Kortet viser opslag fra folketingskandidaternes sociale medieprofiler i perioden op til valget 24 marts, 2026. Opslagene er farvelagt efter parti og er placeret tæt på andre opslag, hvor teksterne minder om hinanden. På den måde kan du læse kortet som et landskab af emner, der bliver bragt op i valgkampen. For at gøre det lettere, har vi givet de forskellige områder nogle overskrifter. Du kan læse opslagene på de medier, de kommer fra. Det kræver, at du klikker på dem, men du kan få en idé om hvad opslagene handler om (temaord), hvem der har lavet dem og hvornår ved at holde musen hen over dem.
Du kan sortere i opslagene på følgende måder:
Vi indsamler opslag fra opstillede kandidater til folketingsvalget 2026 i Danmark. Vi bruger de sociale medieprofiler, som kandidaterne enten selv har opgivet på partiernes officielle hjemmesider, eller som de har registreret i forbindelse med Altingets valgtest. Vi indsamler ikke opslag fra andre profiler, vi indsamler ikke fra private profiler eller lukkede fora, vi indsamler ikke kommentarer, og vi indsamler ikke brugernavne på andre end kandidaterne selv - de brugernavne, der allerede er opgivet på partiernes hjemmesider.
Projektet indgår i ECHOs løbende kortlægning af den offentlige debat om teknologi i Danmark. Vi er interesserede i, hvilke teknologiområder der bliver (eller ikke bliver) taget op i valgkampen. Det er en del af DTUs strategi for ansvarlig teknologiudvikling at forholde sig til og engagere sig i den demokratiske samtale. Derfor interesserer vi os for, hvordan teknologiområder som energi, landbrug, sundhed eller kunstig intelligens bliver diskuteret.
Vi måler den semantiske afstand mellem teksterne i de indsamlede opslag ved hjælp af en sprogmodel, en såkaldt embedding. Modellen placerer alle teksterne i et højdimensionelt rum, der er trænet til at forstå semantiske forskelle. Vi bruger en clustering algoritme (HDBSCAN) til at finde klynger af nogenlunde enslydende tekster, som vi kan læse et udpluk af og annotere. Det er de overskrifter, du kan se på kortets forskellige områder. Læsningen foretages af manuelt af observatoriets forskere. Til sidst reducerer vi det hele til to dimensioner, der kan visualiseres (UMAP). Vi arbejder også med en automatisk klassifikation af teknologirelateret indhold. Vi afprøver forskellige maskinlæringsmetoder til formålet.
Projektet drives af forskere på DTU Management som en del af Observatoriet for Teknologiske Spørgsmål i Samfundet (ECHO):