Denne artikel har Sebastian Barfort fra Zetland foræret dig.
Zetland er en digital avis, hvis mål er at vise sammenhænge i en verden, der savner netop dét.
Send en tanke til vores medlemmer – det er dem, der gør det muligt for os at udkomme.

signature

Har et af tidens mest omtalte firmaer manipuleret vælgerne til at stemme på Trump? Nej, sandheden er langt mindre dyster – og mere interessant

  • 16. april 2018
  • 15 min.
DUKKEFØRER?Ikke meget tyder på, at Cambridge Analytica og eksdirektør Alexander Nix reelt påvirkede mange vælgere ved præsidentvalget i USA. Foto: Facundo Arrizabalaga, EPA / Ritzau Scanpix

Derfor skal du læse denne artikel

Det vrimler med historier om Cambridge Analytica. Firmaet har lavet personligt målrettede kampagner for Trump på baggrund af ulovligt indsamlede Facebook-data. Men hvad siger forskningen egentlig om, hvor meget den slags påvirker, hvad folk stemmer på?

Der er blevet talt meget – rigtig meget – om Cambridge Analytica på det seneste.

Vi ved, at det engelske firma med tvivlsomme begrundelser har indhentet oplysninger fra mange millioner amerikanske Facebook-brugere. Sagen har udløst en større mediestorm og er blandt andet baggrunden for, at Facebooks grundlægger, Mark Zuckerberg, de seneste dage har stået skoleret i den amerikanske kongres.

Cambridge Analytica, der arbejdede for Trump-kampagnen ved præsidentvalget i 2016, har brugt deres ulovlige data til at udvikle personlighedsprofiler for hver enkelt af mere end 50 millioner Facebook-brugere. Det giver dem en unik mulighed for at skræddersy reklamer og politiske budskaber, der matcher hver enkelt brugers personlighed – et kraftfuldt psykologisk redskab, der kan afgøre præsidentvalg.

Eller … Sådan lyder i hvert fald den udbredte fortælling, der går igen overalt i verden. Det er en fortælling, som firmaet elsker at sælge sig selv på – og som mange danske og internationale medier i høj grad har viderebragt. Men spørgsmålet er, om fortællingen er sand. Afslører vi virkelig vores grundlæggende personlighedstræk, når vi liker ting på Facebook?

PINKDen canadiske dataanalytiker og whistleblower Christopher Wylie har fortalt om, hvordan hans tidligere arbejdsplads – Cambridge Analytica – brugte data fra millioner af Facebook-brugere. Foto: Tolga Akmen, AFP / Ritzau Scanpix

Det mener Christopher Wylie, den engelske whistleblower, der afslørede Cambridge Analyticas ulovligheder. I et interview med The Guardian forklarer han, hvordan han har været med til at udvikle en slags hjernevask-værktøj til psykologisk krigsførelse for Trumps tidligere chefstrateg Steve Bannon. (Psychological warfare mindfuck tool, lyder hans engelske formulering). Vi har også her på Zetland skrevet om, hvordan firmaets ledelse har pralet med deres personligt målrettede annoncer, der med Wylies ord talte til amerikanske vælgeres indre dæmoner”.

Blandt hjemlige nyhedsmedier har både Politiken og Berlingske bragt store artikler med overskrifter som Med 70 likes på Facebook kan forskere beskrive dig bedre end dine venner” og Dine likes afslører (næsten) alt om dig”. Her kan man blandt andet læse, hvordan den algoritme, som Cambridge Analytica bygger på, kan aflæse folks personlighedstræk bedre end deres ægtefælle, så længe man fodrer modellen med mere end 300 likes.

Men hvad siger forskningen rent faktisk om det?

Beviserne for, at det skulle være muligt for virksomheder som Cambridge Analytica at afsløre din personlighed ud fra dine Facebook-likes, bygger særligt på én mands videnskabelige arbejde: psykologen Michal Kosinski, der i dag er ansat på Stanford University i USA.

Før Kosinski flyttede til USA, var han ansat på Cambridge University i England, og det var her, han begyndte sit arbejde med at kortlægge personlighedstræk baseret på internetadfærd.

Ifølge mediet Nieman Lab skulle Cambridge Analytica have henvendt sig direkte til Kosinski for at involvere ham i deres arbejde, men denne del af historien er stadig ikke fuldt belyst. Det endte i hvert fald med, at det blev Kosinskis kollega, Aleksandr Kogan, der på baggrund af Kosinskis arbejde udviklede Cambridge Analyticas personlighedsalgoritmer. Kogan er professor i psykologi på Cambridge University.

