KAPITEL 4: Gruppdynamik förstärker sprickor¶
När teknologi möter identitetsbehov skapas mekanismer som automatiskt förstärker "vi mot dem". Problemet är inte gruppidentitet i sig - utan att systemen accelererar tribalisering utan motverkande krafter.
Har du varit med om detta?¶
Emma är trettiotvå år och arbetar som lärare på en högstadieskola i Stockholm. Hon använder Twitter - numera X - för att följa pedagogisk debatt. Det är 2022 när hon börjar, och hon ser det som ett sätt att utvecklas professionellt.
De första månaderna är spännande. Hon följer både progressiva pedagoger som betonar inkludering och elevcentrerat lärande, och mer traditionella röster som talar om kunskapsfokus och tydlig struktur. Diskussionerna är intensiva men lärorika. Hon gillar att höra olika perspektiv.
Men gradvis märker hon något förändras. Inte i hennes åsikter - i vad hon exponeras för.
När Emma klickar på en progressiv pedagogs inlägg och läser det får algoritmen ett budskap: "Emma är intresserad av detta." Nästa dag visas fler progressiva pedagoger i hennes flöde. När hon scrollar förbi en konservativ pedagogs inlägg utan att klicka får algoritmen ett annat budskap: "Emma är mindre intresserad av detta." Färre konservativa visas.
Detta sker inte för att Emma medvetet väljer. Det sker för att algoritmen är designad att maximera engagemang - att få henne att stanna på plattformen längre. Och forskning visar att människor engagerar sig mer i innehåll som bekräftar än i innehåll som utmanar.
Efter ett år ser Emmas flöde radikalt annorlunda ut. Nästan bara progressiva pedagoger. De konservativa röster hon ser är oftast som skärmdumpar delade av progressiva med kommentarer som "kan du tro att folk fortfarande tänker såhär?" eller "detta är problemet med traditionell pedagogik."
Emma börjar tro att nästan alla pedagoger delar hennes syn. De få som inte gör det verkar vara extrema outliers. Hon vet inte att detta är algoritmiskt konstruerat. Hon tror det är verkligheten.
På lärarforum online ser hon samma mönster. En diskussion börjar om betyg i mellanstadiet. Praktisk fråga: Hjälper betyg elever förstå sin utveckling, eller skapar de onödig stress?
Men snabbt bildas två läger. Progressiva lärare börjar dela artiklar om hur betyg skadar motivation. Konservativa lärare delar artiklar om hur betyg ger tydlig feedback. Algoritmerna visar varje grupps artiklar främst till andra i samma grupp.
Emma läser tjugo artiklar om betygets skadeverkningar. I hennes flöde verkar konsensus vara överväldigande. Hon vet inte att hennes kollega Magnus, fem dörrar bort, läser tjugo artiklar om betygets fördelar och tror att konsensus är åt andra hållet.
När Emma och Magnus pratar vid kaffemaskinen och ämnet kommer upp blir båda förvånade. "Men all forskning jag läst visar ju att-" säger båda samtidigt. De inser inte att de exponerats för helt olika urval av information, kurerad av system designade att maximera deras respektive engagemang.
Tre år senare, 2025, följer Emma fortfarande pedagogisk debatt online. Men nu pratar hon inte längre om det med Magnus. Senast de diskuterade blev det... obehagligt. Inte för att någon sa något elakt. Bara för att deras uppfattningar om vad "alla vet" var så olika att samtalet kändes meningslöst.
Det är lättare att prata med kollegor som delar hennes syn. Vid lunch sitter hon ofta med Anna och Karin, båda progressiva. De bekräftar varandras upplevelse av att "traditionell pedagogik" är problematisk. Detta stärker Emmas övertygelse.
Magnus sitter vid ett annat bord med Stefan och Peter. Samma dynamik omvänt. De bekräftar varandras upplevelse av att "progressiv pedagogik" sänker kunskapskrav.
Ingen ljuger. Ingen manipulerar. Men två parallella verklighetsbilder byggs i samma lärarrum, formade av algoritmer som ingen av dem valt eller ens är medvetna om.
Varför vi automatiskt sorterar oss i "vi" och "dem"¶
För att förstå vad som händer Emma måste vi först förstå något fundamentalt om hur människor fungerar i grupper.
