Oppgrader til nyeste versjon av Internet eksplorer for best mulig visning av siden. Klikk her for for å skjule denne meldingen
Ikke pålogget
{{session.user.firstName}} {{session.user.lastName}}
Du har tilgang til Idunn gjennom , & {{sessionPartyGroup.name}}

Automatiserte versus selvrapporterte publikumspraksiser?

Metodiske utfordringer med tv-metere og spørreundersøkelser
Automated versus self-reporting audience practices?
Methodological challenges with TV meters and surveys
Professor, Institutt for informasjons- og medievitenskap, Universitetet i Bergen
Professor, Institutt for informasjons- og medievitenskap, Universitetet i Bergen

Hva kan vi bruke kvantitative undersøkelsesmetoder for tv-bruk til, og hvordan kan vi forstå avvik mellom dem? Vi argumenterer for at en sammenligning av svarene survey- og tv-meterdata gir oss – over tid og på tvers av genre – reiser en viktig diskusjon om metodiske utfordringer, men også setter oss i stand til å bedre forstå endringer i tv-bruken.

Nøkkelord: Mediebruk, tv, SSB, Kantar TNS, survey, tv-meter, metode, komparasjon

This article compares survey and meter data on television use in Norway in order better to understand challenges with each method, and to grasp the changes in television use. The analysis is based on the period 2000–14, and focuses on reach as well as specific genres (news, drama and sports). We argue that, rather than pointing to one method as producing better data, we should be aware of problems with each of the two. By bringing out these aspects, we raise much-needed methodological awareness for those dealing with empirical data on television use.

Keywords: Media use, tv, SSB, Kantar TNS, survey, tv meter, methodology, comparison

Introduksjon

Alle som har et engasjement i tv benytter regelmessig empiri om bruken. Pressedekning av mediebransjen preges av overskrifter om tv-serier som «mister seere», «tv-krigen» mellom norske og utenlandske aktører, og hvem som vinner slagene1. Mediepolitiske endringer bygger på samme måte på bruksmønstre, enten det gjelder nye reklameregler eller nye insentivordninger for film- og serieproduksjoner2. Medieforskere bruker ofte tall på mediebruk i sine analyser, både direkte i spesifikke studier av bruk, og indirekte som bakgrunn for andre ærender.

Hva vi egentlig kan bruke slik empiri til – hvor sikker og balansert den er – løftes imidlertid svært sjeldent fram. De store byråene som lever av slike undersøkelser er selvsagt oppmerksomme på mange former for usikkerhet ved sine publikumsdata, men deres metodiske selvkritikk er sjelden særlig omfattende eller grundig, i alle fall offentlig. Pressen tar heller ikke ofte forbehold om metodiske problem. Politiske beslutninger bygger på omfattende prosedyrer med utredninger og høringer, men det er ikke gitt at generelle utviklingstrekk gjøres til gjenstand for nyansert diskusjon. Og selv om usikkerheten og skjevheten ved ulike metoder er innføringsstoff i samfunnsvitenskapelige fag, tar medieforskere seg ikke hyppig tid til å systematisk diskutere slike moment på tvers av ulike datasett og innsamlingsmetoder.

I dagens mediesituasjon øker usikkerheten ettersom tv-bruk flyter ut og blir vanskeligere å gripe. Tv kommer fra flere nye avsendere, strømmes via internett, og ses på alt fra hjemmekinoanlegg til mobiltelefoner. «Tv-krigen» står mellom nye aktører, som driver med det medielovgivningen nå kaller «audiovisuelle bestillingstjenester». Både bransjen, politikere og andre interessenter er bevisst endringene, og tv-mediets utvikling har også fått mye oppmerksomhet fra forskere: siden tidlig på 2000-tallet har det kommet publikasjoner om tv etter tv (Spigel & Olsson (red.), 2004), tv som revolusjoneres (Lotz, 2007), tv «bortenfor» tv-apparatet (Ross, 2008), eller rett og slett om slutten for tv (Katz & Scannell (red.), 2009). Men disse bidragene fokuserer ikke på metodiske utfordringer. Med endrede medievaner øker behovet for en kritisk vurdering av de metodiske verktøyene vi har til rådighet for å måle og forklare endringene i publikums bruk.

En grunnleggende skillelinje mellom ulike verktøy for studier av bruk går mellom selvrapporterte data typisk generert gjennom spørreundersøkelser, og ulike typer trafikkdata, altså målinger av mediebruk som foretas mer eller mindre automatisert og maskinelt. Sistnevnte har fått et oppsving den senere tiden under overskriften «stordata». Muligheten ny teknologi gir for kjappe, grovkornete analyser basert på hele universer av brukeres faktiske praksis, mens det skjer, omfavnes av alskens bransjer (se Mayer-Schönberger & Cukier, 2013 for et mye brukt bidrag). Samtidig har «stordata» gitt nye muligheter og utfordringer for forskere (se for eksempel boyd & Crawford, 2012 for kritikk).

Spørsmålet er ikke hvilket av disse to verktøyene som er å foretrekke, men heller hvilke skjevheter vi skal forvente fra selvrapporter og fra automatiserte innsamlinger. Det er mulig å vurdere gjennom en sammenligning. Prior (2009) fant at spørreundersøkelsesdata om bruk av tv-nyheter i USA systematisk overrapporterte bruken med en faktor på tre sammenlignet med trafikkdatamålinger. Å vise fram slike avvik er imidlertid bare første steg. Neste steg er å forsøke å forstå avvikene over tid også i mediesystemer som skiller seg fra det amerikanske: I hvilke sosiale grupper er forskjellene størst? Er det forskjeller mellom ulike genrer? Dette kan ikke bare hjelpe oss å gjøre en mer realistisk vurdering av de ulike metodenes fortrinn og utfordringer, men også til å bedre forstå utviklingen av tv-bruken.

Med dette som mål presenterer denne artikkelen en systematisk sammenligning av de to mest sentrale datasettene som gjelder tv-bruk i Norge, Kantar TNS’ tv-meter og Statistisk sentralbyrås (SSB) Mediebruksundersøkelse både for tv-seing generelt, og spesifikt for genrene nyheter, sport og drama. Vi tar for oss perioden 2000–2014, en del av tv-historien som inkluderer overgangen til digital kringkasting, oppblomstring av norske og utenlandske nisjekanaler, fremveksten av populære fildelingsnettverk som Pirate Bay, YouTubes oppkomst som videodistribusjonsplattform, etableringen av mobiltelefoner som mottakere av audiovisuelle medier, og lanseringen av populære strømmetjenester som HBO og Netflix.

Artikkelen undersøker ulikheter mellom disse to undersøkelsene som representanter for to metoder for måling av mediebruk. Vi spør om teknologisk utvikling, spesifikke sosiale karakteristikker eller forskjeller i medieinnhold har betydning for disse ulikhetene. Vi finner andre og mer detaljerte mønstre enn Prior. I drøftingene belyser vi ulike feilkilder, særpreg ved de ulike verktøyene, samt viktigheten av faktorer som sosial attråverdighet. Vi argumenterer for at forskjellene i svar på tv-bruk hovedsakelig er resultat av forskjeller mellom metodene, og i mindre grad henger sammen med endringer i verktøyene, eller digitaliseringen av tv-seing med påfølgende plattformfragmentering. Gjennom sammenligningen blir vi bedre rustet til bruk av disse konkrete datasettene. I en videre forstand innleder vi også en metodedebatt som er tiltrengt blant de som studerer mediebruk i dag, og for beslutningstakere og politikkutformere.

Spørreundersøkelse og meterdata: bruk og kjente skjevheter

Spørreundersøkelser brukes i en rekke deler av medieforskningen. I Norge har feltet vært preget av omnibusstudier utført av store statlige og internasjonale byråer. Noen av de mest kjente er Norsk Mediebarometer (SSB), Norsk Monitor (Ipsos, tidligere MMI) og Forbruker og Media (Kantar TNS, tidligere TNS Gallup). I tillegg har det funnes større, internasjonale studier som tidvis inkluderer mediebruk, som European Social Survey3.

I tillegg finnes mange eksempler på spørreundersøkelser som berører nordmenns mediebruk utført av medieforskere og andre samfunnsforskere. Disse varierer mye, men er vanligvis mindre omfattende, mer spesialiserte i tema og hvilke medier de dekker, og opererer også ofte med mer spesialiserte utvalg. Et eksempel på dette er vår egen undersøkelse av medie- og kulturvanene til studenter i Bergen (Gripsrud, Hovden og Moe 2011). Av andre nyere, større studier kan en trekke fram Aalberg m.fl. (2013) som gjennom analyse av ulike spørreundersøkelser viser hvordan ulikheter i folks nyhetsbruk mellom land delvis kan forklares ved hjelp av karakteristikker ved mediesystemene i landene (også Aalberg & Curran (red.), 2012), også når en inkluderer de som unngår nyheter (Blekesaune m.fl., 2012). En beslektet type studier har de senere årene fokusert på sosiale medier for å finne ut hvordan disse brukes som nyhetskilde (f.eks. Enjolras m.fl., 2013). Slike arbeider gir oss innsikt i hvor mange som benytter sosiale medier som kanal til nyheter, og hvordan slike kanaler brukes.

Skjevhetene spørreundersøkelser gir har vært mye diskutert i samfunnsforskningen. Generelt har forskere problematisert tidligere behavioristiske ideer om stimuli-respons og den stereotypt naturvitenskaplige «måle»-terminologien som fremdeles omgir disse i mange byråers rapporter («registrering», «feilkilder»). I alle fall innenfor medievitenskapen er det utbredt å heller tenke på både intervju og surveyundersøkelser som en type samtaler (om enn med svært ulik grad av formalisering, ulik grad av personlig kontakt etc.) etter mønster av det vi med Stuart Hall (1980) kan kalle en encoding-decoding-prosess: forskeren formulerer sine spørsmål ut fra sine ideer om mottakeren, mens mottakeren må fortolke spørsmålet ut fra sine ideer om forskerens intensjoner og sine egne ressurser og gir en respons som igjen må tolkes (Blumer, 1956, Drotner m.fl., 2003).