Men hvad vil det overhovedet sige at måle personlighed – og hvor veldefineret er deres metode? Kosinski og hans kolleger benytter sig af en personlighedsmodel, der kaldes Big Five (den kendes også som OCEAN eller femfaktor-modellen).

Big Five-modellen splitter basalt set personlighed op i fem grundlæggende træk, som hver person kan have mere eller mindre af. Det er disse fem træk, Cambridge Analytica påstår at kunne finde. Om personlighed kan reduceres så simpelt, er dog overhovedet ikke givet. En del forskning peger på, at vores personlighed rummer langt flere– og mere komplekse – kategorier, der ikke kan reduceres til de fem træk. Noget lignende undersøgte Zetlands Torben Sangild i en artikel om personlighedstest sidste år.

Hvis vi mere konkret prøver at forstå Cambridge Analyticas projekt, så handler det grundlæggende om to ting:

For det første handler det om at afsløre vores personlighedstræk baseret på vores Facebook-likes. Men dette i sig selv er ikke nok. Der mangler skridt to, og det skridt handler om reklame. Cambridge Analytica vil gerne overbevise os (og særligt deres kunder) om, at de kan påvirke præsidentvalg ved at skræddersy politiske kampagner, så de passer til vores personlighedstræk.

Det interessante er, at evidensen for begge skridt i høj grad bygger på Kosinskis arbejde. Det er værd at bemærke, at det samme hold af relativt få forskere går igen. Det kan betyde, at deres resultater ikke nødvendigvis er accepteret mere generelt blandt psykologer og adfærdsforskere.

Lad os begynde med det første skridt, som muligvis er det politisk mest sprængfarlige. Kan Kosinski – og dermed Cambridge Analytica – afsløre personlighedstræk ved at studere likes?

Her er særligt to Kosinski-artikler vigtige. Begge er publiceret i det prestigefulde amerikanske tidsskrift Proceedings of the National Academy of Sciences.

Den første artikel udkom i 2013 og indeholder Kosinskis grundlæggende metode. Kosinski og hans kolleger har indsamlet en database med omkring 60.000 personer. De personer har taget en personlighedstest, myPersonality, på Facebook og samtidig ladet forskerne få adgang til deres Facebook-data.

I dag er den slags knap så udbredt på Facebook, men for fem år siden var det meget almindeligt med forskellige former for test, som gav dig en karakteristik af din personlighed og sammenlignede dig med dine venner.

Når brugerne tog myPersonality-testen, gav de Kosinski og hans kolleger adgang til deres data, og det var denne adgang, forskerne brugte til at finde sammenhænge mellem brugernes baggrundsoplysninger og deres Facebook-likes.

Forskerne benyttede deres unikke data til at træne en algoritme i at forudsige alle mulige aspekter ved brugerne – deres køn, seksualitet, race, alder, om de var rygere, om deres forældre var sammen og meget mere. Og deres model ramte faktisk i mange tilfælde ret godt. Algoritmen kan eksempelvis gætte en given brugers køn med omkring 93 procents nøjagtighed. Med 73 procents nøjagtighed kan algoritmen forudsige, om brugeren er ryger. I forskningsmæssig forstand er 73 procent ganske godt, men i mere hverdagsorienterede termer betyder det stadig, at deres model gætter forkert, når det gælder 27 ud af 100 brugere – eller cirka hver fjerde.

Forskerne prøvede også at afsløre brugernes personlighedstræk – deres Big Five-score – som myPersonality-testen havde givet dem adgang til. Her klarede modellen sig imidlertid knap så godt.

Når det kommer til personlighedstræk, skal forskernes model forudsige en værdi for hvert af de fem personlighedstræk. Dermed er det ikke længere et spørgsmål, om den rammer rigtigt eller forkert, som det eksempelvis er tilfældet med køn, eller om en given person ryger. Det afgørende er, hvor tæt modellen kommer på de sande resultater.

For at vurdere det spørgsmål bruger man som regel en såkaldt korrelationskoefficient. Den fortæller grundlæggende, hvor tæt forskernes bud er på virkeligheden. Hvis modellen rammer virkeligheden perfekt, er korrelationskoefficienten 1. Og omvendt: Hvis modellen aldrig rammer virkeligheden, er koefficienten 0.