På 1970-talet gjorde psykologen Henri Tajfel vid University of Bristol en serie experiment som skulle förändra vår förståelse av gruppidentitet. Han tog slumpmässigt utvalda personer och delade in dem i "Grupp A" och "Grupp B". Ingen annan information. Bara bokstav.
Sedan gav han dem möjlighet att fördela resurser mellan gruppmedlemmar. Resultatet var slående: Folk favoriserade konsekvent sin egen grupp. Även när det var totalt arbiträrt. Även när de aldrig träffat andra gruppmedlemmar. Även när det kostade dem själva resurser att gynna den egna gruppen framför andra.
Detta kallas "minimal group paradigm" - att gruppidentitet uppstår från minimal information. Tajfel visade att människor automatiskt:
Kategoriserar: Delar in världen i "vi" och "dem"
Identifierar: Kopplar självkänsla till gruppens framgång
Jämför: Värderar den egna gruppen högre än andra
Förstärker: Överdrivet positiva om egen grupp, överdrivet negativa om andra
Detta är inte irrationellt. I evolutionär miljö var gruppidentitet överlevnadskritisk. De som identifierade sig starkt med sin grupp och misstrodde främmande grupper överlevde oftare. När resurser var begränsade och konflikter mellan grupper vanliga betalade sig tribalism.
Men dessa mekanismer som utvecklades för små grupper i knapphetsmiljö aktiveras nu i masssamhällen med överflöd. Och när de möter modern teknologi får vi något nytt: tribalisering i hyperdrive.
Problemet är inte att teknologi skapade tribalism. Tribalism fanns redan - djupt inbyggd i mänsklig psykologi. Men teknologi gör tre saker som förstärker den dramatiskt:
Algoritmisk sortering: System designade att maximera engagemang sorterar automatiskt människor i grupper där de främst exponeras för likasinnade.
Visibility bias: När vi ser andra gruppen är det oftast extrema exempel, inte representativa. Detta skapar intryck att hela gruppen är extrem.
Engagemang-optimering: Innehåll som provocerar och polariserar sprids snabbare än innehåll som nyanserar. Algoritmer läser detta som "bra innehåll" och förstärker det.
Tillsammans skapar dessa mekanismer något vi aldrig haft förut: miljöer där gruppidentitet förstärks konstant, automatiskt, utan motverkande exponering för andra perspektiv.
När detta hände förut - Rwanda och radions makt¶
Det här mönstret är inte helt nytt. Ett av mest skrämmande historiska exemplen är Rwanda 1994.
Hutu och Tutsi hade levt blandade i samma byar i generationer. Olika identiteter, ja. Historiska spänningar, absolut. Men också gemensamma praktiker, grannar, ibland familj genom äktenskap. De delade språk, religion, geografi.
Men radion RTLM - Radio Télévision Libre des Mille Collines - började systematiskt sända propaganda 1993. Hutus exponerades främst för berättelser om Tutsi-hot. "Inyenzi" - kackerlackor - var ordet som användes. Berättelser om hur Tutsier planerade att återta makten, att förslava Hutus, att utplåna dem.
Kritiskt: Propagandan visade främst extrema exempel. En Tutsi som sagt något provokativt presenterades som representativ för alla Tutsier. Detta skapade intryck att hela gruppen var extrema.
Samtidigt, på Tutsi-sidan, cirkulerade berättelser om Hutu-diskriminering och historiska övergrepp. Båda grupperna fick parallella verklighetsbilder där den andra sidan var existentiellt hot.
Historikern Scott Straus visar i sin forskning att radio var avgörande i att acceleration folkmord. Inte för att den skapade hat från grunden - spänningarna fanns - men för att den skapade parallella verklighetsbilder där varje grupp såg den andra som existentiellt hot, samtidigt som den visade extrema exempel som bevis.
I byar där människor inte hade tillgång till radio var våldsnivåerna signifikant lägre. I byar där människor lyssnade dagligen var våldsnivåerna högre. Exponeringen formade verklighetsuppfattning.
