Så faktagranskar TruthLens
Gäller från: 15 augusti 2026 · Metodik version 1.5
Detta är en maskinöversättning. Vid avvikelse gäller den engelska versionen.
Den här sidan förklarar på vanlig svenska hur TruthLens förvandlar en text, en video eller en bild till ett omdöme som vilar på källor. Den är skriven för läsare, journalister och forskare som vill veta vad som faktiskt sker bakom ett resultat — inte marknadsföringstext. Där ett påstående nedan går att kontrollera självständigt i våra Användarvillkor eller vår Integritetspolicy länkar vi till den exakta punkten i stället för att formulera om den.
Ett analysverktyg, inte ett slutgiltigt omdöme. Varje resultat som TruthLens producerar — omdömen, tillförlitlighetsnivåer, förklaringar, källistor — genereras automatiskt av AI-modeller som resonerar utifrån offentliga belägg. Det är ett forsknings- och informationsverktyg, inte ett fastställt faktum och inte ett slutgiltigt omdöme (se Användarvillkoren, punkt 6.1). TruthLens är inte knutet till International Fact-Checking Network (IFCN) och är inte verifierad undertecknare där; principerna på den här sidan utgår från IFCN:s publicerade principkod, tillämpad på ett automatiserat system.
1. Så går en granskning till
En granskning sker i steg. Varje steg är byggt kring en regel: inget omdöme utan stödjande belägg.
1.1. Utplockning. Den inskickade texten (eller transkriptionen av en video, eller texten som lästs ur en bild) delas upp i enskilda, kontrollerbara sakpåståenden — namngivna händelser, statistik och påståenden som presenteras som fakta. Åsikter, förutsägelser och retoriska frågor plockas inte ut. Materialet som helhet klassas också som nyhet, åsikt eller satir.
1.2. Dubblettrensning och prioritering. Upprepade eller nästan identiska påståenden slås ihop. I långt material granskas först de påståenden som bedöms betyda mest för läsaren; ett fast antal av de mest betydelsefulla påståendena per inskickat material granskas fullt ut — så förblir granskningen snabb och granskningsbudgeten läggs på det som spelar roll, inte på bidetaljer.
1.3. Matchning mot publicerade faktagranskningar. Innan vi söker själva kontrollerar vi om en faktagranskningsorganisation som är verifierad undertecknare av IFCN:s principkod redan har publicerat en granskning av samma påstående. En träff godtas bara när det är bekräftat — genom ordagrann överensstämmelse eller genom ett särskilt verifieringssteg — att det rör samma påstående och inte bara samma ämne. Vid träff används den organisationens egen slutsats i stället för vår.
1.4. Beläggsökning. För påståenden utan befintlig faktagranskning söker TruthLens på det öppna webben efter belägg som stöder eller motsäger, och utesluter inlägg på sociala medier som primärkällor. Påståenden om vetenskapliga eller hälsorelaterade ämnen stäms dessutom av mot databaser med vetenskaplig och biomedicinsk litteratur (OpenAlex, Semantic Scholar och PubMed — de indexerar publicerad forskning brett, inte bara arbeten som genomgått kollegial granskning); påståenden om statistik på landsnivå (BNP, inflation, befolkning, arbetslöshet, förväntad livslängd och liknande indikatorer) stäms av mot Världsbankens officiella siffror. Om en sida har tagits bort eller tillfälligt är onåbar försöker vi läsa den senaste offentligt arkiverade kopian via Internet Archives Wayback Machine innan vi ger upp.
1.5. Beläggsgrundat omdöme. En AI-modell bedömer påståendet strikt mot de belägg som samlats in i föregående steg — aldrig mot sin egen allmänna kunskap. Om beläggen är otillräckliga eller motstridiga blir omdömet «Inte bekräftat», inte en gissning.
1.6. Viktning efter källtillit. Varje beläggkälla viktas efter tillit i en graf över kända medier och utgivare. Modellen som avger det beläggsgrundade omdömet (1.5) är instruerad att aldrig kalla ett påstående «Motbevisat» eller «Vilseledande» enbart utifrån källor med låg tillit, och att följa en högtillitskälla när en hög- och en lågtillitskälla motsäger varandra. Separat — och framtvingat i koden, inte överlämnat till modellens bedömning — visas ett omdöme «Motbevisat» eller «Vilseledande» inte med hög tillförlitlighet om det inte stöds av minst två oberoende källor; vidarepublicering av samma nyhetsbyråtext på olika domäner räknas som en.