Forskernes model scorer mellem 0,3 og 0,4 på de forskellige personlighedstræk. Det er bedre end tilfældige gæt, men det er stadig temmelig lavt. Og det betyder samlet set, at modellen aldrig kommer særlig tæt på at afsløre folks virkelige personlighedstræk.

Allerede i 2015 fulgte Kosinski og hans kolleger op med endnu en opsigtsvækkende forskningsartikel. Heri findes de resultater, der danner baggrunden for eksempelvis artiklerne i Politiken og Berlingske om, at algoritmer ud fra få likes kan kende personlighedstræk bedre end vores venner og ægtefæller.

I denne artikel bygger Kosinski og kolleger endnu en model, der skal afsløre personlighedstræk ud fra personers likes. De bygger denne model på en personlighedstest, der indeholder 100 spørgsmål. Formålet er at sammenligne modellens evne til at afsløre personlighedstræk med menneskers evne til det samme. Kosinski udsendte derfor et spørgeskema med ti spørgsmål om testpersonernes personlighed til deres Facebook-venner.

Allerede her er der grund til at være skeptisk. Algoritmerne får lov at bruge information fra personlighedstest, der indeholder 100 spørgsmål, mens almindelige mennesker kun får ti spørgsmål til at beskrive deres venners personlighed. Når forskerne ender med at konkludere, at algoritmen klarer sig bedre end menneskene, er det altså ikke overraskende, når man tager i betragtning, at algoritmen får lov at arbejde med langt mere detaljerede data. Og selv i dette favorable setup klarer algoritmerne sig kun en smule bedre. Algoritmens korrelation er 0,56, mens menneskenes er 0,49. Det må betegnes som en ganske lille forskel.

Det er altså tvivlsomt, om man ud fra resultaterne fra de to artikler kan konkludere, at forskernes algoritmer kan afsløre vores personlighed bedre end vores venner – eller at vores likes næsten afslører alt om os, som aviser har formuleret det.

Derudover er det vigtigt at huske på, at betydningen af et Facebook-like kan ændre sig over tid. Tænk eksempelvis på sangerinden Miley Cyrus, der slog igennem som Disney-stjerne, men i dag mest er kendt som udfordrende popikon. Det er svært at forestille sig, at et Miley Cyrus-like i Disney-tiden fortæller det samme om en brugers personlighed som et Miley Cyrus-like i dag. Det er også tvivlsomt, om algoritmens resultater kan overføres til andre lande, hvor likes kan have forskellige kulturelle betydninger.

Der er altså gode grunde til at forholde sig skeptisk til forskere som Kosinski og virksomheder som Cambridge Analytica, der mener at kunne afsløre personlighedstræk på baggrund af vores Facebook-likes.

UNDER PRESFacebook-chef Mark Zuckerberg blev for nylig udspurgt i den amerikanske kongres oven på afsløringerne om Cambridge Analytica. Foto: Ting Shen Xinhua, Ritzau Scanpix

Men problemerne stopper ikke her. Lad os for en stund se bort fra alle de problemer, vi allerede har beskrevet, og spørge os selv: Selv hvis det lykkes forskere som Kosinski – og Cambridge Analytica – at afsløre vores grundlæggende personlighed, kan denne viden så overhovedet bruges til at påvirke den måde, vi stemmer på?

Også det er der gode grunde til at være skeptisk over for.

I en relativt ny forskningsartikel i tidsskriftet Personality and Individual Differences har to engelske psykologer set på sammenhængen mellem personlighedstræk og politiske holdninger. Der er faktisk en vis sammenhæng. Eksempelvis er personer, der scorer højt i åbenhed – en af de fem faktorer i Big Five-modellen – i gennemsnit en smule mere venstreorienterede. Men sammenhængen er temmelig svag, og det er altså langtfra sådan, at man kan aflæse en persons politiske holdninger fra personens Big Five-score. Der er mange andre variable – som opvækst, alder eller religiøsitet – der spiller centrale roller for vores politiske holdninger.

Men Cambridge Analytica hævder heller ikke, at vores personlighedstræk i selv fortæller specielt meget om, hvem vi kunne finde på at stemme på. De påstår derimod, at information om vores personlighed kan bruges til at skræddersy de budskaber og politiske kampagner, som vi til daglig bombarderes med.

Denne teori kaldes ofte psykologisk targeting. Idéen er, at marketing og reklamer virker langt mere effektivt, når de tilpasses vores personlighedsprofil.