Et sentralt problem i surveyer er over- og underrapportering, noe som er påvist når det gjelder så vidt ulike tema som kirkebesøk og antall sexpartnere (f. eks. Prior, 2009, s. 131). En viktig årsak til problemet er spørreundersøkelsens selvrapporterende form. Selvrapportering er krevende for respondentene, og dataene som samles inn kan påvirkes av ordlyden i spørsmålet, men også av selve spørreundersøkelsens format eller andre kontekstuelle faktorer: En respondent må forstå spørsmålet, huske hva hun eller han gjorde som er relevant for å svare, deretter anslå hyppigheten av gjøremålet, forsøke å tilpasse denne hyppigheten til alternativene som gis i skjemaet, og så, til slutt, rapportere svaret. Og svaret kan i sin tur være mer eller mindre ærlig og farget av antatt sosial attråverdighet (se for eksempel Foddy, 1993, Schwarz & Oyserman, 2001, Prior, 2009).

Gjentatte ganger har studier vist at det ikke alltid er en sterk sammenheng mellom det respondenter sier de gjør og det de faktisk gjør. Et av de første velkjente eksemplene er LaPieres (1934) studie av forskjellene mellom hvordan amerikanske overnattingssteder og restauranter faktisk mottok kinesiske kunder rundt 1930 (overveldende positivt), og hvilken holdning innehaverne av slike steder uttrykte til kinesere gjennom selvrapporterende spørreundersøkelser (overveldende negativ). Slike funn har ledet enkelte forskere til å argumentere at det er umulig, eller i hvert fall ekstremt vanskelig, å registrere folks handling gjennom spørreundersøkelser (for eksempel Cicourel, 1964, Briggs, 1986).

I møte med slike skjevheter kan alternative metoder friste. De senere år har bruk av ulike typer trafikkdata – altså data basert på tekniske spor etter bruk særlig av internettjenester – blitt populære. Eksempler på nyere analyser er Thurmans (2017) studie av tid brukt på aviser på papir og nett i Storbritannia (der trafikkdata kombineres med surveydata), og Websters (2014) omfattende diskusjoner av fragmenteringen av tv- og nettbruk i USA. Bjurs (2009) studie av utvikling i tv-bruk i Sverige er også et viktig bidrag som baserer seg på alternativer til surveydata.

En av datatypene de to sistnevnte benytter er det mediebransjen kaller «meterdata» basert på paneler. Denne typen undersøkelser har en lang historie i kringkastingssektoren (se Buzzard, 2012 for en oppdatert historisk studie med fokus på USA). Meterdata baserer seg ikke på selvrapportering, i hvert fall ikke i tradisjonell forstand. Brukt for tv kan en skille mellom tre ulike nivåer (Bjur, 2009, s. 83): når tv-apparatet er skrudd på, hvilken kanal som er på, og hvem som ser på. De to første nivåene registreres automatisk som en datalogg som overføres fra en boks hos paneldeltakerne. Det siste nivået – målingen av hvem som ser på – avhenger imidlertid vanligvis av en form for selvrapportering. Hvert medlem av husstanden skal trykke på en knapp for å registrere når hun eller han begynner og slutter å se på tv. I praksis involverer dermed meterdata i likhet med surveydata grunnleggende vurderinger hos respondentene, noe vi skal komme tilbake til.

Selvregistreringen har også andre utfordringer. Blant de kjente er at deltakerne blir leie og sluntrer unna etter hvert som motivasjonen synker. Mer generelt kan slitasje lede til lav kvalitet på dataene (for eksempel Bjur, 2009, s. 77; Helles & Hjarvard, 2014, kap. 1; Lai, 2015). For å bøte på slike problem tar paneleierne i bruk flere virkemidler: panelene roteres slik at husstander ikke er for lenge med, og tilfeldige telefonintervju med deltakerne kan også brukes for å forsøke å sjekke meterdataene opp mot faktisk seing (Bjur, 2009, s. 77). Hvor vektig og omfattende skjevheten som følger av disse problemene er, avhenger blant annet av hvilken teknologisk løsning som brukes og hvordan panelet er implementert rent metodisk (inkludert rekrutteringen og oppfølgingen av panelet). Et av de mest problematiske aspektene ligger likevel i representativiteten til de rekrutterte deltakerne (Bjur, 2009, s. 77). Paneleiere forsøker gjerne å balansere problemet gjennom statistisk veiing i forhold til grunnleggende befolkningsparametre4, men slike tiltak vil alltid innebære en viss usikkerhet siden det ikke finnes noen objektive målinger å sammenligne dem med (Bjur, 2009).

Av dette følger det at en sammenligning mellom tv-meterdata og spørreundersøkelser ikke kan fungere som en enkel test av i hvilken grad surveyer måler korrekt tv-bruk. Heller enn å tenke på sammenligningen som en kontroll av et upålitelig termometer (den selvrapporterte mediebruken i en tradisjonell spørreundersøkelse) mot et pålitelig (tv-meterdataene), er situasjonen at vi har to ulike termometre med avvikende temperaturmål. I et metodisk språk kan vi da i første omgang studere undersøkelsenes kriterievaliditet (i hvilken grad de måler det samme). Ut fra dette kan vi gjøre kvalifiserte vurderinger av undersøkelsenes innholdsvaliditet (i hvilken grad de måler fenomenet vi studerer, altså faktisk tv-bruk). Basert på variasjonen mellom målingene over tid og kjente metodiske utfordringer ved metodene kan vi også gjøre visse slutninger om undersøkelsenes reliabilitet.

En sammenligning mellom (halv)automatiserte prosedyrer for å måle publikumspraksiser og selvrapporterte tilnærminger kan antyde avvik mellom metodene og dermed gi oss innsikt i potensielle utfordringer når vi bruker slike data i empiriske analyser, eller tyr til dem for å grunnfeste teoretiske poeng. For en videre interesse i tv’s utvikling er en systematisk sammenligning av svarene de to metodene gir oss også nyttig, enten en står overfor utfordringer for forretningsdrift eller politikkutforming.

Analytisk innretning

I hvert fall siden Bechtel m.fl. (1972) satte seg fore å filme folks tv-bruk og sammenligne med survey-svar har medieforskere forsøkt å teste selvrapportert mediebruk mot en annen metode. Bechtel m.fl. fant at folk overrapporterte bruken, men også at deltakerne av forståelige grunner lot seg påvirke av å ha svære filmkameraer i stua. I en nyere, mer direkte relevant studie fant Prior (2009), som referert over, at spørreundersøkelsesdata systematisk overrapporterte bruken av nyheter med en faktor på tre i forhold til meterdatamålingene. Priors studie er, som de fleste studiene av mediebruk, basert på data fra USA, i dette tilfellet bruk gjennom ett kalenderår (år 2000). Vår studie er inspirert av Priors, men utover en mer åpen holdning til de to undersøkelsesformenes respektive validitet, legger vi til tre aspekt.

For det første er vårt mål å undersøke hvordan metodene skiller seg fra hverandre i et svært annerledes politisk system med andre mediesystemkjennetegn. Komparative studier har vist at Norge, som en nordisk velferdsstat, kjennetegnes av en aktiv mediepolitikk som forsøker å støtte medienes demokratiske funksjoner, og samtidig sikre redaksjonell uavhengighet (se for eksempel Syvertsen m.fl., 2014). Landet har også egalitære mønstre for mediebruk og høy penetrasjon av ny medieteknologi, hvis vi sammenligner med andre. Flere studier basert på spørreundersøkelser har for eksempel påvist hvordan medborgere i Norge i større grad oppgir bruk av nyheter, enn det tilfellet er i land med andre politiske systemer og mediepolitiske regimer (se for eksempel Aalberg & Curran (red.), 2012). Det gjelder også for unge mennesker (Elvestad 2015). En sammenligning av spørreundersøkelser og meterdata kan altså gi innsikt i forskjeller mellom ulike land, for eksempel når det gjelder sosial attråverdighet.

Det andre aspektet vi bidrar med som utvider tidligere studier, handler om tid. Tilgjengeligheten av sammenlignbare data over en 15-årsperiode gjør det mulig for oss å ikke bare tilby et øyeblikksbilde metodene gir oss av tv-bruken, men å studere utvikling over tid. Dette er nyttig, ikke bare fordi tidslinjer gjør det enklere å vurdere feilmarginer og undersøkelsenes reliabilitet, men også fordi objektet tv og tv-bruk har gjennomgått så store endringer. I 2000 var overføring av levende bilder over internett noe for spesielt interesserte. Antallet norske tv-kanaler var også begrenset, og disse ble fremdeles distribuert gjennom en blanding av analoge og digital nett. Først i 2007 – halvveis ut i vår periode – var norsk tv-distribusjon helt digitalisert gjennom oppstarten av RiksTVs bakkebaserte nett. Samtidig vokste antallet nisjekanaler. 2007 var året NRK startet egen barne-tv-kanal. Det var også året Apples iPhone ble lansert, noe som virkelig representerte startskuddet for mobiltelefonens fremvekst som tv-mottaker. YouTube var to år gammelt, mens den mye omtalte nettbaserte fildelingstjenesten Pirate Bay allerede hadde skapt kontroverser i fire år. I periodens siste fase kommer så strømmetjenestene for tv, representert ved Netflix og HBO. Ser vi disse 15 årene under ett, inkluderer de altså en rekke høyprofilerte teknologiske endringer og forretningsmessige nyvinninger. Vi vet også at bruken av tv har endret seg, men vi vet mindre om hvordan disse endringene vises i data fra de to undersøkelsene. Denne temporale dimensjonen legger vår studie opp til å diskutere.