Detta är extremfall - jag jämför inte Twitter med folkmord. Men mekanismen är instruktiv: När grupper exponeras främst för extrema exempel från varandra, och sällan för representativa exempel, accelererar misstro och dehumanisering.
Nora lär sig vem som tillhör "oss"¶
Nora är tjugofem nu, 2040, och arbetar på ett hållbarhetskonsultbolag i Stockholm. Trettiotvå anställda, moderna lokaler vid Slussen, arbete hon tycker är meningsfullt.
Hon är aktiv på Instagram och LinkedIn där hon följer folk inom hållbarhet, progressiv politik, feminism. Hennes flöde är fyllt med innehåll som bekräftar hennes värderingar. Detta känns skönt. Hon omger sig med "sin tribe" som man säger.
Men gradvis märker hon något. Varje gång någon i hennes nätverk delar något från "andra sidan" är det för att påpeka hur absurt det är.
"Kolla vad högerextremister säger nu om klimat!"
"Kan du fatta att folk fortfarande förnekar strukturell rasism?"
"Detta är varför vi inte kan ha saklig debatt med vissa."
Nora ser aldrig den bästa versionen av motståndarens argument. Hon ser den dummaste versionen, utvald just för att provocera och visa hur fel "de" har.
Hon lär sig: "Andra sidan består av extremister och idioter."
På jobbet händer något som konkretiserar detta. De ska anställa ny medarbetare. Fyra kandidater till sista intervjun. I fikarummet pratar kollegorna:
"Jag gillade Lisa. Hon verkar smartast," säger någon.
"Ja, men såg du hennes LinkedIn? Hon följer några lite... tveksamma personer."
"Tveksamma hur?"
"Alltså, inte direkt nazister eller så. Men lite höger. Hon delade något om marknadslösningar."
"Oh." Tystnad.
"Jag menar, hon kanske bara tänker ekonomiskt? Hon har ju finans-bakgrund."
"Men det säger ju något om hennes värderingar."
Lisa får inte jobbet. Officiellt för att "andra kandidater passade bättre kulturellt". Men Nora undrar: Passade Lisa inte, eller passade hennes upplevda grupptillhörighet inte?
Tre månader senare blir Nora själv rekryterad till annat projekt. Hon ska samarbeta med konsult från annat företag - namn spelar ingen roll, kalla honom Henrik. De har första mötet digitalt.
Efteråt säger hennes kollega David: "Henrik verkar kompetent men han är lite... konservativ."
"Hur vet du det?"
"Jag googlade honom. Han har skrivit debattartiklar om att Sverige behöver mer marknadsekonomi."
"Okej," säger Nora. "Men är han bra på sitt jobb?"
"Säkert. Bara säger att du vet vad du jobbar med."
Nora undrar vad det betyder. Varning? Varför skulle Henriks politiska åsikter påverka hans förmåga att analysera företags hållbarhetsrapporter?
Men nästa möte med Henrik känner hon sig vaksam. Tolkar hans kommentarer annorlunda. När han säger "vi måste tänka kostnadseffektivt" hör hon "han bryr sig inte om miljön lika mycket." Kanske gör han. Kanske gör han inte. Men nu filtreras allt han säger genom hennes uppfattning om hans grupptillhörighet.
Efter sex månader har konsultbolaget delat sig i informella nätverk. Ingen kallar dem officiellt något. Men alla vet vilka som tillhör "progressiva" och vilka som är "pragmatiker" (kodord för lite mer konservativa).
Nätverken äter lunch separerat. De tar kaffepaus vid olika tider. De väljer projekt så de slipper samarbeta över gränserna när det är möjligt.
Detta var inte medvetet. Ingen sa "vi skapar läger". Det bara... hände. För när man kategoriserat människor i grupper blir det lättare att umgås med den egna gruppen och svårare att umgås med andra. Inte för att man hatar dem. Bara för att varje interaktion riskerar aktualisera skillnader.
Nora lär sig: Grupptillhörighet viktigare än faktisk kompetens eller idéer.
Lars lär sig att samarbeta över gränserna¶
Oktober 1953. Lars är trettiofem och arbetar fortfarande på varvet, nu som arbetsledare för en grupp svetsare. Tolv man under honom, olika bakgrunder och åsikter.
