Kulturudvalget 2019-20
KUU Alm.del
Offentligt
2231471_0001.png
Kulturministeren
Folketingets Kulturudvalg
Christiansborg
1240 København K
Kulturministeriet
Nybrogade 2
1203 København K
Tlf
: 33 92 33 70
E-mail : [email protected]
Web
: www.kum.dk
14. august 2020
Folketingets Kulturudvalg har den 17. juli 2020, efter ønske fra Søren Søndergaard (Ø),
stillet mig følgende spørgsmål, nr. 384 (Alm. del), som jeg hermed besvarer.
Spørgsmål:
Vil ministeren indhente oplysninger fra DR om, hvorvidt det i DRs kandidattests til
folketings-, kommunal- og EU-parlamentsvalg er DRs målsætning, at der ved en
tilfældig besvarelse af testen er samme sandsynlighed for at være mest enig med
enhver af testens kandidater?
Svar:
Jeg har forelagt spørgsmålet for DR, som oplyser følgende:
”Det
er ikke ambitionen for kandidattesten, at en tilfældig besvarelse giver samme
sandsynlighed for at være mest enig med enhver kandidat, der deltager i testen. Hvis
alle kandidater skulle opnå samme sandsynlighed, ville det forudsætte, at alle
besvarelserne var jævnt fordelt i 'besvarelsesrummet'. Det er de ikke, hvilket blandt
andet kan ses ved, at mange kandidater har besvarelser, der ligger tæt op ad en eller
flere andre kandidaters besvarelser.
Det må antages, at hverken kandidaterne eller vælgerne svarer tilfældigt. Antagelsen
for en kandidattest må være, at såvel kandidater som vælgere svarer, som de mener.
Det er ikke desto mindre et vigtigt spørgsmål, om der er en ‘skævhed’ i den måde, en
kandidattest matcher vælger og kandidat. Det er noget, vi bruger mange kræfter på at
forholde os til. Nedenfor opridses punktvist DR’s tilgang:
- Hvilken metode benytter DR?
Vores beregning tager udgangspunkt i nærhedsmodellen. Den foreskriver, at vælgeren
stemmer på det nærmeste parti, og at vælgernes sympati aftager med afstanden til
partiet. Inden for nærhedsmodellen skelner man mellem to overordnede matematiske
afstandsberegningsmetoder:
Dok. nr. 20/03175-3
KUU, Alm.del - 2019-20 - Endeligt svar på spørgsmål 384: Spm. om, hvorvidt det i DRs kandidattests til folketings-, kommunal- og EU-parlamentsvalg er DRs målsætning mv., til kulturministeren
2231471_0002.png
Taxi Cab
Euklidisk metode
Ved folketingsvalget i 2015 overgik DR og Altinget til den euklidiske
afstandsberegningsmetode fra Taxi Cab. Metoden blev dengang gennemgået af
statistikprofessor Susanne Ditlevsen fra Københavns Universitet, ligesom vi løbende
har sparret med valgforsker og professor i statskundskab ved Københavns Universitet,
Kasper Møller Hansen
både på udformning af spørgsmål og metode.
De to skalaer går begge fra -1 til 1 og tager hensyn til afstanden på tværs af enig/uenig-
dimensionen. Den store forskel på de to metoder er hovedsageligt hvilken matematisk
vægtning, man får, hvis der er forskel mellem kandidaten og brugerens svar. Der er tale
om minimale forskelle på det samlede resultat.
DR valgte ved folketingsvalget i 2019 at fjerne muligheden for at svare ”Ved ikke” og i
stedet tilbyde, at man kunne springe en række spørgsmål over. Det skyldes, at såvel
kandidater som vælgere kan svare ”Ved ikke” af mange forskellige årsager (f.eks.
at
man er i tvivl, eller at man ikke accepterer præmissen for spørgsmålet).
- Findes der en bedre metode?
DR undersøgte frem mod 2019 en række alternative modeller og fik herunder et bud fra
et meningsmålingsinstitut på en statistisk model med maskinlæring. Vi valgte
imidlertid at fortsætte med den relativt simple og udbredte udregning
ikke mindst ud
fra professor Kasper Møller Hansens vurdering af, at en kompleks og foranderlig model
ville kunne virke uigennemskuelig. Hvis vi kan forklare det, vi laver, kan vi også
forsvare det.
Der er ingen sandhed at hente i algoritmerne, selvom den ene model kan være
marginalt bedre end den anden. Det er først og sidst en begavet leg med holdninger,
som kan inspirere til videre undersøgelse. Derfor bliver gennemsigtighed et afgørende
parameter.
Fra kandidattesten i 2019 linkede vi derfor direkte til artiklen ”Hvordan
har I lavet
den? Syv spørgsmål og svar om kandidattesten”
(https://www.dr.dk/nyheder/politik/folketingsvalg/hvordan-har-i-lavet-den-syv-
spoergsmaal-og-svar-om-kandidattesten),
hvor vi blandet andet skriver:
’Kandidattesten
er en begavet leg med politiske holdninger og kandidater, men ikke en
facitliste. Den viser, hvor enig du er med en række kandidater og partier på 30 konkrete
politiske spørgsmål. Et politisk parti og kandidat er meget mere end det, og derfor er
Kandidattesten først og fremmest en anledning for dig til at finde mere viden om de
politiske partier, de enkelte kandidater og de
spørgsmål, der deler vandene.’
Side 2
KUU, Alm.del - 2019-20 - Endeligt svar på spørgsmål 384: Spm. om, hvorvidt det i DRs kandidattests til folketings-, kommunal- og EU-parlamentsvalg er DRs målsætning mv., til kulturministeren
I udvælgelsen af spørgsmål er den største udfordring faktisk den modsatte: At skelne
mellem partier, der ligger holdningsmæssigt meget tæt, og sikre, at spørgsmålene
udformes, så hvert parti har en unik profil, som brugerne kan matches op imod.
- Hvad gør andre medier?
DR indgår sammen med Altinget (der på vegne af DR indhenter data til kandidattesten
og i samarbejde med DR udarbejder modellerne) i et europæisk netværk om udviklingen
af VAA’er (voting advice application = kandidattest) sammen med en række europæiske
udbydere bl.a. NRK, SVT, YLE og den tyske Wahlomat. Der er en bred konsensus i
kredsen om at benytte sig af en nærhedsudregning
enten euklidisk eller Taxi Cab.
Afsættet til kandidattesten 2019 blev taget på en workshop den 14. marts 2018 med
deltagelse af SVT, NRK, YLE, DR og hollandsk TreCompany, der udvikler kandidattest
i Holland, Belgien og Frankrig.
- Er metoden noget DR selv har fundet på?
Nej. Der er videnskabelig dokumentation for de metodevalg, DR har truffet, jævnfør
eksempelvis ”Matching
Voters with Parties and Candidates: Voting Advice Applications
in a Comparative Perspective”,
redigeret af Diego Garzia og Stefan Marschall, ECPR
Press (kapitel 4 handler specifikt om udregningsmetoder) og artikler i Journal of
Elections, Public Opinion and Parties, Routledge.”
Joy Mogensen
Side 3