Det tredje og siste aspektet vår studie legger til tidligere studier som Priors er genre. Forskningens interesse for tv-bruk er i første rekke en interesse for nyhetsbruk. Vår tilnærming er videre i den forstand at vi er interessert i å forstå bruken på tvers av genre, og inkluderer også drama og sport i tillegg til nyheter. Vi sammenligner også tall for daglig dekning, det vil si hvor mange som ser tv på en gjennomsnittsdag. Slik får vi mulighet til å diskutere ulike utslag av sosial attråverdighet, og til å se nærmere på ulikheter mellom kjønn og sosioøkonomiske grupper. I tillegg får vi bedre grunnlag for å forstå metodiske utfordringer som følger av å gjenta samme undersøkelse år etter år mens objektet endrer seg.

Diskusjoner av selvrapporterende versus automatiserte målemetoder bærer preg av at bidragsyterne representerer en av løsningene. Dilliplane m.fl. (2013) utvikler for eksempel en ny måte å måle eksponering for politisk tv-innhold. Deres forslag er en ny spørsmålsoppbygning i survey’er. I et tilsvar argumenterer Prior (2013) for automatiserte metoder som ikke avhenger av selvrapportering, men heller bruker teknikker inspirert av kommersielle selskap som kan overvåke mediebruk. Vår holdning er mer utforskende: Vi forsøker ikke å argumentere for én beste metode, men å vise fram de ofte underbelyste utfordringene som følger av begge metodene, og konsekvensene disse har for vår forståelse av tv-bruk.

Kilder og metode

Dataene vi bruker i vår analyse er tatt fra TV-meterpanelet og Mediebruksundersøkelsen for årene 2000–2014.

Ser vi bort fra sporadiske målinger fra slutten av 1960-tallet, ble det norske tv-meterpanelet introdusert ved TV 2s oppstart i 1992 (Enli m.fl., 2010, s. 238). Fram til år 2000 var det Ipsos (tidligere MMI) som var ansvarlig. Nåværende Kantar TNS tok deretter over målingene. Kantar TNS gjorde en rekke endringer, inkludert å registrere seeing på alle tv-apparater i husstanden, ikke bare hovedapparatet. Tall før og etter 2000 er slik vanskelig sammenlignbare (MedieNorge, 2017). Panelet etter år 2000 registrerer tv-seing per minutt for over 100 kanaler. Paneldeltakerne – 1000 husstander – rekrutteres gjennom telefonintervju, panelet er kontinuerlig under overvåking og oppdateres jevnlig med høy representativitet som mål. Per 2014 brukte Kantar TNS teknologien PeoplesMeters TNS 5000 (som også er i bruk i Kina, Russland, Storbritannia og Spania), som benytter lyd for å måle bruken. Dette gjøres gjennom en kombinasjon av ikke-hørbare unike lydkoder som kringkastes av hver kanal, og såkalt «audio matching» der et utvalg opptak av lyd fra ulike kanaler sammenlignes med lyden til kanalene som ses på. Denne siste metoden er ment å fange opp tidsforskjøvet seing (se også Enli m.fl. 2010, s. 238). Apparatene tar seg altså av nivå én og to i datainnsamlingen: om tv brukes, og hvilken kanal som ses på. Det tredje nivået i målingene, hvem som ser på, registreres gjennom egne fjernkontroller, med en knapp per medlem i husstanden som skal trykkes på når medlemmet begynner å se tv, og trykkes av når vedkommende slutter eller forlater rommet.

Kantar TNS’ tv-meter fungerer som den offisielle valutaen for tv-reklame i Norge. Det er antallet seere som rapporteres i denne undersøkelsen som løpende danner grunnlag for kostnaden for annonsører og inntekter for reklamefinansierte kringkastere. Denne funksjonen sier også noe sentralt om undersøkelsen: den eksisterer for kundene, altså kringkasterne, og motivet er grunnleggende å tilby en tjeneste som alle direkte involverte kan enes om. Funksjonen har gitt grunnlag for en rekke kritiske diskusjoner innen medievitenskapen, gjerne med fokus på publikumsbildet som dannes, begrensningene som ligger i kvantifisering av hverdagsopplevelser i privatsfæren, og publikums rolle som salgsvare (for eksempel Gitlin 1983, s. 54, Ang 1992 for tidlige eksempler). Samtidig har dataene også andre funksjoner, særlig for staten (se Bourdon & Méadel, 2015 for komparativ historie). Staten er gjerne eier av en eller flere av kringkasterne bak tv-meteret (i Norge: NRK), og kan bygge regulative virkemidler på svarene meterdata gir. Hovedpoenget for oss er at dataene ikke er samlet inn for samfunnsvitenskapelige analyser, og at tv-meteret har sin egen institusjonelle historie.

SSBs Mediebruksundersøkelse er Norges lengstlevende og trolig mest brukte undersøkelse av sitt slag. Den ble først gjennomført i 1991 (under et annet navn), og med unntak av 1993 har den blitt gjentatt årlig siden. Respondentene oppgis være representative for den norske befolkningen mellom ni og 79 år. Spørsmålene i undersøkelsen dreier seg om bruk og tilgang til ulike medier i husstanden. I 2014 deltok 1910 personer (Vaage, 2015). Undersøkelsen finansieres av Kulturdepartementet gjennom en direkte bevilgning over statsbudsjettet. I tråd med SSBs oppgave som hovedansvarlig for «å dekke behovet for statistikk om det norske samfunnet» (SSB, 2017a), er Mediebruksundersøkelsens formål å «lage offisiell statistikk over befolkningens tilgang til og bruk av massemedier» (SSB, 2017b). Målgruppen er «myndigheter og andre som ønsker å delta i utformingen av landets medietilbud» (SSB, 2017b).

De to undersøkelsenes historier og formål er altså ulike. Og mens tv-meter-undersøkelsen er innrettet for å gi et oppdatert bilde av bruken her og nå, fokuserer Mediebruksundersøkelsen på stabilitet og mulighet for komparasjon over tid. Det innebærer en viktig forskjell mellom datasettene.

For vår analyse har vi hentet vi inn sammenlignbare, uvektede data fra begge kildene angående gjennomsnittlig tv-bruk for genrene nyheter, sport og drama knyttet til de tilgjengelige bakgrunnsvariablene (inkludert kjønn, alder, region og utdanningsnivå), samt daglig dekning (om en har sett på tv en dag). For meterdataene har vi satt en nedre grense ved ett minutts seing5. Siden vi ikke har hatt tilgang til råtallene for sistnevnte undersøkelse, bare aggregerte mediebruksdata for noen få bakgrunnsvariabler, begrenser dette våre muligheter til å gjøre mer omfattende multivariate analyser av forskjellene.

Forskning har gjennom flere tiår vist at variablene kjønn, alder og utdanningsnivå har betydning for investert tid i tv-bruk, og for valg av innhold (se for eksempel Bjur 2009, s. 186). I det følgende presenterer vi funn for henholdsvis kvinner og menn, mens vedleggene viser mer detaljerte fremstillinger oppdelt også etter alder og utdanningsnivå. Utover antakelsen om at slik oppdeling vil gjøre det enklere å skille ut forskjeller mellom de to målemetodene, er vi også interessert i å utforske eventuelle skjevheter knyttet til kjønn som ligger i selve målemetodene: Sosiale faktorer som forhold mellom familiemedlemmer kan ha innvirkning på rapportering av paneldata. Mens survey-undersøkelser generelt antas å kunne føre til kjønnsforskjeller både når det gjelder hvilke typer surveyer kvinner og menn svarer på (kvinner svarer oftere på ansikt-til-ansikt-surveyer) og også i måten de svarer på (kvinner svarer for eksempel oftere på åpne spørsmål enn menn gjør; se for eksempel Leeuw 2002). Ved å skille mellom ulike genre og mellom kjønnene bidrar også vår studie med innsikt i dimensjoner tidligere, lignende analyser ikke har presentert (Prior 2009).

For å studere forskjellene mellom de to målemetodene skiller vi mellom avvik (avstanden mellom anslagene), trend (i hvilken grad endringer over år følger hverandre, mer uavhengig av gjennomsnittsforskjeller), der kombinasjonen av disse forteller oss om undersøkelsenes samsvar. For avvik brukes i teksten vanlige mål på forskjeller i gjennomsnitt (xd) og standardavviket for disse (sxd). For trender brukes rank-korrelasjonen (Spearmans rho) som er ikke-lineær og slik mindre påvirket av uteliggere i data enn Pearsons r. Som oppsummerende mål for de to undersøkelsenes samsvar brukes intraklassekorrelasjon (ICC3,1). Mange medieforskere er godt kjent med Cohens kappa som mål på interkoderreliabilitet for kategoriske data, og sistnevnte kan forstås som et tilsvarende mål for kontinuerlige data6. I tabellverket er også andre relevante mål for trender og samsvar inkluderte (Pearsons r, stigningskoeffisienten for regresjonslinjen og konkordanskorrelasjonskoeffisienten).7

Det er viktig å minne om at byråenes presentasjoner av disse tallene ofte vil være korrigert (vektet) for å kompensere for tenkte skjevheter i utvalgene. Vår analyse fokuserer derimot på hvordan undersøkelsenes uvektede data skiller seg fra hverandre. Dette gjør det enklere å identifisere grunnleggende forskjeller i anslagene, og slik sentrale metodiske utfordringer ved ulike måter å registrere mediebruk på.