I gruppen finns Bertil som fortfarande är kommunist. Finns Erik som är socialdemokrat som Lars. Finns Karl som är höger - han äger lite mark utanför stan och tror på privat företagande. Finns Sven som är djupt religiös och ser arbetarrörelsen med skepsis.
Politiskt skulle de aldrig komma överens. Vid lunchen debatterar de ibland - intensivt, bestämt, utan att hålla tillbaka. Kommunism kontra kapitalism. Religion kontra sekularism. Kollektiv kontra individualism.
Men när klockan ringer och arbetet börjar måste de samarbeta. Ett skepp byggs inte av människor som håller med varandra. Det byggs av människor som kan koordinera sina handlingar oavsett vad de tycker.
Bertil och Karl är djupt oense om samhällssystemet. Men när Bertil svetsar och Karl hanterar material måste de kommunicera exakt, lita på varandra, fungera som team. En felsvetsad fog kan kosta liv när skeppet är till sjöss. Politisk oenighet är irrelevant när säkerhet står på spel.
Lars ser något viktigt: När människor tvingas samarbeta dagligen kring konkreta uppgifter kan grupptillhörighet inte dominera. Man kan inte totalt demonisera någon man är beroende av.
På kvällen går Lars hem samma väg som Bertil. De debatterar fortfarande.
"Din reformism kommer aldrig ge arbetarna verklig makt," säger Bertil. "Bara revolution kan."
"Och din revolution kommer bara leda till diktatur," säger Lars. "Kolla Sovjet."
"Sovjet är inte riktig kommunism."
"Det säger alla kommunister."
De är djupt oense. Men när de kommer till korsningen där deras vägar skiljs säger Bertil: "Ses imorgon."
"Jag kommer."
Dagen efter arbetar de tillsammans igen som igår. Oenigheten finns kvar. Men den hindrar inte funktionen.
Lars lär sig: Tvingande samarbete kring konkreta mål motverkar tribalism.
Den moderna skillnaden är att Nora kan välja bort Henrik. Kan välja att arbeta med andra projekt. Kan välja att minimera interaktion. Systemet tillåter det - till och med uppmuntrar det genom att göra det möjligt att "matcha kultur".
Lars kunde inte välja bort Bertil. Skeppet måste byggas. Om Lars vägrar arbeta med Bertil slutar båda få betalt. Denna tvingande interdependens skapade motverkande kraft mot tribalism.
När mönstret bryts: Finland och strukturell integration¶
Men moderna samhällen kan designa tvingande samarbete även när överlevnad inte automatiskt kräver det. Ett slående exempel är Finland.
Finland har språklig klyfta: svenska mot finska. Historiskt har detta skapat djupa spänningar. Svenska var elitspråk under rysk tid. Finska var majoritetsbefolkningens språk. Detta kunde ha lett till total fragmentering - som det gjort i många länder med språkklyftor.
Men Finland byggde medvetet strukturer som tvingar integration:
1. Tvingande överlappningar:
Alla kommuner med mer än 6 procent minoritetsspråk måste vara tvåspråkiga. Detta betyder att många institutioner kräver båda språk för att fungera. Svenskspråkig arkitekt måste samarbeta med finskspråkig ingenjör. Inte för att de vill utan för att projektet kräver det.
2. Delad militärtjänst:
Svenskspråkiga och finskspråkiga tjänstgör tillsammans. Detta skapar gemensamma upplevelser som överskrider språkidentitet. När du varit i skyttegrav med någon i en månad spelar språk mindre roll.
3. Institutionell design:
Många universitet, företag, myndigheter använder båda språk. För att lyckas professionellt måste människor ofta kunna samarbeta över språkgräns. Detta skapar incitament som är starkare än tribalism.
Politologen Dag Anckar vid Åbo Akademi har forskat om detta i decennier. Han visar att systemet inte eliminerar språkspänning. Men det förhindrar total tribalisering eftersom grupperna tvingas interagera i meningsfulla kontexter.
"I många länder med språkklyftor," säger Anckar, "kan grupperna leva helt separerade liv. Sverige-Finland tidigt 1900-tal var på väg dit. Men genom att bygga institutioner som krävde samarbete skapades motverkande kraft. Inte kärlek mellan grupperna - men fungerande respekt född ur ömsesidigt beroende."
