# Når power users ikke får lov at bestemme hele historien En håndfuld meget aktive brugere kan få en rå topliste til at ligne hele sandheden. Normalisering stiller et bedre spørgsmål: hvad står stadig stærkt, når hvert device får mere lige vægt? ## Tese 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. ## Det data afslører - Der var 369 aktive devices med 18,5 markeringer i gennemsnit. - Rå top-event: Peter Viggo Jakobsen: Kan Danmark vinde krigen? med 57 point. - Normaliseret top-event: DJ Betty B med 5.28 normaliseret score. - 5.386 markeringer var Skal, 1.438 var Måske. ## Hvorfor det betyder noget Toplister kan skævvride billedet, hvis meget aktive brugere får lov at veje for tungt. Analysen forklarer metodevalget og viser, hvordan top-events kan læses mere troværdigt. ## Hvad analysen viser 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. Pointen er ikke, at markeringerne siger alt om Folkemødet. Pointen er, at de viser en prioritering, som det offentlige program ikke kan vise alene. ## Kort sagt > Rå top viser aktivitet. Normaliseret top spørger, hvad der står stærkt, når de mest aktive devices ikke får hele historien. > Metoden skal ikke skjules nederst. Den er en del af analysens troværdighed. ## Data i analysen ### Rå top mod normaliseret top Tabellen viser hvorfor metodeanalysen ikke skal gemmes væk nederst på siden. De seks øverste events i rå og device-normaliseret score. | Rå top | Rå score | Normaliseret top | Normaliseret score | | --- | --- | --- | --- | | Peter Viggo Jakobsen: Kan Danmark vinde krigen? | 57 | DJ Betty B | 5.28 | | BLÆST // Koncert | 53 | Morgensang med Søren Pind på Kapitalens Scene | 4.53 | | Koncert: Peter Sommer | 49 | Morgenyoga med Den Indiske Ambassade på Cirkuspladsen | 3.91 | | Tirsdagsanalysen åbner Folkemødet | 47 | Kan kunstig intelligens redde klimaet? | 3.52 | | DJ-battle: Pelle vs. Alex | 38 | Hvad betyder klimaforandringerne for din sundhed? | 3.02 | | KALASET // Koncert | 38 | Få tjekket dine modermærker hos Kræftens Bekæmpelse | 2.77 | ## Metodekonklusion - Rå score viser samlet aktivitet; normaliseret score dæmper meget aktive devices. - Begge læsninger skal være synlige, når analysen bruger appdata som offentlig dokumentation. ## Rå top og normaliseret top svarer på forskellige spørgsmål Datasættet har 369 aktive devices og 18,5 markeringer pr. aktivt device i gennemsnit. Det gennemsnit skjuler, at nogle brugere planlægger meget bredt, mens andre kun markerer få stærke holdepunkter. Derfor må en rå topliste ikke stå alene. Rå score svarer på spørgsmålet: hvor meget samlet intent fik eventet? Normaliseret score svarer på et andet spørgsmål: hvad står stadig stærkt, når et device med mange markeringer ikke får lov at veje proportionalt med hele sin aktivitetsmængde? Det er ikke en akademisk fodnote. Det er forskellen på at skrive en historie om massivt samlet tryk og en historie om fokuseret prioritering. Hvis et event står højt i rå top, er det et tydeligt volumen-signal. Hvis det står højt normaliseret, er det et spor efter brugere, der valgte få ting med høj vægt. ### Datapunkter - 18,5 markeringer pr. aktivt device i gennemsnit. - Rå top-event: Peter Viggo Jakobsen: Kan Danmark vinde krigen? med 57 point. - Normaliseret top-event: DJ Betty B med 5.28 normaliseret score. ### Rå top mod normaliseret top. | Rå top | Rå score | Normaliseret top | Normaliseret score | | --- | --- | --- | --- | | Peter Viggo Jakobsen: Kan Danmark vinde krigen? | 57 | DJ Betty B | 5,28 | | BLÆST // Koncert | 53 | Morgensang med Søren Pind | 4,53 | | Koncert: Peter Sommer | 49 | Morgenyoga med Den Indiske Ambassade | 3,91 | | Tirsdagsanalysen åbner Folkemødet | 47 | Kan kunstig intelligens redde klimaet? | 3,52 | | DJ-battle: Pelle vs. Alex | 38 | Hvad betyder klimaforandringerne for din sundhed? | 3,02 | ## Normalisering ændrer spørgsmålet Normaliseret score deler hver markering med device'ets samlede aktivitetsniveau. En markering fra en bruger med få valg vejer derfor mere end en markering fra en bruger, der gemte næsten alt. Det er ikke mere sandt end rå score, men det svarer på et andet og vigtigt spørgsmål. Når DJ Betty B, morgensang med Søren Pind, morgenyoga og AI-klimaeventet rykker frem, peger det på fokuserede valg: events som nogle brugere gjorde centrale i et mindre, mere selektivt program. Eksemplerne viser også metodens begrænsning. DJ Betty B bliver interessant i normaliseret