Der er et enkelt eksempel på, at psykologisk targeting muligvis kan bruges til at påvirke, hvorvidt en person stemmer eller ej – hvis man vel at mærke kender personens personlighedsprofil på forhånd. Dette studie udkom i 2013 i det amerikanske tidsskrift Political Behavior. Men beviserne for, at psykologisk targeting skulle virke på Facebook, kommer – interessant nok – igen fra Kosinskis arbejde.

I en stor artikel fra 2017 argumenterer Kosinski og hans kolleger for, at psykologisk targeting baseret på Facebook-data rent faktisk virker. Men dykker man lidt længere ned i artiklens detaljer, er det langtfra klart, at metoden er effektiv. Og slet ikke givet, at man med psykologisk targeting kan påvirke, hvem folk stemmer på.

Det første, man skal bide mærke i, er nemlig, at Kosinskis resultater slet ikke handler om politik, men om forbrugeradfærd. Kosinski og hans kolleger benytter metoden fra de tidligere artikler til at give et bud på over 3,7 millioner Facebook-brugeres personlighedstræk. De fokuserer særligt på de to dimensioner af Big Five-modellen, hvor deres metode efter sigende fungerer bedst (omend, som vi har forklaret, ikke specielt godt): udadvendthed og åbenhed.

I det mest interessante af deres forsøg udvælger Kosinski og hans kolleger mere end tre millioner engelske kvinder, som de udsætter for forskellige reklamer for skønhedsprodukter. Nogle af kvinderne modtager reklamer, der er målrettet deres personlighedsprofil, mens andre modtager almindelige reklamer. Forskerne måler derefter, hvor mange der rent faktisk klikker på reklamen, og særligt, hvor mange af dem, der klikker, der ender med at købe skønhedsproduktet.

Ved første øjekast ser det ud, som om psykologisk targeting virker vildt godt. Forskerne konkluderer også selv, at de engelske kvinder var 50 procent mere tilbøjelige til at købe skønhedsproduktet, når de så en reklame, der var skræddersyet til deres grad af udadvendthed, end når de så en reklame, der ikke var skræddersyet.

Umiddelbart lyder 50 procent af meget. Og mange er af den grund nok tilbøjelige til at give forskerne ret og konkludere, at psykologisk targeting rent faktisk fungerer. Men her er det vigtigt at bemærke, at stigningen på 50 procent i praksis svarer til utrolig få mennesker. Ud af de mere end tre millioner engelske kvinder, der blev udsat for reklamer for skønhedsprodukter, endte kun 390 med at købe produktet.

En anden måde at beskrive forskernes resultater på er altså som følger: Ved at udsætte flere millioner kvinder for psykologisk targeting formåede forskerne at øge salget af skønhedsprodukter med omkring 100. Set i det perspektiv ser psykologisk targeting unægtelig mindre imponerende ud.

Der skulle flyttes omkring 80.000 stemmer i nøje udvalgte stater, for at udfaldet af præsidentvalget var faldet ud til fordel for Clinton i stedet for Trump. Vi har svært ved at se, at psykologisk targeting på Facebook kommer i nærheden af at være effektivt nok til at kunne påvirke så mange vælgere. Dertil er effekterne, der rapporteres i Kosinskis artikel, simpelthen for små.

Men der er flere grunde til at være skeptisk. Eksempelvis sørger Kosinski og hans medforfattere for at udvælge personer, der enten er meget udadvendte eller meget indadvendte. Herved sikrer de, at de sammenligner de mest ekstreme personer, de kan finde. Det giver den største sandsynlighed for at finde positive resultater.

Det er imidlertid sådan, at langt de fleste almindelige mennesker ligger placeret omkring midten af skalaen, hvor effekterne af psykologisk targeting må forventes at være endnu mindre. Men det rejser spørgsmålet, om psykologisk targeting overhovedet ville give nogen resultater, hvis man inkluderede folk, som de er flest.

Derudover er det vigtigt at huske på, at det at stemme til eksempelvis et præsidentvalg i USA er noget helt andet end at købe et skønhedsprodukt på baggrund af en reklame på Facebook.

Mange – både i USA og i Danmark – har et passioneret forhold til det parti eller den politiker, de stemmer på. Der er endda en del personer, hvor man med en vis ret kan sige, at deres politiske tilhørsforhold er en del af deres identitet. Uden at fornærme for mange er det svært at forestille sig, at det gælder på samme måde for de flestes forbrug af skønhedsprodukter.