Konkret exempel: Helsingfors stad har både svensk- och finskspråkiga verksamheter. Men stora projekt - nya tunnelbanelinjer, stadsplaner, skolor - kräver samarbete. En svenskspråkig stadsplanerare måste koordinera med finskspråkiga ingenjörer, byggnadsarbetare, medborgare.
Detta skapar inte automatiskt sympati. Men det skapar pragmatisk respekt. När man arbetat med någon i två år på konkret projekt som fungerade är det svårare att se dem som "den andra grupppen". De är kollega som råkar tala annat språk.
Tre mekanismer som driver algoritmisk tribalisering¶
Mekanism 1: Filterbubblan - Du ser bara det som engagerar dig
Sociala mediealgorimer optimerar för engagemang - tid på plattform, klick, delningar. Innehåll som bekräftar dina åsikter engagerar mer än innehåll som utmanar. Därför visas mer bekräftande innehåll.
Detta sker automatiskt, konstant, utan att du märker det. Emma på Twitter tror hon ser "vad pedagoger tycker". Hon ser faktiskt "vad algoritmen visar henne baserat på vad hon tidigare engagerat sig i".
Mekanism 2: Extremitets-bias - Du ser andra sidan i sin värsta form
När du ser innehåll från "andra sidan" är det oftast inte representativa exempel. Det är extrema exempel som delats för att provocera.
Psykologen Thomas Gilovich vid Cornell har visat detta konsekvent: Människor överskattar systematiskt hur extrema motståndare är. Om du frågar progressiva vad konservativa tycker, och konservativa vad progressiva tycker, överskattar båda sidorna extremiteten.
Varför? För att vi exponeras för extrema exempel oftare. De sprids mer. "Kolla vad X sa!" där X är extrem representant för andra sidan. Men vi tror X är typisk, inte extrem outlier.
Mekanism 3: Minskad tvingande interaktion - Du kan alltid välja bort
Modern ekonomi och teknologi minskar behovet att samarbeta med oliktänkande. Man kan arbeta, handla, umgås helt inom egen grupp.
Lars måste samarbeta med Bertil. Varvet kräver det. Nora behöver inte samarbeta med Henrik. Systemet tillåter henne välja andra projekt.
Detta är frihet - viktig frihet. Men konsekvensen är att muskeln för att respektera oliktänkande aldrig tränas.
Svenska exempel - Sortomerklig sortering¶
Exempel 1: Politiska Twitter-nätverk
Studier av politiska nätverk på Twitter och X visar en tydlig trend: överlappningen mellan vänster och höger har minskat dramatiskt under det senaste decenniet. I mitten av 2010-talet följde en typisk vänsterperson fortfarande ganska många högerpersoner och vice versa. Idag existerar vänster och höger i allt högre grad i separata informationsekosystem med minimal överlappning.
Detta betyder att vänster och höger bokstavligen får olika information om samma händelser. När något sker - politiskt beslut, vetenskaplig studie, samhällsutveckling - ser vänster främst vänster-tolkningar och höger främst höger-tolkningar.
Båda sidor tror de är välinformerade. Båda har läst mycket. Men de har läst olika urval, kurerat av algoritmer som optimerar för deras respektive engagemang.
Exempel 2: Mediekonsumtion
1990: De flesta svenskar läste samma morgontidning och såg samma TV-nyheter. Expressen, Dagens Nyheter, Aktuellt, Rapport. Gemensam informationsbas.
2025: Fragmenterad konsumtion. Olika grupper får nyheter från helt olika källor. Vissa läser klassisk media. Andra får nyheter från Twitter, TikTok, YouTube. Andra från alternativa medier.
Detta betyder inte bara olika tolkningar - det betyder olika faktabas. Folk diskuterar inte längre samma verklighet med olika tolkningar. De diskuterar olika verkligheter.
Exempel 3: Geografisk och social sortering
Människor flyttar allt mer till områden med likasinnade. Innerstan Stockholm blir mer progressiv. Förorterna bli mer blandade eller mer konservativa. Olika kommuner utvecklar olika politiska profiler.