Forskjeller mellom undersøkelsene, og forklaringer på disse

I det følgende tar vi først for oss de to undersøkelsenes svar på spørsmålet om hvor mange som ser på tv. Svarene bruker vi til å drøfte ulike faktorer som kan forklare avvikene vi finner. Deretter ser vi på seing av ulike typer tv-innhold for å komme nærmere en forståelse av forholdet mellom genre og sosial bakgrunn.

Hvor mange ser på tv?

Figur 1 viser de to undersøkelsenes anslag for andelen nordmenn over 15 år som har sett fjernsyn en gjennomsnittsdag, skilt for kvinner og menn, og for alder. Her kan vi merke oss flere ting (Se tabell 1 samt figur A1, A5, A9 og tabell A1 i appendiks for mer detaljerte tall).

Figur 1. Andel som har sett fjernsyn en gjennomsnittsdag etter kjønn 2000–2014. Prosent.

For det første registrerer tv-meteret langt færre daglige seere enn Mediebruksundersøkelsen. For befolkningen som helhet varierer anslaget over hvem som ser tv en gjennomsnittsdag fra åtte til 17 prosent, med et snitt på 15 prosent forskjell i perioden. Det tilsvarer omkring en halv million seere. For et så grunnleggende spørsmål om tv-bruk burde dette være forstemmende.

For det andre ser vi at Mediebruksundersøkelsens tall varierer noe mer fra år til år. En viktig forklaring er nok at utvalgene er nye fra undersøkelse til undersøkelse, mens respondentene i panelet skiftes ut sjeldnere. Samtidig er tallene for sistnevnte et snitt av seingen for hele året, mens Mediebruksundersøkelsens tall er for noen utvalgte uker når undersøkelsen pågår, og vil derfor i større grad påvirkes av avvikende perioder (som store sportsbegivenheter).

For det tredje er forskjellene mellom målingene nokså konsistente over tid, og jevnt over større enn en skulle forvente utfra vanlige statistiske feilmarginer. Det er slik lite sannsynlig at forskjellene skyldes tilfeldige svingninger på grunn av små utvalg eller mindre endringer i gjennomføringen, og mer trolig at dette er utslag av metodeforskjeller. For tv-meteret kan en ellers legge spesielt merke til nedgangen og den påfølgende oppgang rundt 2008, som faller sammen med start av registrering av tidsforskjøvet seing (altså at opptak av program som sees innen sju dager fra de ble inkludert i seertallene), samt oppgangen i 2014 som faller sammen med innføringen av «out-of-house»-registrering gjennom bærbart måleutstyr (MedieNorge, 2017). Disse mønstrene fremstår slik å være nokså direkte utslag av endringer i metoden, og må forstås i lys av tv-meterets funksjon som valuta for reklamesalg.

Til sist ser vi også at forskjellene varierer mye med seernes sosiale bakgrunn (se appendiks): Det er litt større samsvar mellom tallene for kvinner enn menn, og forskjellene er svært store i de yngre aldersgruppene, men nokså liten i de eldre. Derimot fremstår forskjellene mellom ulike utdanningsnivå som små.

Slike misforhold mellom undersøkelsene innbyr til forklaringer i tråd med tidligere erfaringer med forskjellen mellom metodene. At folk oftere oppgir at de har sett tv dagen før i spørreundersøkelsen enn tv-meteret kan både tenkes som utslag av overrapportering (folk oppgir at de har sett tv uten å ha gjort det) og underrapportering (at tv-meteret ikke registrerer all relevant bruk). Det interessante er imidlertid hvordan vi kan forstå slik «feilrapportering».

For Mediebruksundersøkelsens del kan noe av et eventuelt avvik ligge i folks subjektive oppfatning av hva det betyr å ha «sett på» tv. Dette problemet forsterkes med den teknologiske utviklingen (er nettavisenes videoinnslag «tv»?), men det er ikke nytt: Har man sett på nyhetssendingen samboeren følger med på, hvis man sitter ved siden av og leser avisen? Spørsmålet handler grunnleggende om at folks vurdering av dette også vil inkludere vurderinger av andre forhold, som selektiv oppmerksomhet («Det sto bare på i bakgrunnen») og lengde («Jeg så bare på et par minutter») (Napoli, 2011, 91). Det siste er spesielt viktig siden grensen for tv-meter-målingene vi sammenligner med er ett minutt. Problemet blir større når vi også har i minne at sosiale forskjeller ikke bare berører mediebruk (inkludert adapsjon av ny teknologi), men også hvordan folk oppfatter og svarer på spørsmål. Unge i dag kan for eksempel tenkes å føle andre krav til selektiv oppmerksomhet enn eldre for å svare at de har «sett på» tv. Dette vet vi lite om.

At folk skal misforstå spørsmålet eller huske feil er neppe særlig viktig i dette tilfellet; spørsmålet er svært konkret og omhandler dagen før oppringingen. Det virker også lite sannsynlig at avviket kan forklares som «skryt» fra respondenten i møtet med opplevde normer hos intervjueren og i samfunnet: Å oppgi om man så tv eller ikke dagen før erfares neppe som et truende spørsmål for mange i befolkningen. Dette forhold, som flere av de øvrige, tilsier at surveymetoden burde underrapportere heller enn overrapportere folks tv-konsum, i alle fall når det gjelder tiden brukt.

Tv-meteret skal på sin side registrere faktisk bruk, upåvirket av folks hukommelse, subjektive vurderinger og normative tilpasninger. At vi har satt ett minutt som nedre grense for å ha «sett på» tv burde ikke bidra til underrapportering, heller det motsatte. Imidlertid er det flere forhold ved tv-meter-målinger en vil vente bidrar til underrapportering. Et viktig element er som nevnt at slike målinger krever ulike typer av egeninnsats. Vi kan for eksempel tenke oss at en årsak til at ungdom sjeldnere blir målt som seere i tv-meteret er at de sjeldnere registrerer seg med fjernkontrollen, kanskje grunnet en lavere følelse av moralske forpliktelser (det er ikke de, men foreldrene som har inngått avtalen og holdt kontakten med Kantar TNS), eller fordi den voksne som styrer fjernkontrollen ikke vurderer ungdommen i samme rom som «egentlige» seere. I praksis innfører metermetodens egenregistrering trolig mange av de samme skjevhetene som tradisjonelle surveyer: folk kan glemme å registrere seg selv eller andre, folk kan ønske at visse sider ved deres seing ikke blir registrert, og slik registrering innebærer også en evaluering av om vedkommende «egentlig» ser på tv eller ikke. En viktig forskjell er at der denne vurderingen blir gjort av respondenten selv i surveyer, vil vurderingen for tv-meteret også bli gjort av andre i husstanden.

I tillegg kommer spørsmål som panelslitasje, som kan bidra til at folk over tid er mindre oppmerksomme og samvittighetsfulle i sin registrering. Kanskje føles det også gradvis mindre meningsfullt å registrere seg på tv-apparatet når en lever i et multiplattform-virkelighet? Slike aspekt vet vi lite om, og svar krever kvalitative undersøkelser (se Ang, 1992 for en tidlig diskusjon av lignende utfordringer i møte med kabel-tv og videoopptakere).

Et annet viktig forhold handler om hvor sentralt det tradisjonelle tv-apparatet er i folks tv-hverdag. Det norske tv-meteret begynte å måle seing utenfor hjemmet i juli 2014. Seing via andre plattformer ble kun gjennomført i perioden november 2013 til juli 2014, og da bare avgrenset til nett-tv via Mac og PC, og ekskluderte slik for eksempel nettbrett og smarttelefoner. Disse forholdene kan tenkes å «straffe» yngre husstandsmedlemmer, som har mer av sitt tv-konsum på nye plattformer (MedieNorge, 2017). En kunne her vente at surveyen har et fortrinn, siden spørsmål om mediebruk ikke trenger å avgrense seg til et bestemt mottakerutstyr. Slik burde økende plattformfragmentering tilsi at avstanden mellom SSB og Kantar TNS’ målinger blir gradvis større i perioden, men det er ikke tilfelle. De ti første årene er forskjellene nokså konstante for alle grupper. De siste fem årene har avstanden minsket, og først og fremst i de yngre aldergruppene, som en vet har størst andel av sin tv-bruk på nyere plattformer.

En del av forklaringen er nok at SSB om ikke i det faktiske spørsmålet om tv-seing, som gjennom spørreskjemaets dramaturgi (gitt av de foregående spørsmålene), bidrar til å avgrense svarkonteksten til tradisjonell tv-teknologi og -bruk, ved å først spørre om eierskap til tv-apparatet og mottaksmuligheter for dette. Noe av nedgangen i SSBs tall for ungdom kan derfor trolig også forklares som utslag av plattformfragmentering. Samtidig fremstår det merkelig at nedgangen i registrert fjernsynsseing for denne gruppen er større for SSB enn Kantar TNS når nettbrett, smarttelefoner og strømmetjenester blir mer utbredt.

Et siste forhold som bør tas i betraktning er at utvalgene kan være ulike. Her er det tre moment som kan være sentrale. For det første er populasjonene ulike selv om begge aktørene overordnet sett opererer med «landsrepresentative» utvalg. Der SSB i 2014 trekker fra hele befolkningen mellom ni og 79 år, ekskluderer tv-meteret alle som bor på institusjon, husstander som ikke har ordinære tv-mottakere, samt innbyggere på Svalbard. Dersom førstnevnte ekskludering i praksis også rammer SSB (siden institusjonsbeboere er vanskeligere å få tak i via telefon), har vi et lite, men viktig skille mellom en populasjon av eiere av tradisjonelle fjernsynsapparat, og SSB som også inkluderer ikke-eiere (som trolig ser mindre tv).

