Bias på dansk betydning

Bias betegner en ikke-tilfældig afvigelse fra neutralitet eller sandhed. Det kan handle om:

• Kognitiv bias: Menneskelige tanke-skævheder, der påvirker, hvordan vi opfatter, husker og vurderer information.
• Metodisk/statistisk bias: Systematiske fejl i design, måling, udvælgelse eller analyse, som forskyder resultater i en bestemt retning.
• Teknisk bias: Indbyggede forskydninger i instrumenter, algoritmer, modeller eller elektronik.

Fælles for disse er, at skævheden ikke udligner sig over mange observationer; den er systematisk og giver et vedvarende skub væk fra et retvisende eller fair resultat.

Ordet kommer via engelsk bias fra fransk biais (‘skævhed, skrå retning’). I fransk blev det brugt om noget, der går på skrå, og betydningen udviklede sig til ‘tendens’ eller ‘partisk hældning’. I dansk er det optaget som et fagligt og almen-sprogligt lånord.

• Ordklasse: Substantiv (fælleskøn).
• Bestemt form: biasen (fx “den statistiske biasen” - mange undgår dog bestemt form).
• Flertal: varierer i praksis; man ser både ubøjet bias i flertal (“flere bias”) og former som biaser/biasser. I fagtekster holder mange ordet ubøjet.
• Udtale: typisk som “baj-as” eller “bi-as”; begge høres i dansk tale.
• Tillægsord: Man ser af og til engelsk “biased”, men på dansk anbefales “forudindtaget”, “skæv” eller “partisk”.

• Kognitive bias:

  • Bekræftelsesbias: Søgning efter og vægtning af beviser, der bekræfter det, man allerede tror.
  • Forankringsbias: For stor vægt på første tal/information (ankeret).
  • Tilgængelighedsbias: Overvurdering af det, man let kan huske eller forestille sig.
  • Overlevelsesbias: Fokus på succeser/overlevere og overser dem, der ikke er synlige.
  • Hindsight bias: “Det var jo oplagt” - overvurdering af forudsigelighed efterfølgende.

• Udvælgelses- og måle-bias:

  • Selektionsbias: Ikke-repræsentativt udvalg af personer/enheder.
  • Non-respons-bias: Systematiske forskelle mellem svarere og ikke-svarere.
  • Måle-/informationsbias: Skæv registrering eller instrumentfejl.
  • Observatør-/interviewer-bias: Den, der måler, påvirker resultatet.

• Modeller og algoritmer:

  • Databias: Træningsdata afspejler skæve mønstre.
  • Modelbias: For enkel model, der systematisk undervurderer/overvurderer.
  • Algoritmisk bias: Uretfærdige forskelle i prædiktioner mellem grupper.

• “Der er risiko for selektionsbias, hvis deltagerne rekrutteres via sociale medier.”
• “Resultatet kan være påvirket af bekræftelsesbias i forskerteamet.”
• “Spørgeskemaet led af non-respons-bias, fordi unge svarede sjældnere.”
• “Modellen udviser algoritmisk bias mod minoritetsgrupper.”
• “Vi fandt en estimeringsbias, fordi modellen ikke indeholder et relevant kontrolled.”
• “Analysen er robust mod forankringsbias gennem præregistrering.”
• “Måleudstyret har en konstant bias, der korrigeres i kalibreringen.”
• “Artiklen er skrevet med tydelig politisk partiskhed (bias).”
• “I forstærkeren justeres forspændingen (bias) for at minimere forvrængning.”
• “Kjolen er syet på skrå (bias cut), så stoffet falder blødt.”
• “Der er en positiv bias i data: de fleste observationer er lavet i dagtimerne.”
• “For at reducere overlevelsesbias kiggede vi også på de projekter, der lukkede.”

• Synonymer (afhængigt af kontekst): skævhed, forudindtagethed, partiskhed, systematisk fejl, tendens, slagside, forskydning, forspænding (elektronik), skråsnit/skråtråd (syning).
• Beslægtede: heuristik, fordom, stereotypi, vinkling, confounding (sammenblanding), skævvredet data.

• Neutralitet
• Upartiskhed
• Objektivitet
• Fairness/ligebehandling
• Tilfældighed/støj (i modsætning til systematisk fejl)

I dansk fagsprog dukker “bias” først op i statistik, psykologi og epidemiologi, hvorefter det bliver udbredt i it og maskinlæring. I dag er ordet almindeligt, også i dagligsprog om medier og politik. Samtidig lever danske ækvivalenter (fx “skævhed”, “partiskhed”) side om side med den engelske form, især hvor præcision og international faglighed vægtes.

• Design: Randomisering, blinding, kontrolgrupper, repræsentativ og stratificeret sampling.
• Måling: Kalibrering, standardiserede protokoller, interrater-reliabilitet.
• Analyse: Justering for confoundere, følsomhedsanalyser, robustheds-checks.
• Data/AI: Datasanering og balancering, fairness-metrics (fx demografisk paritet, lige odds), reweighting, adversarial eller kausal de-biasing, transparent modelrapportering.
• Organisation: Forhåndsregistrering, køns- og diversitetsbalance, audit og ekstern peer review.

• Bias vs. tilfældig fejl (støj): Bias er systematisk; støj er tilfældig.
• “Biased” som adjektiv: Brug hellere “forudindtaget/partisk/skæv” på dansk.
• Syning: “Bias” betyder skråtråd/skråsnit og har intet med forudindtagethed at gøre.
• Elektronik: “Bias” som forspænding er en tilsigtet offset; ikke en fejl.

• Bias-varians (statistik/ML): Afvejning mellem systematisk fejl og følsomhed over for støj.
• Fairness (AI/jura): Principper og metoder til at sikre ikke-diskriminerende resultater.
• Confounding (epidemiologi): En tredje variabel forvrænger relationen mellem eksponering og udfald.
• Kalibrering: Justering for at fjerne måle- eller modelbias.

• Er skævheden systematisk, så taler man om bias.
• Navngiv bias efter kilden (selektions-, måle-, bekræftelses- osv.).
• Forebyg bias i design hellere end at forsøge at rette det i analysen.
• Vær eksplicit om usikkerhed og følsomhed over for antagelser.