1.7. Oberoende andra bedömning. De flesta omdömen «Motbevisat» eller «Vilseledande» granskas separat på nytt av en andra AI-modell med samma belägg, upp till en fast budget per granskning. Om de två gör olika bedömning behålls omdömet men visas med sänkt tillförlitlighet i stället för att framställas som säkert. Ett omdöme som redan matchar en publicerad faktagranskning (1.3) hoppar över detta steg — en mänsklig faktagranskningsorganisations egen prövning står redan bakom det.
1.8. Sammanvägning. När ett inskickat material innehåller flera påståenden speglar helhetsresultatet dem alla: ett enda falskt påstående räcker inte för att stämpla ett i övrigt korrekt material som falskt, och ett enda sant påstående räddar inte ett material som i huvudsak bygger på osanningar.
2. Omdömesskala
Omdömena är desamma i appen, i webbläsartillägget och på den här webbplatsen. Två skalor gäller: en för materialet som helhet, en för varje enskilt påstående i det.
Helhetsresultat
| Etikett | Innebörd |
|---|---|
| Tillförlitligt | Väl underbyggt av oberoende, tillförlitliga belägg. |
| I huvudsak tillförlitligt | Underbyggt på det hela taget, med mindre luckor i täckningen. |
| Delvis bekräftat | Bara en del av materialet gick att granska; det som granskats lutar åt att stämma. |
| Omtvistat | En minoritet av påståendena är falska eller vilseledande; resten håller. |
| Tvivelaktigt | Tillräckligt med felaktigheter för att motivera verklig försiktighet. |
| Falskt innehåll | En tillräckligt stor andel av påståendena är falska eller vilseledande, och tydligt så, att materialet som helhet inte går att lita på. |
| Satir | Identifierat som satir eller parodi, utan något starkt falskt sakpåstående under. |
| Inte bekräftat | Det finns inte tillräckligt med offentliga belägg åt något håll. |
Enskilda påståenden
| Etikett | Innebörd |
|---|---|
| Bekräftat | Bekräftat av tillförlitliga, oberoende belägg. |
| I huvudsak bekräftat | Riktigt i sak, med en mindre reservation. |
| Vilseledande | Bygger på ett verkligt faktum men är framställt så att det vilseleder. Se nyanserna nedan. |
| Motbevisat | Motsägs av tillförlitliga belägg. |
| Inte bekräftat | Inga tillräckliga offentliga belägg hittades åt något håll. |
Ett särfall är upphovspersonens påstående om sig själv (till exempel «jag startade den här kanalen för en månad sedan»). Sådana påståenden stäms inte alls av mot externa källor och markeras av princip alltid som «Inte bekräftat» — ingen extern källa skulle kunna bekräfta eller förneka dem.
«Vilseledande», mer exakt
När det bakomliggande skälet passar in i ett av två välkända mönster säger vi det i stället för att lämna en naken etikett «Vilseledande»:
| Nyans | Innebörd |
|---|---|
| Materialet är äkta, bildtexten falsk | Fotot, videon eller citatet är i sig äkta — det som vilseleder är bildtexten, sammanhanget eller inramningen runt omkring. |
| Inaktuellt — stämde en gång | Påståendet stämde tidigare; läget har förändrats sedan dess. |
3. Så bedömer vi en källa
Alla belägg väger inte lika tungt. Varje källa bedöms utifrån fyra kriterier: auktoritet (organisationens ställning och roll i ämnet), transparens (öppen metodik, tydliga data), aktualitet (färskhet i förhållande till det granskade påståendet) och oberoende (frånvaro av intressekonflikter). I praktiken blir detta tre tillitsnivåer — hög, normal eller låg — byggda utifrån en graf över kända medier och en kort lista över kända domäner av låg kvalitet (innehållsfabriker, omodererade bloggar). Modellen är instruerad att behandla en motsägelse som bara återfinns i en källa med låg tillit som otillräcklig i sig som grund för omdömet «Motbevisat» eller «Vilseledande», och att följa högtillitssidan när en hög- och en lågtillitskälla motsäger varandra — se 1.6 för den enda del av denna viktning som framtvingas i koden i stället för att överlämnas till modellen.
4. Vad TruthLens inte gör
- Det gör ingen rättslig bedömning, ger ingen medicinsk eller ekonomisk rekommendation och fattar inget myndighetsbeslut av något slag (Användarvillkoren, punkt 6.4).