For det andre er prosedyrene for utvelgelse nokså ulik. Et mentalt bilde kan være en serie av sluser: SSBs informanter må ikke bare ha telefon, men også være tilgjengelige på denne, ta den når de blir oppringt og ønske å svare når de blir kontaktet. Tv-meterets deltakere må på sin side ikke bare la seg kontakte, men være villige til å godta installasjon av eget teknisk utstyr, ha ofte kontakt med byrået og godta et merkbart inngrep i daglige tv-rutiner. Dette må ventes å bidra til litt ulike typer av over- og underrepresentasjon.

For det tredje er spørsmålet om statistisk representativitet alltid en kvalifisert vurdering omgitt av mye usikkerhet. I frafallsanalyser anses vanligvis utvalg som representative dersom de ikke er svært avvikende fra populasjonen kontrollert mot utvalgte, vanligvis nokså enkle variabler (ca. like stor andel menn og kvinner, ca. lik fordeling på alder, etc.) (se Hellevik 2016 for interessant diskusjon). SSB kontrollerer (vekter) i sine analyser for demografisk representativitet gjennom alder, kjønn, landsdel og utdanning, og påpeker at utvalgene ofte virker å ha noe underrepresentasjon av personer i yngre aldersgrupper og personer med lavere utdanning (Holmøy, 2014). Kantar TNS har en mer komplisert vektingsprosess som involverer hensyn til tilsvarende demografiske variabler, men som også forsøker å gjenspeile andre sider ved bruken, som antall tv-apparater i husholdningen og opptaksutstyr (Kantar TNS, 2015). Detaljene i vektingen blir derimot i liten grad opplyst. For en medieforsker eller politiker uten betalt tilgang til rådataene og hele analyseprosessen, er det følgelig svært vanskelig å vurdere den faktiske representativiteten – vi blir henvist til å stole på at vektingen gir korrekte resultat. Dette er ikke uproblematisk. Slik vekting, om fornuftig fra et rent statistisk ståsted, bygger vanligvis på mange usikre forutsetninger som en bør være klar over. Et sentralt problem er fallende representativitet: Jo mer underrepresentert en gruppe er i dataene, jo mindre ligner de gjerne på gruppen de er trukket fra. 75 år gamle mennesker som svarer på telefonundersøkelsen kan for eksempel ha bedre hørsel og helse enn de som ikke svarer, forhold som igjen henger sammen med yrkes- og utdanningsliv – som igjen henger sammen med mediebruk. Lignende forhold kan påvirke om folk ønsker delta i TV-panelet. Vekting må ventes å ofte blåse opp slike skjevheter, og lesing av byråenes enkle frafallsanalyser gir nok ofte et alt for optimistisk inntrykk av utvalgenes reelle representativitet.

Så langt har vi funnet at tv-meter-dataene registrerer færre seere en gjennomsnittsdag enn surveydataene, og at forskjellene mellom undersøkelsene er størst for de yngste seerne (og dels også noe større for kvinner enn for menn). Vi har diskutert noen mulige forklaringer på disse generelle avvikene. I det følgende tar vi for oss ulike typer innhold.

Hva ser folk på tv?

Ved å skille ut de to undersøkelsenes svar på seing på henholdsvis nyheter, drama og sport, får vi fram mer nyanserte funn som belyser de ulike forholdene mellom genre og brukergrupper.

Nyheter

Når det gjelder nyheter (figur 2) er det overordnede bildet tydelig: både for menn og kvinner gir spørreundersøkelsen inntrykk av en klart høyrere andel som ser tv-nyheter enn det tv-meteret gir (xd [sxd] m=12.6 [2.9], k=9.7 [2.7]). Forskjellen gjelder også utover på 2000-tallet etter hvert som den rapporterte seingen synker. Et slikt funn er i samsvar med tidligere studier, men forskjellen er vesentlig mindre enn det for eksempel Prior (2009) fant i USA. Det skyldes trolig flere faktorer. Nordmenn flest har et generelt høyt nyhetskonsum, og det er relativt små sosiale forskjeller. Kombinert med at vi, som andre nordiske land, internasjonalt sett har en høy vilje til deltakelse i surveystudier og forskingsprosjekt er det trolig at utvalgene i Norge ikke bare er mer representative (og mer like)8 enn i for eksempel USA, men også kanskje at det er mindre sosial gevinst for nordmenn å overrapportere nyhetsbruken sin når de blir spurt.

Om undersøkelsene gir nokså ulike anslag for hvor mange som ser tv-nyheter, viser de nokså like trender og samsvarer slik nokså godt (rho m=.96, k=.90, icc3,1 m=.89, k=.87). Når nyhetsseingen i én undersøkelse faller et år, følger vanligvis den andre undersøkelsen etter, og omvendt. Ser vi mer detaljert på tallene (figur A2, A6, tabell A2 og A3 i appendiks) finner vi at samsvaret mellom undersøkelsene er dårlig for eldre seerne (45+ år) og de høyest utdannede gruppene (>4 års utdanning).

Figur 2. Andel som har sett nyheter en gjennomsnittsdag etter kjønn 2000–2014. Prosent.

Disse funnene kan videre analyseres gjennom en sammenligning med tilsvarende tall for drama.

Drama

I figur 3 er nyhetsgenren byttet ut med drama. Dette gir et ganske annet og mindre entydig bilde. For drama sammenlignet med nyheter er de absolutte forskjellene mellom de to undersøkelsene mindre (xd [sxd] m=-6.5 [3.9], k=-0.4 [4.8]). Om begge undersøkelsene rapporterer en økning av dramaseing i perioden, er sammenfallet likevel dårligere enn for nyheter (rho m=.69, k=.64, icc3,1 m=.68, k=.52). Mest slående er kanskje likevel at menns seing av tv-drama blir anslått lavere i spørreundersøkelsen enn i tv-meteret, mens vi ikke ser like tydelige forskjeller for kvinner. Kontrollerer vi for alder (figur A3 i appendiks), finner vi et lignende skille: respondenter under 25 år oppgir oftere i spørreundersøkelsene å ha sett drama, men for de over 45 er anslaget høyere for tv-meteret. Som for nyheter øker forskjellene i anslagene for andelen som ser drama med utdanningsnivå, med tydelig dårligere samsvar i anslag og trender for de høyest utdannede (rho =.06. icc3,1=.11) (tabell A5 i appendiks).

Figur 3: Andel som har sett drama en gjennomsnittsdag etter kjønn 2000–2014. Prosent.

Noe av forskjellene ser ved første øyekast ut til å skyldes større svingninger fra år til år i surveyundersøkelsen. Som nevnt kan dette skyldes grunnleggende forskjeller i utvalgsmetoden, men her kommer også et annet moment inn i bildet: klassifisering av genrer. I spørreundersøkelsen må respondentene selv avgjøre om noe av det de så den foregående dagen kan klassifiseres som drama. For tv-meteret er derimot denne registreringen automatisert og blir gjort ut fra tv-kanalenes klassifisering av programmet. Mennenes og de eldres lavere rapportering av drama i surveyer kan selvsagt skyldes at de i større grad underrapporterer sin seing av slike program som noe litt flaut (lav sosial verdi). Men det kan også skyldes at kategorien «drama» er mindre entydig enn «nyheter», eller blir assosiert med dramaproduksjoner av andre typer enn de selv faktisk ser. Kanskje menn oftere tenker dette som en kategori relevant for romantiske filmer og periodedrama, men mindre relevant for action- eller fantasy-filmer?

Tv-meterets automatiske registrering av genre gir på den andre side god reliabilitet (samme program blir klassifisert med samme genrekode) og trolig også god validitet for enkle genretyper, men har egne problemer. Et utdrag fra en fotballkamp i TV 2-nyhetene vil for eksempel kategoriseres som «nyheter», men som «sport» om en så kampen i en egen sending. Også nyskapning innen programformat bidrar til å løpende komplisere slike kategorier. Når er en serie der kjendiser medvirker en «realityserie» og når er den en «dokumentarserie»? Er The Daily Show et nyhetsprogram, eventuelt hvorfor ikke? Slike klassifikasjoner blir gjort på løpende bånd av tv-kanalene av pragmatiske grunner – for merking i programoversikter, bedriftsintern statistikk eller rapporter til myndighetene – ikke for å bedrive genrevitenskaplig finklassifikasjon. Det medfører betydelige utfordringer for innholdsvaliditeten i slike automatiske kategoriseringer.

Hvorfor spørreundersøkelsen gir flere dramaseere for de yngre seerne er noe uvisst. Det kan skyldes at de i større grad ser drama utenom de regulære tv-sendingene (via DVD, nedlasting, strømming etc.), men det er bemerkelsesverdig at forskjellene er nokså stabile i hele perioden. Det kan henge sammen med at unge mennesker systematisk sjeldnere registreres som seere for tv-meteret, men det kan også bety at mønsteret av unge mennesker som ser mer drama utenom vanlige tv-sendinger er et mer konstant fenomen i perioden enn de siste årenes fokus på strømming og YouTube i unge menneskers mediehverdag tilsier.

Beveger vi oss videre til en tredje genre – sport – finner vi ytterligere kompliserende resultater.

Sport

Når det gjelder andelen som ser sport på tv, er forholdet mellom de to undersøkelsene dels mer dramatiske, og dels omvendte av de vi har sett for drama (figur 4). Forskjellene er små for menn (xd=-0.5, sxd=4.0), men svært store for kvinner (xd=12.3, sxd=4.0), som tydelig oppgir sjeldnere å ha sett sport i surveyene enn det som blir registrert av tv-meteret. Undersøkelsene samsvarer bedre for menn (rho=.33, icc3,1=.20) enn for kvinner (rho =.23, icc3,1=.02). I motsetning til drama, slår aldersforskjellene lite ut. Derimot er det også de høyest utdannede grupper som her er mest forskjellige i de to undersøkelsene (tabell A6 og A7 i appendiks).