score, men ikke automatisk større end Peter Viggo Jakobsen i samlet efterspørgsel. Pointen er ikke at erstatte den ene topliste med den anden. Pointen er at afsløre hvilke historier der forsvinder, hvis man kun publicerer rå score. ### Events der bliver mere interessante i normaliseret læsning. | Event | Rå score | Normaliseret | Hvorfor det er interessant | | --- | --- | --- | --- | | DJ Betty B | 13 | 5,28 | Lav rå volumen, men stærk vægt hos fokuserede devices. | | Morgensang med Søren Pind | 37 | 4,53 | Et morgenanker, ikke bare et stort rå-hit. | | Morgenyoga med Den Indiske Ambassade | 17 | 3,91 | Et nicheformat der bliver tydeligt, når brede lister dæmpes. | | Kan kunstig intelligens redde klimaet? | 34 | 3,52 | Stærk både som temakonflikt og selektivt valg. | ### Events - [DJ Betty B](https://program.folkemoedet.dk/events/2026/35661/dj-betty-b) — 2026-06-11 kl. 00:30, C18 - Hovedscenen. Score: 13. DJ Betty B forener generationer gennem musik med sine unikke mashups og smittende energi - [Morgensang med Søren Pind på Kapitalens Scene](https://program.folkemoedet.dk/events/2026/31205/morgensang-med-soeren-pind-paa-kapitalens-scene) — 2026-06-11 kl. 09:00, H5 - Primetime på Vandkantsscenen. Score: 37. Morgensang med Søren Pind ## Metoden er en del af tilliden Den rigtige publicistiske løsning er ikke at vælge én liste og skjule den anden. Det er at vise begge og forklare forskellen. Rå score viser samlet tyngde. Normaliseret score dæmper power-user-effekten og hjælper med at finde bredere eller mere fokuserede signaler. Derfor skal denne metodeanalyse linkes fra de øvrige sider. Den gør det tydeligt, at appdata er værdifuldt, men kun når vi læser det med de rigtige forbehold. Det er særligt vigtigt, fordi dataene kommer fra et produkt og ikke fra en spørgeskemaundersøgelse. Ingen har bedt brugerne repræsentere befolkningen. De har brugt et værktøj. Derfor skal analysen være åben om, hvad værktøjsdata kan: vise prioriteringer, ruter og forskelle mellem rå aktivitet og mere selektiv interesse. ### Sådan bør listerne bruges redaktionelt. | Mål | Brug rå score når | Brug normaliseret score når | | --- | --- | --- | | Tophistorie | Du vil finde den største samlede planlagte interesse. | Du vil teste om historien også står stærkt uden meget aktive devices. | | Nichefund | Du vil undgå at overdrive små events. | Du vil finde fokuserede valg, der drukner i rå volumen. | | Metodeforklaring | Du vil være transparent om samlet aktivitet. | Du vil være transparent om bias fra aktivitetsniveau. | ## Konklusionen: robusthed kræver to linser Den mest troværdige analyse bruger rå score og normaliseret score sammen. Hvis et event står højt på begge lister, er signalet stærkt. Hvis det kun står højt på rå score, kan det stadig være vigtigt, men bør læses som samlet volumen. Hvis det især står højt normaliseret, er det et spor efter selektiv interesse. Det er sådan produktdata kan blive redaktionelt brugbart uden at overdrive præcisionen. Vi kan ikke sige, hvad hele Folkemødet mente. Vi kan sige, hvilke valg der bliver synlige, når appens prioriteringer læses med metodisk disciplin. ## Konkrete events analysen bygger på - [Kan kunstig intelligens redde klimaet?](https://program.folkemoedet.dk/events/2026/34965/kan-kunstig-intelligens-redde-klimaet) — AI-klimaeventet var stærkt både som tema og som normaliseret valg. Score: 34. - [Peter Viggo Jakobsen: Kan Danmark vinde krigen?](https://program.folkemoedet.dk/events/2026/30709/peter-viggo-jakobsen-kan-danmark-vinde-krigen) — Rå top-event, som stadig står stærkt, men ikke alene kan forklare brugernes mønstre. Score: 57. ## Sådan kan mønstret ses - Side-by-side rå top-10 og normaliseret top-10. - Histogram over markeringer pr. device i næste version. - Fremhævede events der stiger ved normalisering. ## Metode - Datagrundlaget består af 3.772 events og 6.824 anonyme markeringer. - Skal tæller 2 point, Måske tæller 1 point. - Device-id'er bruges kun i aggregerede beregninger. Rå device-id'er publiceres ikke. - Tallene viser app-brugernes prioriteringer, ikke en repræsentativ undersøgelse af alle deltagere. ## Forbehold - Et event uden mange markeringer kan stadig have været vigtigt for dem, der deltog fysisk. - Markeringer måler planlagt interesse, ikke om brugeren faktisk nåede frem til eventet. - Lift sammenligner interesse med programandel og er bedst til at finde over- og underperformance.