Detta är delvis naturligt - människor söker gemenskap. Men konsekvensen är minskad tvingande exponering för andra perspektiv. I Lars tid bodde olika politiska åsikter på samma gata. Nu kan de bo i olika stadsdelar.
Problemet är inte gruppidentitet¶
Jag måste vara tydlig: Problemet är inte att människor har gruppidentiteter. Gruppidentitet är fundamental del av att vara människa. Vi är sociala djur. Vi behöver tillhörighet.
Att identifiera sig med andra som delar ens värderingar är naturligt och kan vara vackert. HBTQ-community, arbetarrörelsen, religiösa samfund, politiska partier - dessa ger mening och stöd.
Problemet är förstärkningsmekanismer utan motverkande krafter.
I Lars värld fanns gruppdynamik. Kommunister, socialdemokrater, höger, religiösa - alla hade starka identiteter. Men daglig tvingande interaktion på jobbet, i bostadsområdet, i föreningslivet skapade motverkande kraft.
I Noras värld finns gruppdynamik. Och algoritmer förstärker den konstant. Och ekonomin tillåter sortation. Och geografin möjliggör separation. Utan motverkande krafter.
Teknologins roll - Inte ond, men accelererande¶
Sociala medier gör inte människor tribala. Människor var redan tribala.
Men sociala medier:
Accelererar: Tribalisering som tidigare tog år kan ske på månader när algoritmer optimerar för engagemang.
Förstärker: Ekon-kammare blir tätare när system aktivt filtrerar bort annat än bekräftande innehåll.
Synliggör: Extrema exempel sprids snabbare än representativa. Detta skapar falsk bild av hur extrem andra sidan är.
Belönar: Moraliserande innehåll (se kapitel 3) får mer spridning än nyanserat. Detta normaliserar extremitet.
Mark Zuckerberg har vid upprepade tillfällen, bland annat vid kongressförhör 2018, betonat att Facebook byggdes för att koppla samman människor, inte för att skapa splittringar.
Detta är förmodligen sant. Men konsekvensen blev motsatt. Varför?
För att "koppla samman människor" operationaliserades som "maximera engagemang". Och engagemang maximeras genom att visa människor innehåll de håller med om och extrema exempel på det de ogillar.
Detta var inte avsikt. Det var konsekvens av optimering för fel mål i kontext där människor är tribala.
Men att kalla det oavsiktligt är bara halva sanningen. Teknikföretagen upptäckte snabbt att polarisering driver engagemang, och engagemang driver annonsintäkter. Algoritmer som sorterar människor i läger är inte en bugg. De är en affärsmodell. Detta är en drivkraft i sig, oberoende av trygghet eller tribalism.
Och ändå: affärsmodellen fungerar bara för att råmaterialet finns. Algoritmerna exploaterar behov som redan finns. Behovet att tillhöra en grupp. Behovet att känna sig moraliskt rätt. Behovet att ha fiender. Dessa behov har alltid funnits. Men i Lars värld fylldes de av konkret gemenskap: fackföreningen, kyrkan, grannskapet. I Noras värld erbjuder algoritmerna ett billigare substitut som samtidigt gör oss mer splittrade.
Konkreta konsekvenser¶
När gruppdynamik förstärks utan motverkande krafter:
I arbetslivet:
Informella nätverk baseras på identitet snarare än kompetens. Rekrytering favoriserar "kulturell passform" vilket i praktiken betyder likasinnade. Kunskapsdelning mellan grupper minskar.
Nora konsultbolag blev mindre effektivt inte för att folk var inkompetenta utan för att intern fragmentering hindrade samarbete över grupptillhörighet.
I politik:
Kompromisser ses som svaghet eller svek. Politiker som samarbetar över blockgränser straffas av sina väljare för "samarbete med fel sida". Polariseringen blir självförstärkande - ju mer polariserat, desto svårare kompromissa, desto mer polarisering.
I civilsamhället:
Föreningar och organisationer blir identitetshomogena. Detta minskar platser där olika grupper möts naturligt. Vilket förstärker separationen ytterligare.
I samhället brett:
När människor inte längre exponeras för representativa exempel från andra grupper utan bara extrema exempel ökar misstro och minskar förmåga till empati. Detta gör samhällsproblem svårare att lösa för lösningar kräver samarbete över grupptillhörighet.
