# Analyser af Folkemødet 2026

Analyserne kombinerer det offentlige programarkiv med anonyme programvalg fra Folkemøde-appens brugere. Arkivet viser forskellen mellem det, der blev udbudt, og det brugerne faktisk gemte i deres egne planer.

Datagrundlaget består af 3.772 events og 6.824 anonyme markeringer fordelt på 369 devices. Det skal læses som et prioriteringssignal fra app-brugerne, ikke som en repræsentativ publikumsundersøgelse.

## Hvad arkivet undersøger

- Hvilke events, temaer og formater app-brugerne prioriterede.
- Hvor efterspørgslen afveg fra programudbuddet.
- Hvilke ruter og sammenhænge der opstod, når de samme devices valgte flere events.

## Analysekatalog

- [Hvad valgte folk faktisk?](/analyser/hvad-valgte-folk/): Det interessante Folkemøde ligger i afstanden mellem udbud og prioritering. Når vi måler på markeringer, ser vi ikke bare emner, men hvad mennesker faktisk byggede deres dage omkring.
- [Folkemødet var også en festival](/analyser/folkemodet-som-festival/): Underholdning og performance fungerede som sociale og tidslige ankre. De trak ikke fordi de var apolitiske, men fordi de gjorde programmet konkret at planlægge efter.
- [Verden udenfor trak folk ind](/analyser/verden-bragte-folk-sammen/): Geopolitik var ikke niche. Den overperformede, når verdensorden blev oversat til konkrete beslutningsspørgsmål: kan Danmark vinde krigen, kan Europa stå selv, og hvad gør små åbne økonomier, når allierede, markeder og sikkerhedsgarantier ikke længere kan tages for givet?
- [Teknologi var ikke et sidespor](/analyser/teknologi-var-mainstream/): Teknologi og digitalisering overperformede, fordi temaet fungerede som en konfliktakse på tværs af Folkemødet. Når data, AI, platforme og infrastruktur blev koblet til demokrati, velfærd, klima, forskning og Europas konkurrencekraft, blev tech ikke en branchekategori, men en måde at læse samfundsvalg på.
- [AI var ikke bare AI](/analyser/ai-paa-folkemoedet/): AI skal analyseres som en samfundsdagsorden, ikke som en tech-vertikal. Brugernes valg bliver først interessante, når AI-events læses sammen med de konflikter, de kobler sig på: ressourceforbrug, tillid, kompetencer, offentlig styring, sundhedsdata og international konkurrencekraft.
- [Sundhed fyldte mest, men vandt ikke kampen om opmærksomhed](/analyser/sundhed-fyldte-men-overperformede-ikke/): Sundhedsdagsordenen var bred og tung, men bredden gjorde den sværere at vælge som samlet label. Store temaer vinder ikke automatisk opmærksomhed; de stærke sundhedscases var dem, der blev til en tydelig handling, konflikt eller kobling til en anden dagsorden.
- [Morgen og aften gjorde programmet lettere at vælge](/analyser/morgen-og-aften-var-ankre/): Morgen- og aftenformater fungerer som planlægningsankre. De skaber faste holdepunkter, hvor midt på dagen oftere spreder brugerne ud over mange alternativer.
- [Når power users ikke får lov at bestemme hele historien](/analyser/power-users-og-normaliseret-interesse/): Device-normalisering gør analysen mere robust. Den fjerner ikke de store hits, men den afslører hvilke events der havde bredere interesse frem for kun høj aktivitet fra få brugere.
- [Folk valgte ikke events enkeltvis. De valgte ruter.](/analyser/ruter-gennem-programmet/): Co-selection kan gøre appdata til et adfærdskort. Det viser ikke bare popularitet, men mulige ruter: scene-ruter, geopolitik-ruter, tech-ruter og blandede dagsprogrammer.
- [Partiernes telte var små redaktionelle programmer](/analyser/partiernes-telte/): Når man læser partiteltene som programmer, bliver forskellene tydelige. Nogle telte trak på brede debatflader, andre på få skarpe begivenheder, og app-brugernes markeringer viser, hvilke partipolitiske rum der faktisk blev valgt til.
- [Folk gik på tværs af partiernes telte](/analyser/partiernes-telte-paa-tvaers/): Overlap mellem partitelte findes, men det er små tal og skal læses forsigtigt. Netop derfor er signalet interessant: det peger ikke på vælgeradfærd, men på Folkemødet som et sted, hvor nysgerrighed kan krydse partipolitiske rum.
- [Organisationerne afslører Folkemødets skjulte klynger](/analyser/organisationernes-skjulte-klynger/): Organisationsklynger er det stærkeste næste lag i dataene. De viser ikke bare hvem der havde mange events, men hvilke arrangører der delte publikum i appens planlægningsspor, og dermed hvilke dagsordener der hang sammen i praksis.