Figur 4: Andel som har sett sport en gjennomsnittsdag etter kjønn 2000–2014. Prosent.

Dette omvendte forholdet – at sport tilsynelatende er underrapportert av kvinner i surveyene og drama er det tilsvarende for menn – kan ha flere årsaker. Det kan ha med bevisst underrapportering i surveyen å gjøre, men det kan like gjerne skyldes overregistrering for tv-meteret. Kanskje menn oftere styrer fjernkontrollen under sportssendinger og kvinnene under dramasendingene, og at de begge tenderer til å registrere sin samboer (og barn) som mer aktive seere enn disse selv føler de er? Genrene kan også i seg selv være viktige: Det er trolig lettere å anse seg som ikke-seer av et program man er eksponert for dersom dette forbindes med en mer innlevende tilskuerposisjon (sport og drama), kontra genrer som trolig i mindre grad gjør det (nyheter).

Oppsummering

Tabell 1 oppsummerer funn som gjelder forskjeller og samsvar mellom de to undersøkelsene.

Tabell 1:

Utvalgte mål på forskjell og samsvar mellom Mediebruksundersøkelsene og TV-panelet 2000–2014. Menn og kvinner.

Daglig dekningNyheterDramaSport
MKMKMKMK
Gj.snitt. prosentdiff. mellom anslagene (x d )
positiv = høyere anslag i MBR,
negativ = høyere anslag i TVM
16.113.512.69.7-6.5-0.4-0.5-12.3
Endring i gjennomsnittlig differanse fra 2000-4 til 2010-14 -.8 -3.4-5.0-3.2-3.4-3.4-.2-3.2
Standardavvik for forskjellen mellom anslagene (s xd )3.22.62.92.73.94.84.04.0
Lineær korrelasjon mellom anslagene (Pearsons r).60.67.95.93.73.74.21.02
Rank korrelasjon (Spearmans rho).58.64.96.90.69.64.33.23
Linjært samsvar (Rho c ).04.04.28.31.34.51.20.00
Ikke-linjært samsvar (ICC 31 ).57.53.89.87.68.52.20.02
Linjær regresjonstrend i perioden MBR (b)-.69-.64-1.7-1.21.11.1.131.2
Linjær regresjonstrend i perioden TVM (b)-.54-.26-1.1-0.9.74.40.36.06

Vi finner overordnet sett godt samsvar mellom anslagene i Mediebruksundersøkelsen og tv-meteret for andel seere av nyheter (icc31=.88), noe mindre for daglig dekning (icc31=.55) og drama (icc31=.60), og svært lite samsvar for sport (icc31=.09)9. Mediebruksundersøkelsen gir langt høyere anslag enn meterdataene for andelen som ser tv en gjennomsnittsdag (+15 prosent), noe høyere anslag for nyheter (+11 prosent), men lavere anslag for drama (-3 prosent) og sport (-6 prosent). Utviklingstrendene i perioden 2000–2014 (både negative og positive) er gjennomgående tydeligere i surveyen. Dette gjelder spesielt for genrene, og noe mer for drama og sport enn for nyheter. Når det gjelder i hvilken grad oppgang og nedgang følger hverandre i de to undersøkelsene (uavhengig av forskjeller i gjennomsnitt), er det godt samsvar i trendene for daglig dekning og nyhetsseing (rho=.91 og .94), noe dårligere samsvar for drama (rho=.67) og svært dårlig samsvar for sport (rho=.28). Angående kjønnsforskjeller oppgir Mediebruksundersøkelsen færre menn som har sett drama (-7 prosent, -0.5 prosent for kvinner) og flere kvinner som har sett på sport (-12 prosent, -1 prosent for menn). Det er også noe mindre samsvar i trendene for sportsseing for kvinner enn for menn, og trendene for både sport og drama er sterkere i Mediebruksundersøkelsen enn tv-meteret.

SSBs undersøkelse gir høyere anslag for de yngste aldersgruppene (<25 år) for daglig dekning og drama, men meterdataene gir høyere anslag for de eldre gruppene. For nyheter og sport er det dels omvendt. Samsvaret mellom undersøkelsene er også dårligere for de eldste og yngste aldersgruppene enn for de middelaldrende. Dårlig samsvar er det også mellom svarene til de høyeste utdannede, både når det gjelder genrer og daglig dekning. Mye av forskjellene her skyldes nok at en eller begge undersøkelsene (dette varierer trolig ut fra hvilken gruppe det gjelder) har problemer med å sikre svar fra representative utvalg for disse gruppene.

Samlet gir et fokus på disse tre genrene en mer nyansert forståelse for de to undersøkelsenes ulikheter. Som Prior (2009) fant i USA, finner vi at spørreundersøkelsen rapporterer en høyere andel nyhetsseere enn tv-meter-målingene, men forskjellene er tydelig mindre i Norge. Ved å fokusere på tre genrer og ikke bare nyheter, har vi videre vist at forskjellene mellom undersøkelsene er større for ikke-nyhetsgenrene. Koblingen mot sosiale bakgrunnsdata viser også at alder, kjønn og utdanningsnivå til respondentene spiller stor rolle for undersøkelsenes samsvar. For forskere og politikere påkaller dette ekstra forsiktighet i lesingen av mediebrukstallene. Ved å studere utviklingen over 15 år finner vi at forskjellene mellom disse undersøkelsene er forbausende konsistente, tross store endringer i mediehverdagen og noen justeringer av tv-meterets metodologi. Dette antyder at det er nokså fundamentale forskjeller i hvordan disse to målingene registrerer folks mediebruk.

Konklusjon

Vi har sammenlignet to undersøkelser som ikke bare representerer (halv)automatisert versus selvrapporterende, men også ganske ulike holdninger. SSBs survey er statisk og prinsippfast, og dens verdi ligger særlig i den lange tidsserien. Kantar TNS er til forskjell grunnleggende pragmatisk, og nøler ikke med å justere metoden fra ett år til et annet. Viser våre funn at folks mediebruk generelt over- eller underrapporteres i spørreundersøkelser? Spørsmålet er komplisert. Vi har argumentert for at det er vanskelig å vite om forskjeller mellom de to undersøkelsene skyldes at folk over- eller under-rapporterer sin tv-seing i surveyene eller ved tilsvarende under- eller overregistrering i tv-meteret. Grunnleggende sett berører spørsmålet et kjernepunkt i resepsjonsforskningen: Hva er å «se på» tv? Er det nok å være eksponert for innholdet, eller krever seingen også en grad av oppmerksomhet og innlevelse? Hvilken rolle spiller programgenre her? Og hvordan varierer slike vurderinger mellom ulike sosiale grupper og i en mediehverdag i sterk endring? Om dette dels er velkjente tema i forskningen, er det et stort behov for kvalitativ medieforskning som kobler slike spørsmål med hvordan folk svarer i ulike typer mediebruksundersøkelser.

Det er ingen enkle svar på hvilke av undersøkelsene som er mest «korrekt», og vårt fokus har da heller ikke vært på den enkelte undersøkelses innholdsvaliditet (sannhet), men deres kriterievaliditet (samsvar). En del av skjevhetene vi har drøftet kan vi rimelig sikkert identifisere ut fra sannsynlige forhold og kjente problem med lignende metoder. Samtidig er et viktig poeng at mange av forskjellene mellom dataene ikke kan tilskrives metodene «i seg selv», men avhenger av den spesifikke varianten og utførelsen som i mange tilfeller er vanskelig å vurdere utenfra. For eksempel gjelder det i hvilken grad tv-panelet er representativt, godt opplært og motivert for å gjøre de oppgavene byrået forutsetter. Det er også svært vanskelig å vurdere hvordan de mange potensielle feilkildene aggregerer. Vil for eksempel registrering av sportsseing gjort av andre familiemedlemmer (tv-meteret) medføre mer eller mindre mot overrapportering sammenlignet med en survey? Vil dette være annerledes for kvinner og menn, og hvordan vil alder spille inn?

I fraværet av en sikker målestokk har vi lite grunnlag for å svare definitivt på slike spørsmål. Derimot kan vi ut fra vår analyse av aggregerte tall fra de to undersøkelsene si noe om forskjellene i deres anslag av hvor mange som har sett på tv en gjennomsnittsdag, og hvor mange som tilsvarende har sett nyheter, sport eller drama. Et viktig poeng er at selv om forskjellene vi finner mellom undersøkelsene er noe minkende i perioden både for daglig dekning og for hver genre, er disse likevel nokså konsistente. Dette styrker mistanken om at avvikene hovedsakelig er resultat av forskjeller mellom metodene, mer enn av mindre endringer i metodene eller som effekter av digitaliseringen av tv-seing med påfølgende plattformfragmentering. Det er positivt, siden det taler for at tv-meterdata kan brukes, med forsiktighet, til å antyde mønster og trender i ulike gruppers tv-bruk, og slik berike, men ikke erstatte den tradisjonelle surveyforskningen i studier av folks faktiske tv-bruk.

En del av våre funn er vanskelige å forklare, men kan tyde på økende utfordringer med målinger av tv-bruk. Etter hvert som mer mediebruk flyttes til nettbaserte tjenester, mister våre tradisjonelle måleverktøy sitt forklaringspotensial. Nye metoder som benytter returkanalen fra brukerne til å samle data, eller sporer bruk av sosiale medier for å analysere forventet seeing (Kosterich & Napoli, 2016), er blant verktøyene bransjen utforsker for å komme ovenpå slike utfordringer. For medieforskere er oppgaven å gjøre oss kjent med nye metoder og kritisk ta dem i bruk – gjerne i kombinasjon – samtidig som vi tar oss tid til den grunnleggende, helt nødvendige metodekritikken.