- Det granskar inte varje påstående i ett långt material — det prioriterar medvetet de mest betydelsefulla (se 1.2).
- Det är beroende av belägg som är offentliga, indexerade och tillgängliga online vid granskningstillfället; påståenden om rent privata förhållanden, eller om händelser utan offentligt spår ännu, kommer typiskt tillbaka som «Inte bekräftat» snarare än avgjorda.
- Det vilar delvis på gratis infrastruktur från tredje part (öppen webbsökning, offentliga arkiv, öppna vetenskapliga och statistiska databaser). När någon av dessa tillfälligt inte är tillgänglig går TruthLens vidare till nästa tillgängliga källa i stället för att misslyckas helt — men ett tillfälligt avbrott kan ibland innebära färre belägg än vanligt för en viss granskning.
- Förklaringar och annan fritext skrivs direkt på språket i den app du använder — 35 av de 36 språk som gränssnittet stöder — i stället för att maskinöversättas i efterhand. Danska är det enda undantaget: vår egen mätning visade att modellen glider över till norska vid påståenden om Norge, så en dansk läsare får gränssnittet på danska och förklaringarna på engelska tills det är åtgärdat. Läser du appen på ett språk utanför dessa 36 faller både gränssnitt och resultat tillbaka på engelska. Detta följer det språk du läser på, inte materialets språk: en tysk artikel som granskas i en app på thailändska kommer tillbaka på thailändska. Standardmeddelandena som tjänsten själv skriver — till exempel noteringen som visas när en publicerad faktagranskning redan täcker ditt påstående, eller förklaringen till varför ett inskickat material inte gav något att granska — täcker nu samma 36 språk, men de är maskinöversatta utkast som ännu inte lästs av en modersmålstalare på varje språk.
5. Rätta ett resultat
Om du anser att ett visst resultat är fel, eller om ett resultat rör dig eller din organisation och du bedömer det som felaktigt eller skadligt, mejla support@truthlens.wiki med det exakta granskade påståendet och kärnan i din invändning. Motiverade anmälningar prövar vi inom rimlig tid — som regel inom 14 dagar — och rättar eller tar bort det ifrågasatta resultatet där det är befogat samt beaktar det framöver (Användarvillkoren, punkt 6.6).
6. Ändringar i denna metodik
Väsentliga ändringar i hur granskningar utförs dateras här, på vanlig svenska, samtidigt som de tas i bruk.
- Version 1.5 — namnger det enda språk där fritext inte skrivs på appens språk. Vår egen mätning av utdataspråk över alla 36 språk visade att danska förfrågningar kom tillbaka på norskt bokmål vid påståenden om Norge, reproducerat över tre oberoende körningar, så danska förklaringar skrivs på engelska medan gränssnittet förblir danskt. Den tidigare formuleringen antydde utdata på alla 36 utan undantag.
- Version 1.4 — rättade ännu en gång uppgiften om utdataspråk i punkt 4: den beskrev språket i det inskickade materialet, medan utdata i själva verket följer språket i den app du läser i. En tysk artikel som granskas i en app på thailändska skrivs tillbaka på thailändska; engelska är reservspråk bara när appen själv körs på ett språk vi inte stöder.
- Version 1.3 — standardmeddelandena som tjänsten själv skriver (noteringen om matchad faktagranskning och förklaringarna till ett tomt resultat) finns nu på alla 36 språk i stället för fem; uppgiften i punkt 4 om att några av dem visas på engelska har ersatts av att de är maskinöversatta utkast i väntan på granskning av modersmålstalare.
- Version 1.2 — rättade uppgiften om utdataspråk i punkt 4: fritext skrivs på appens språk på 36 språk, inte fem, med engelska för allt utanför den mängden och för några standardmeddelanden som ännu inte översatts.
- Version 1.1 — precisering av 1.4 (litteraturdatabaserna innehåller inte enbart kollegialt granskat material; statistiklistan är inte öppen), 1.6 (skilde den källtillitsviktning som modellen instrueras om från den kodframtvingade regeln om oberoende källor), 1.7 (den andra bedömningen gäller de flesta, inte varje omdöme «Motbevisat»/«Vilseledande», och hoppas över vid matchade faktagranskningar) och raden «Falskt innehåll» i omdömestabellen (ordet «övervägande» ersattes med en beskrivning som motsvarar den faktiska tröskeln).
- Första publicering (version 1.0).