: Hvordan dere plasserer påstandene i det politiske landskapet og hvordan brukernes svar forholder seg til denne skillelinjen er da en av de største utfordringene. Man kan si at samspillet av disse parameterne er det som bestemmer algoritmens virkemåte.
Er det matematisk begrunnet at man trenger et visst antall spørsmål eller er det politisk begrunnet?

Melinda Furulund (grafisk design): Det er en balanse. Når vi snakker om brukere så ville de gjerne ha ganske mange spørsmål så de tror på resultatet. De tror ikke på bare fem spørsmål.

Hans: Og folk tar det ikke seriøst hvis de bare svarer «Ja» eller «Nei». En fire-poeng skala skiller bedre. Når det gjelder det praktiske, så er kanskje det vanskeligste å finne et godt skille mellom SV og Rødt. Da har vi en påstand som bare er designet for å skille Rødt og SV fra hverandre.

Mareile: Og dere sjekker hvordan påstanden stemmer overens med partiprogrammet med partiene selv?

Hans: Ja, vi har et møte med alle partiene. Der får vi innspill om hvor de selv mener de skal stå på skalaen og det bidrar til å oppklare misforståelser.

Mareile: Stian, kan du forklare oss hva algoritmens rolle er når den beregner og knytter sammen påstandene?

Stian: Det algoritmen gjør er å ta et sett med svar fra velgerens side. Så sammenligner algoritmen disse med standpunktet til alle partiene som er med i valgomaten. Da ser vi avstandene i påstand mellom velgerens mening og partienes mening. Og så summerer vi opp alle disse avstandene og regner ut «nærhetsscoren», som er scoren av partiene velgeren star nærmest.

Her forklarer teamet bak i detalj hvordan algortimen fungerer.

Mareile: Dere relaterer de matematiske avstandene til det politiske landskapet. En vanlig kritikk er at algoritmers matematiske karakter standardiserer det de skal analysere. Er det helt riktig?

Stian: Det er veldig vanskelig å representere nyanser matematisk. Og det er en trade-off mellom kompleksitet og forutsigbarhet. Vi kunne ha tatt med oss alle nyansene og laget en superkompleks algoritme, men da blir det veldig vanskelig å forutse effekten av endringer i utvalget.

Mareile: Kan vi da tenke oss at vektleggingsprosessen dere forbereder og oversetter inni algoritmenes matematikk påvirker politisk valg?

Stian: Ja, reduksjonen i nyanse har definitivt en påvirkning på valget. Det er med å styre ordskiftet i debatten. Vi kunne laget en valgomat som tok med seg så mye nyanse som mulig, men da blir det også veldig komplisert for en velger å ta stilling til påstander. Vi ønsker ikke at velgere skal føle at de trenger en doktorgrad for å ta valgomaten.

Det er også et problem at mer nyanse fort gjør utformingen av påstander til en evig drakamp om semantikken til enkeltord. Da er det bedre at vi legger lista på et bestemt nivå.

Visualiseringen

Å lage en grafisk løsning for valgomaten er ikke bare en balansegang mellom å skape engasjement og nyansering. Det handler også om formidling og pedagogikk – for valgomaten er først og fremst et politisk dannelsesprosjekt, ifølge valgomat-teamet.

Mareile: Å visualisere valgomatens resultater er en viktig jobb. Det er dels en representasjon av politiske valg, men også av algoritmens resultater. Hvordan velger dere å designe valgomatresultatene?

Melinda: Brukere skal lære om norsk politikk. Det viktigste er da å synliggjøre det partiene har svart på selve påstandene for å gi nyansering. Vi ønsker ikke at folk ser hvor de ligger, men hva partiene sier om de påstandene. Det var et designvalg.

Mareile: Hvorfor har dere valgt dere en 4-poeng skala og ikke en glidende skala?

Melinda: Med en glidende skala så tar du et valg for brukeren før brukeren har begynt å dra på viseren. Den eneste stedet hvor vi kunne hatt viseren er i midten på «nøytral». Men vi ville ikke ha mange nøytrale svar fra brukeren, fordi da kan ikke algoritmen beregne standpunkt godt nok. Men hvis jeg har fire knapper som er like aktive, så er det enklere å bestemme selv hvor man skal begynne å tenke om spørsmålet.

Hans: En glidende skala ville hatt rom for flere nyanser. Men vi var redde for at det var ikke tydelig nok. Hva betyr det å dra viseren helt bortover? Det er personlige tolkninger, og da blir det vanskeligere å sammenlikne resultater.

Mareile: Så dere sier at fire standpunkt – selv om det fortsatt finnes spillerom for tolkning i disse svarene – gir den mest mulig presise tolkningen av brukerens svar. Alt annet gir oss mer nyansering, men også mer kaos og mindre sammenlignbarhet.

Hans: Vi kunne hatt en 100-punkt skala. Det gjør det vanskelig å plassere partiene. Jo større den skalaen blir, jo vanskeligere er det å si: hva gjør det at det partiet er en 3 og ikke en 4? Skalaen vi har valgt gjør det enklere å måle brukerens svar mot partienes standpunkter.

Mareile: Og skaper dermed en felles debatt …

Melinda: Ja. En 4-punkt-skala gjør det mer gjennomsiktig hvor partiene er plassert.

Ikke en objektiv teknologi

Derfor må algoritmenes bruk avveies og forberedes nøyaktig.

Mareile: Hva vinner og hva taper vi hvis vi bruker algoritmer for å forberede folk for valg?

Christian: Folk får vite hvor partiene står i landskapet og hvilke partier de står nær.

Stian: Vi trenger algoritmer eller metoder for å koke masse informasjon ned til noe mer håndfast, som er det valgomaten gjør når vi reduserer 25-30 påstander ned til et utfyllende svar. Da er det viktig at vi har full oversikt over hvordan algoritmen fungerer, slik at vi kommer med forsvarlige råd i tråd med den utdannende rollen vi har i samfunnet.

Mareile: Hvis vi skal ha en opplæringseffekt i samfunnet, så trenger vi også en forklaring av hvordan valgomatens algoritme fungerer, hvordan resultatene oppstår og hvordan beslutninger underveis i algoritmens utviklingsprosess påvirker politisk debatt.

Takk for at dere har tatt dere tiden for å forklare det.

Om du har lyst å prøve valgomaten etter å ha lest artikkelen finner du den her.