Jo stærkere tilknytning vi har til et produkt – og lad os bare i denne sammenhæng tænke et politisk parti som et produkt – jo sværere er vi at påvirke med reklamer. Politik er et område, der i særlig grad inspirerer til stærke følelser, og netop derfor er mange forskere i statskundskab generelt skeptiske over for værdien af politiske kampagner. I et metastudie af 49 politiske kampagner, udgivet for nylig i tidsskriftet American Political Science Review, konkluderes det eksempelvis, at den samlede værdi af politiske reklamer er meget lav.

Beviserne for Cambridge Analyticas påstande fremstår alt i alt ret tynde. Deres modeller kan give en indikation om en brugers personlighedsprofil – hvis man altså mener, at Big Five-modellen er meningsfuld. Men deres modeller er meget upræcise og indeholder mange forkerte gæt. Og der er meget få beviser for, at psykologisk targeting er effektivt nok til at kunne påvirke vælgere i et omfang, så det kan påvirke præsidentvalg.

Det virker oplagt, at Cambridge Analytica har benyttet metoder, der minder meget om Michal Kosinskis og hans kollegers. Vi har ikke set nogen beviser for, at de skulle være i besiddelse af meget mere avancerede metoder end de dygtigste forskere på området. Men i sidste ende behøver man måske heller ikke være så sofistikeret. Det er vigtigt at huske, at basal demografi såsom køn eller race var forholdsvis enkelt at afkode ud fra likes, hvilket gør det muligt at målrette annoncer til særlige demografiske grupper. Sådan fungerer store dele af reklamebranchen allerede i dag, og i stor skala fungerer det bedre end at sende den samme reklame til hver enkelt.

Den påståede målretning mod personlighed var en måde, Cambridge Analytica kunne sælge sig selv på, men vi har ikke set resultater, som overbeviser os om, at det rent faktisk virker. Det er simpelthen for svært at afkode personlighedstræk og derefter at målrette reklamer efter disse.

Den ulovlige adgang til data fra Facebook, som Cambridge Analytica fik, er stadig en meget alvorlig sag. Og der er mange grunde til at være bekymret over den måde, sociale medier som Facebook påvirker vores samfund – eksempelvis har Facebook spillet en meget uheldig rolle i forbindelse med forfølgelsen af rohingyaer i Myanmar. Men det er vigtigt at skelne mellem reelle problemer på de sociale medier, og hvad der muligvis har været et godt salgstrick, men som i praksis næppe er noget, der bør bekymre særlig mange. Der er også en risiko for, at et overdrevent fokus på såkaldt hjernevaskende psykologisk krigsførelse får folk, der stemte på Trump, til at fremstå som nogle, der egentlig ikke støttede ham, men blot blev manipuleret til det. Det virker ikke sandsynligt. Og det fjerner fokus fra alle de politiske, sociale og økonomiske forklaringer, der kan være på, at mange vælgere fandt Trumps politik mere tillokkende end Hillary Clintons.

Generelt har vi ikke set overbevisende beviser for, at Cambridge Analyticas algoritmer i nogen meningsfuld forstand kan kende en person godt”. Vi ved alle sammen godt, hvilke af vores venner der er vegetarer, hvem der bliver til en ekstra øl, og hvem der er dårlige tabere i brætspil. Det er ofte det, vi forstår ved at kende nogen. Det er et langt bredere begreb end at skulle placere sine venner på fem personlighedstræk i et spørgeskema. Personlighed er, heldigvis, en langt mere kompleks størrelse.

Så næste gang du læser en artikel om psykologisk targeting på Facebook, eller at Cambridge Analytica afgjorde valget for Trump, så overvej, om det, du læser, i virkeligheden ikke er viderebringelse af reklame for forskellige konsulent- og reklamebureauer. For nej, Facebook kender dig ikke bedre end din kammerat, bare fordi du har liket Fernet Branca og 69 andre ting.

Artiklen er skrevet sammen med Bo Schwartz Madsen. Han er uddannet fysiker og arbejder med modellering og algoritmer. I det daglige er han data scientist hos Dansk Flygtningehjælp.

Nå, så kom det akavede øjeblik

Det er nu, vi bare siger det direkte: Bliv medlem, hvis du sætter pris på viden og nuancer. Prøv os for 0,- i 14 dage.

Bliv prøvemedlem