Appendiks: Tabeller og figurer

Figur A1. Andel som har sett fjernsyn en gjennomsnittsdag etter alder 2000–2014. Prosent.
Figur A2. Andel som har sett nyheter en gjennomsnittsdag etter kjønn og alder 2000–2014. Prosent.
Figur A3: Andel som har sett drama en gjennomsnittsdag etter kjønn og alder 2000–2014. Prosent.
Figur A4: Andel som har sett sport en gjennomsnittsdag etter kjønn og alder 2000–2014. Prosent.
Figur A5. Andel som har sett fjernsyn en gjennomsnittsdag etter utdanning 2000–2014. Prosent.
Figur A6. Andel som har sett nyheter en gjennomsnittsdag etter utdanning 2000–2014. Prosent.
Figur A7. Andel som har sett drama en gjennomsnittsdag etter utdanning 2000–2014. Prosent.
Figur A8. Andel som har sett sport en gjennomsnittsdag etter utdanning 2000–2014. Prosent.
Figur A9. Regresjonslinje og avvik fra perfekt samsvar i Mediebruksundersøkelsen og TV-panelet 2000–2014. Gjennomsnitt for menn og kvinner.
Tabell A1:

Utvalgte mål på forskjell og samsvar mellom Mediebruksundersøkelsene og TV-panelet 2000–2014. Daglig dekning, begge kjønn. Etter alder og utdanning.

DAGLIG DEKNING9-1516-2425-4445-6667-79Vgs.1-4 år høy. utd>4 år høy. utd.
Differanse % (x d )34.527.510.310.38.114.011.911.4
Std.avvik (s xd )4.37.12.92.53.03.13.02.6
Pearsons r .72.60.74.10.05.48.61..30
Spearmans rho .79.47.66.03.05.50.64.32
Lins Rho c .04.05.10.05.05.03.05.02
ICC 31 .72.46.60.09.06.43.50.26
MBR vs. år (b)-1.0-1.7-.74-.25.06-.56-.60-.24
TVM vs. år (b)-1.2-.56-.37-.05-.32-.35-.23-.20
Tabell A2:

Utvalgte mål på forskjell og samsvar mellom Mediebruksundersøkelsene og TV-panelet 2000-2014. Nyheter. Etter alder.

MennKvinner
NYHETER9-1516-2425-4445-6667-799-1516-2425-4445-6667-79
Differanse % (x d )-3.713.414.216.611.9-6.53.111.916.111.5
Std.avvik (s xd )6.15.15.96.83.83.66.63.75.15.4
Pearsons r .67.92.93.73.70.71.67.96.72.44
Spearmans rho .66.91.94.78.67.69.62.87.81.41
Lins Rho c .53.37.38.08.13.35.59.46.07.06
ICC 31 .628382.40.63.71.64.91.48.26
MBR vs. år (b)-1.4-2.0-2.5-1.5-.90-.66-1.6-2.1-1.2-.98
TVM vs. år (b)-1.2-1.3-1.5-.49-.67-1.1-1.2-1.5-.52-.17
Tabell A3:

Utvalgte mål på forskjell og samsvar mellom Mediebruksundersøkelsene og TV-panelet 2000–2014. Nyheter. Etter utdanningsgruppe.

NYHETERVideregående1-4 år høyere utdanning5+ år høyere utdanning
Differanse % (x d )12.614.718.1
Std.avvik (s xd )4.83.55.1
Pearsons r .95.91.68
Spearmans rho .95.94.61
Lins Rho c .29.19.11
ICC 31 .85.82.64
MBR vs. år (b)-1.9-1.4-1.3
TVM vs. år (b)-1.0-.97-.83
Tabell A4:

Utvalgte mål på forskjell og samsvar mellom Mediebruksundersøkelsene og TV-panelet 2000–2014. Drama. Etter alder.

MennKvinner
DRAMA9-1516-2425-4445-6667-799-1516-2425-4445-6667-79
Differanse % (x d )16.324.9-8.6-16.5-29.127.027.1-2.1-10.7-21.8
Std.avvik (s xd )6.310.87.612.17.47.516.25.35.15.2
Pearsons r .91.03.58-.72-.37.73-.22.80.41.44
Spearmans rho .91.22.63-.30-.36.71.01.41.55.39
Lins Rho c .37.00.23-.16-.01.13-.03.77.08.03
ICC 31 .83.03.42--.69-.79.31.35
MBR vs. år (b)2.71.41.9-.05-.551.62.31.3.19.48
TVM vs. år (b)1.7.53.59.51.681.7.19.96.13.23
Tabell A5:

Utvalgte mål på forskjell og samsvar mellom Mediebruksundersøkelsene og TV-panelet 2000–2014. Drama. Etter utdanningsgruppe.

DRAMAVideregående1-4 år høyere utdanning5+ år høyere utdanning
Differanse % (x d )-4.2-6.6-7.5
Std.avvik (s xd )3.64.25.4
Pearsons r .68.65.14
Spearmans rho .61.55.06
Lins Rho c .42.26.04
ICC 31 .59.56.11
MBR vs. år (b).84.96.87
TVM vs. år (b).67.56-.04
Tabell A6:

Utvalgte mål på forskjell og samsvar mellom Mediebruksundersøkelsene og TV-panelet 2000–2014. Sport. Etter alder.

MennKvinner
SPORT9-1516-2425-4445-6667-799-1516-2425-4445-6667-79
Differanse % (x d )3.312.4-0.2-1.2-4.5-9.0-7.4-13.9-12.4-12.8
Std.avvik (s xd )6.86.73.96.26.13.63.64.74.78.2
Pearsons r .11.27.72.20-.09.06.50.29.18-.10
Spearmans rho .07.16.67.14-.17.09.45.31.19-.13
Lins Rho c .07.06.67.13-.05.01.15.04.02-.02
ICC 31 .09.24.67.13-.06.50.28.17-
MBR vs. år (b).15.13.73.38-.05-.15.44.34-.08-.04
TVM vs. år (b).59.72.64-.08-.22.31.37.41-.26-.48
Tabell A7:

Utvalgte mål på forskjell og samsvar mellom Mediebruksundersøkelsene og TV-panelet 2000–2014. Sport. Etter utdanningsgruppe.

SPORTVideregående1-4 år høyere utdanning5+ år høyere utdanning
Differanse % (x d )-5.9-6.0-4.2
Std.avvik (s xd )3.93,65.5
Pearsons r .35.47-.16
Spearmans rho .34.42-.17
Lins Rho c .12.17-.08
ICC 31 .28.44-
MBR vs. år (b).16.28.08
TVM vs. år (b).21.21-.03

Kommentar til tabellene: I noen tilfeller er ICC-verdiene ikke rapporterte (markert med «‑»). Dette skyldes negative verdier i utregningene, noe som vanligvis regnes som utrykk for svært lavt samsvar.

Referanser

Aalberg, T., Blekesaune, A., & Elvestad, E. (2013). Media Choice and Informed Democracy: Toward Increasing News Consumption Gaps in Europe? The International Journal of Press/Politics, 18(3), 281-303. DOI: https://doi.org/10.1177%2F1940161213485990.

Aalberg, T., & Curran, J. (red.) (2012). How Media Inform Democracy – A Comparative Approach. London: Routledge.

Ang, I. (1992). Living-room wars: new technologies, audience measurement and the tactics of television consumption. I R. Silverstone og E. Hirsch (red.) Consuming Technologies. London: Routledge.

Bechtel, R. B., Achelpohl, C. & Akers, R. (1972). Correlates between observed behavior and questionnaire responses on television viewing, i E. Rubinstein, G. Comstock og J. Murray (red.) Television and Social Behavior, vol. 4: Television in Day-to-Day Life: Patterns of Use, Washington, D.C.: United States Government Printing Office, s. 274–334.

Blekesaune, A., Elvestad, E., & Aalberg, T. (2012). Tuning out the World of News and Current Affairs—An Empirical Study of Europe’s Disconnected Citizens. European Sociological Review, 28(1), 110-126. DOI: https://doi.org/10.1093/esr/jcq051.

Bjur, J. (2009). Transforming Audiences: Patterns of Individualization in Television Viewing. Gøteborg: Gøteborgs Universitet.

Blumer, H.G. (1956). Sociological analysis and the «variable». American Sociological Review, 21(6) 683–90. DOI: https://doi.org/10.2307/2088418.

boyd, d. & Crawford, K. (2012). Critical Questions for Big Data, Information, Communication & Society, 15(5), 662-679. DOI: https://doi.org/10.1080/1369118x.2012.678878.

Bourdon, J., & Méadel, C. (2015). Ratings as Politics. Television Audience Measurement and the State: An International Comparison. International Journal of Communication, 9, 2243-2262.

Briggs, C. L. (1986). Learning How to Ask. Cambridge: Cambridge University Press.

Buzzard, K. (2012). Tracking the Audience: The Ratings Industry from Analog to Digital. New York: Routledge.

Cicourel, A. V. (1964). Method and measurement in sociology. Oxford, England: Free Press of Glencoe.

Dilliplane, S., Goldman, S. K., & Mutz, D. C. (2013). Televised Exposure to Politics: New Measures for a Fragmented Media Environment. American Journal of Political Science, 57(1), 236-248. DOI: https://doi.org/10.1111/j.1540-5907.2012.00600.x.

Drotner, K., Schrøder, K. S., Murray, C., & Kline, S. (2003). Researching audiences. London: Hodder Arnold.