Nora och Lars idag - En dag i två verkligheter¶
Nora är trettio nu, 2045. Hon vaknar och kollar Instagram medan hon dricker kaffe. Hennes flöde visar:
- Artikel om hur högern blockerar klimatåtgärder
- Inlägg om strukturell rasism från organisation hon följer
- Video som hånar konservativ politiker för okänsligt uttalande
- Vänners inlägg som bekräftar progressiv världsbild
Efter trettio minuter har hon sett noll innehåll från annat perspektiv förutom negativa exempel delada av människor i hennes nätverk för att visa hur fel "andra sidan" är.
På jobbet diskuterar hon med kollegor om politisk utveckling. Alla är överens: "Hur kan folk fortfarande rösta höger?" De är genuint förvirrade. I deras verklighet verkar det uppenbart att progressiv politik är enda rimliga.
De inser inte att hälften av landet lever i parallell verklighet där innehållet visar det motsatta och de med samma genuin förvirring frågar: "Hur kan folk fortfarande rösta vänster?"
Lars är trettiofem, 1953. Han vaknar och går till jobbet. På vägen pratar han med grannen Sven som är högerpolitiker. De småpratar om vädret och om Svens son som blivit lärare.
På jobbet samarbetar Lars med Bertil som är kommunist. De diskuterar kort om gårdagens tidning - Bertil läst samma tidning som Lars - och är oense om tolkningen. Men sedan börjar arbetet.
Vid lunch äter de tillsammans med hela arbetsgruppen. Tolv man med olika politiska åsikter. Diskussionen blir het om lönepolitik. Men den handlar om samma faktabas - alla läst ungefär samma information, de bara tolkar den olika.
Lars hör argumenten från alla sidor. Inte filtrerade av algoritm. Inte kurerade för att maximera hans engagemang. Bara människors faktiska åsikter i deras mångfald.
Skillnaden är inte att Lars generation var mer rationell eller mindre tribal. Skillnaden är att Lars tvingades dagligen konfronteras med faktiska människor som tyckte annorlunda. Inte extrema versioner av dem. Inte algoritmiskt utvalda exempel. Bara folk som fanns där av praktiska skäl.
Nora kan gå dagar, veckor, utan meningsfull interaktion med någon som tänker annorlunda. Hennes algoritmer ser till det. Hennes val av var hon bor och arbetar förstärker det. Hennes sociala nätverk bekräftar det.
När hon möter oliktänkande är det ofta som "representanter för andra sidan" snarare än som komplexa människor. Henrik konsulten blev inte kollega som råkar tycka annorlunda om marknadsekonomi. Han blev "konservativ man" i hennes medvetande.
Slutsats - Muskelatrofi för respekt¶
Lars tvingades samarbeta med oliktänkande. Nora kan välja bort dem helt.
Ingen av dem väljer detta på individuell nivå. Systemen formar vilken exponering de får.
Problemet är inte Noras gruppidentitet. Problemet är när samhället behöver människor som kan samarbeta över gruppgränser - och upptäcker att systemen systematiskt förhindrat den förmågan utvecklas genom att:
- Algoritmiskt filtrera bort exponering för andra perspektiv
- Visa främst extrema exempel när exponering sker
- Göra det möjligt att undvika oliktänkande i arbete och socialt
- Belöna content som förstärker gruppidentitet
När algoritmer optimerar för bekräftelse och engagement atrofieras muskeln för att respektera oliktänkande.
Men mönster är inte öden. Finland visar att strukturer kan designas för att tvinga överlappningar. Att skapa kontexter där människor måste samarbeta över identitetsgränser för att lyckas med konkreta uppgifter.
Frågan är om vi ser gruppdynamiken tillräckligt tidigt för att designa motverkande strukturer.
För nästa steg i spiralen - dit går vi nu - handlar om vad som händer när gruppdynamiken möter informationsöverflöd. När "vi" och "dem" inte bara lever i olika sociala nätverk utan i olika verklighetsbilder - och ingen har kognitiv kapacitet att granska om den egna gruppens version är korrekt.
Det är vad kapitel 5 handlar om.