Metod

Volym av partiomnämnande artiklar, uppdelat per medium och parti, över tid. Nyhet och opinion spåras separat; opinion är exkluderat i standardvyn.

Vad vi inte mäter: ton, inramning, drivkraft för negativitet, händelsematchad symmetri eller fullständigt artikelinnehåll. Det är avsiktligt skjutet till en senare version.

Startuppsättningen är SVT Nyheter, Sveriges Radio Ekot, TV4 Nyheterna, Dagens Nyheter, Svenska Dagbladet, Aftonbladet, Expressen och Göteborgs-Posten. Det här urvalet är inte "svenska medier" som helhet — det är dessa åtta medier.

Varje mediums deklarerade politiska linje (t.ex. oberoende socialdemokratisk, obunden moderat) lagras enbart som kontext. Den matas aldrig in i något mått. Datan får motsäga den.

Varje mediums publika RSS-flöde hämtas regelbundet. Rubriker, länkar, RSS-sammanfattningar, publiceringstid och flödets egna kategori-/sektionsmetadata lagras. Brödtext lagras aldrig — det är ett upphovsrättskrav och en disciplin vi håller fast vid med flit. Länkar går direkt till utgivaren.

Varje artikel klassas som nyhet, opinion eller okänt baserat på URL-sökväg och flödets egna kategorier. Indikatorer är bl.a. /ledare, /debatt, /krönika, /kultur, /opinion. När det är oklart markeras okänt hellre än att gissa. Omnämnanden-standardvyn visar nyhet + okänt; opinion ligger bakom en tydligt märkt växel.

För varje artikel hämtas — där det är tillåtet enligt utgivarens robots.txt — artikeltexten tillfälligt för analys. Brödtexten lagras aldrig. När betalvägg möter oss faller vi tillbaka på rubrik + RSS-sammanfattning. För varje artikel bedömer sedan en AI-modell vilka av de åtta riksdagspartierna som faktiskt omnämns — via partinamn, förkortning, partiledare, statsråd/minister eller tydlig omskrivning — och utesluter rena förbipasseringar.

Varje träff sparas med matchningstyp, det matchade textstället (max 200 tecken), modellens korta motivering på svenska och en confidence-siffra. Allt kan granskas och korrigeras i adminvyn — detektionen är inte en svart låda. Som baseline körs även en aliaslista; om AI:n missar en träff som aliaslistan hittade behålls den med låg confidence så ingenting tappas tyst.

Vi kallar inte enskilda artiklar för partiska. Vi mäter i stället om bevakningen över tid blir ojämn mellan jämförbara aktörer, ämnen eller händelser. En råräkning ensam bevisar ingenting — signalen är om jämförbara situationer över blockgränserna får jämförbar behandling.

Politiska artiklar taggas automatiskt med upp till tre policyområden: migration, ekonomi, försvar, klimat, sjukvård, skola, brottslighet, energi och övrigt. Taggningen görs av en AI-modell utifrån rubrik och RSS-sammanfattning. Modellen sparar en kort motivering och en konfidenssiffra per tagg.

Filtrera på policyområde på Omnämnanden, Jämför och Artiklar för att se vilka partier och medier som dominerar ett område. Felaktiga taggar kan korrigeras i admin — vi behandlar AI-taggen som en hypotes, inte ett facit.

Omnämnanden visas både som ögonblicksbild (stapeldiagram) och som trend per vecka — andel partiomnämnanden över tid. Trendvyn gör det enklare att se om en topp är en faktisk förskjutning eller bara en enstaka händelsedag. I jämförelsevyn för en händelse finns en visuell tidslinje som visar exakt när varje medium plockade upp händelsen — i vilken ordning, och med vilken eftersläpning.

• Betalvägg blockerar fulltextanalys för vissa artiklar — då används bara rubrik + RSS-sammanfattning.
• AI-detektion kan ha fel; därför sparas excerpt, motivering och confidence för granskning.
• Detektion på rubrik + sammanfattning är en proxy för bevakningen i hela artikeln, inte samma sak.
• De åtta medierna är inte "svenska medier" som helhet. Slutsatser gäller bara detta urval.
• Negativt klingande rubriker registreras inte som sådana ännu — vi publicerar bara antal. Ett högt antal ensamt innebär inte partiskhet.
• Sektionsklassningen (nyhet vs. opinion) är heuristisk. Vi markerar okänt hellre än att gissa.

Varje siffra går att spåra — ingenting är en svart låda. Varje diagram drillar ner till underliggande artiklar via Artiklar. Om ett omnämnande ser felkategoriserat ut är det exakt sådant som admin-verktygen för omklassning fångar upp och rättar.