Elvestad, E. (2015). Barn av informasjonsrike medieomgivelser: En studie av norske elever og studenter sitt forhold til nyheter i tradisjonelle og sosiale medier. Drammen: Høgskolen i Buskerud og Vestfold

Enjolras, B., Karlsen, R., Steen-Johnsen, K. & Wollebæk, D. (2013). Liker – liker ikke: Sosiale medier, samfunnsengasjement og offentlighet. Oslo: Cappelen Damm.

Enli, G. S., Moe, H., Sundet, V. S., & Syvertsen, T. (2010). Tv – en innføring. Oslo: Universitetsforlaget.

Foddy, W. (1993). Constructing questions for interviews and questionnaries. Cambridge: Cambridge University Press.

Gitlin, T. (1983). Inside Prime Time. New York: Routledge.

Gripsrud, J. , J. F. Hovden og H. Moe (2011). Changing relations: Class, education and cultural capital. Poetics 39(6), 507-529. https://doi.org/10.1016/j.poetic.2011.09.007

Gwet, K. L. (2014). Handbook of inter-rater reliability: The definitive guide to measuring the extent of agreement among raters. Advanced Analytics, LLC.

Hall, S. (1980). Encoding/decoding. I Stuart Hall, Dorothy Hobson, Andrew Love, og Paul Willis (red.) Culture, Media, Language, pp. 128–38. London: Hutchinson.

Hellevik, O. (2016). Extreme nonresponse and response bias. A ‘‘worst case’’ analysis. Qual Quant, 50(5), 1969–1991. DOI: https://doi.org/10.1007/s11135-015-0246-5.

Helles, R., & Hjarvard, S. (2014). Seertal og webtrafik. København: Samfundslitteratur.

Holmøy, A. (2014). Mediebruksundersøkelsen 2013. Dokumentasjonsrapport. Notater 2014/16. Oslo: SSB.

Katz, E. og Scannell, P. (red.) (2009). The End of Television? Its Impact on the World (So Far). The Annals of the American Academy of Political and Social Science. Los Angeles, Calif.: Sage Publications.

Kosterich, A., & Napoli, P. M. (2016). Reconfiguring the Audience Commodity: The Institutionalization of Social TV Analytics as Market Information Regime. Television & New Media, 17(3), 254-271. DOI: https://doi.org/10.1177/1527476415597480.

LaPiere, R.T. (1934). Attitudes vs Actions. Social forces 13(2): 230-237. DOI: https://doi.org/10.2307/2570339.

Lai, S. S. (2015). Ratings revisited. Journal of Media, Cognition and Communication, 3(1), 5-29.

Leeuw. E.D. de (2002). Data Quality in Mail, Telephone and Face to Face Surveys. Amsterdam: TT-Publikaties Amsterdam.

Lotz, A. (2007). The Television will be Rervolutionized. New York and London: New York University Press.

Mayer-Schönberger, V. & Cukier, K. (2013). Big Data: A Revolution That Will Transform How We Live, Work, and Think. New York: Eamon Dolan

MedieNorge (2017). TV-kanalenes seertall per år. URL: http://medienorge.uib.no/statistikk/medium/tv/219

Napoli, P. M. (2011). Audience Evolution – New Technologies and the Transformation of Media Audiences. New York: Columbia University Press.

Prior, M. (2009). The Immensely Inflated News Audience: Assessing Bias in Self-Reported News Exposure. Public Opinion Quarterly, 73(1), 130-143. DOI: https://doi.org/10.1093/poq/nfp002.

Prior, M. (2013). The Challenge of Measuring Media Exposure: Reply to Dilliplane, Goldman, and Mutz. Political Communication, 30(4), 620-634. DOI: https://doi.org/10.1080/10584609.2013.819539.

Ross, S. M. (2008). Beyond the Box – Television and the Internet. Malden, MA: Blackwell.

Schwarz, N., & Oyserman, D. (2001). Asking Questions About Behavior: Cognition, Communication, and Questionnaire Construction. American Journal of Evaluation, 22(2), 127-160. DOI: https://doi.org/10.1177/109821400102200202.

Spigel L. & J. Olsson (red.) (2004). Television After TV – Essays on a Medium in Transition. Durham: Duke University Press.

Statistisk sentralbyrå (SSB) (2017a). Strategier, URL: http://www.ssb.no/omssb/styringsdokumenter/strategier

Statistisk sentralbyrå (SSB) (2017b). Mediebruksundersøkelsen. URL: https://www.ssb.no/innrapportering/personer-og-husholdning/mediebruk

Syvertsen, T., Enli, G. S., Mjøs, O. J. & Moe, H. (2014). The Media Welfare State: Nordic Media in the Digital Era. Ann Arbor: University of Michigan Press.

Thurman, N. (2017). Newspaper Consumption in the Mobile Age: Re-assessing multi-platform performance and market share using «time-spent». Journalism Studies, online first, 1-21. DOI: https://doi.org/10.1080/1461670x.2017.1279028.

TNS Gallup (2015). Prosjektmanual TV-undersøkelsen november 2015. Oslo: TNS Gallup. URL: http://www.tns-gallup.no/globalassets/fra-webnodes/medier/tv/prosjektmanual-tv-undersokelsen-2015.pdf

Vaage, O.F. (2015). Norsk mediebarometer 2014. Oslo: SSB.


Webster, J. G. (2014). The Marketplace of Attention: How Audiences Take Shape in a Digital Age. Cambridge, MA: MIT Press.

1For eksempel: «Mammon» mistet 300.000 seere, http://kampanje.com/medier/2016/01/mammon-mistet-hver-tredje-seer/, «-Dette vil avgjøre tv-krigen i 2016», http://kampanje.com/medier/2016/01/dette-vil-avgjore-tv-krigen--2016/, «NRK ble årets tv-vinner» http://kampanje.com/medier/2016/01/nrk-ble-arets-tv-vinner/
2 https://www.regjeringen.no/contentassets/7200f5c45bc347e9a9c6d7d7f419c983/hoeringsnotat-forslag_til_endringer_i_lov_og_forskrift_om_kringkasting_og_audiovisuelle_bestillingstjenester.pdf https://www.regjeringen.no/no/dokumenter/2459835/id2459835/
3To nyere undersøkelser med data om norske medieforhold er Norsk medborgerpanel, gjennomført av Rokkansenteret/Universitetet i Bergen siden 2013, og Reuters Institute sin Digital News Report, først gjennomført i Norge i 2016.
4Vekting kan illustreres med et eksempel: Vi gjør en undersøking av befolkningens tv-vaner og finner at de 1000 som har svart i snitt har sett 105 minutt fjernsyn pr. dag. Samtidig finner vi at 75% av de som svarer er menn (som ser i snitt 100 minutt) og 25% er kvinner (som ser 120 minutt i snitt). For å kompensere for skjev kjønnsfordeling (som burde være nærere 50/50) kan vi vekte bidragene omvendt proporsjonalt av deres sjanse til å være med i utvalget. Menn er overrepresenterte med en faktor på 1.5 (veiefaktor=.75/.50), kvinner er underrepresenterte (.25/.50=0.5). Et vektet anslag for tv-konsumet blir da ((750 menn/1.5*100 minutt) + (250 kvinner/0.5*120 minutt/))/1000 personer= 110 minutt i snitt.
5De aktuelle spørsmålene er (SSB 2014): «Så du på TV [i går]? Tenk på perioden fra kl. 6 om morgenen til kl. 6 neste morgen. Ta også med programmer du har sett på internett, som samtidig vises på TV. Ta ikke med seing på opptak av programmer, videobånd eller DVD.». For TV-meteret er all seeing på minst ett minutt registrert. Og videre for genrespørsmål: SSB (2014): «Hva slags TV-program så du på i [kanaler som så på i går]? (A. Sportsprogram, B. Nyheter eller nyhetsmagasin, L. TV-serie)». For TV-meteret inkluderer kategorien «Nyheter» spesialitetene «Lokale nyhetssendinger, «Nyheter» og «Nyheter annet». Merk at for eksempel kulturnyheter er organisert under kultur, og debattprogrammer under «informasjonsprogram», og er slik ikke inkludert i denne kategorien. «Drama» inkluderer underspesialitetene «Animasjon», «Fjernsynsfilmer», «Kinofilmer», «Kortfilmer», «Miniserier», «Serier drama» og «Situasjonskomedier (sitcom)». «Sport» inkluderer «Sport annet», «Sport studio-/pauseinnslag», «Sportsnyheter» og «Sportsoverføringer».
6Når vi konsekvent snakker om samsvaret mellom, og ikke reliabiliteten til, de to målingene er det fordi vi her sammenligner målinger fra to instrument (metoder), mens man i en kvantitativ innholdsanalyse tester påliteligheten til ett enkelt instrument (koding basert på en kodebok).
7ICC er ANOVA-baserte mål på intra-klasse korrelasjon som varierer fra 0 til 1, og finnes i litt ulike varianter avhengig av forskingsformål og data. ICC3 – som er mest passende i vårt tilfelle – forutsetter at de samme ratere vurderer alle mål. Konkordanskorrelasjonen (Rhoc) er et mål på noe av det samme, men strengere ved at det studerer avvik fra perfekt lineært samsvar og varierer mellom -1 og 1. For mer informasjon, se Gwet, 2014.
8Dette henger også sammen med kvaliteten på byråenes arbeid med utvalgene, som innsats i form av purringer for skjemaundersøkelser eller sikring av at deltakerne i tv-panel er motiverte og har god opplæring i hvordan utstyret brukes.
9Alle tall i denne delen viser gjennomsnittet av målene for menn og kvinner, om ikke annet går fram av teksten.

Idunn bruker informasjonskapsler (cookies). Ved å fortsette å bruke nettsiden godtar du dette. Klikk her for mer informasjon