Betyg i skalan 1-5: när 4,6 är ett underkänt betyg

10 maj 2026

I skolan vore 4,6 på en femgradig skala nästan exceptionellt, närmare toppbetyg. På Uber är det avstängningströsken. Samma siffra, motsatt innebörd.

Något har hänt med betyg i skalan 1-5. De betyder inte samma sak längre. Skalan har glidit, och ingen vet hur långt. Ingen vet hur många som tolkar betygen på det ena eller andra sättet, eller hur djupt skiftet har trängt in i andra delar av kulturen där samma instrument används.

Fråga en 55-åring vad tre stjärnor av fem betyder och svaret blir ungefär ”helt okej”. Skolbetygslogik, där 3 är normalt, 4 är bra och 5 är ovanligt bra. Mitten bär information, ytterlägena är reserverade för det exceptionella. Det är så de flesta mätskalor är designade. Att differentiera, att skilja medel från avvikande, att låta varje steg bära verklig betydelse.

Fråga en 25-åring som lever med Uber, Airbnb och Tradera och svaret blir närmare ”något gick fel”. Femman är det förväntade. Den signalerar att transaktionen genomfördes som den skulle. Fyran betyder att något var lite konstigt. Tre eller lägre är ett verkligt klagomål. Hela skalan har komprimerats mot toppen.

En symmetrisk skala har blivit asymmetrisk

Det här är inte bara en kulturell drift i hur människor tolkar siffror. Det är en strukturell förändring av vad själva instrumentet kan mäta.

Skolbetygsskalan är symmetrisk. Mitten är meningsfull, och avvikelser i båda riktningarna bär information. Du kan skilja ”okej” från ”bra” från ”exceptionellt”. Du kan också skilja ”okej” från ”svagt” från ”underkänt”. Femstegsskalan ger fem distinkta nivåer, var och en med en egen plats i kontinuumet.

I uppfyllelseläsningen är skalan asymmetrisk. Toppen är default, och informationen ligger i avvikelser nedåt. ”Okej”, ”bra” och ”exceptionellt” har alla komprimerats till en enda punkt — femman — och blivit oskiljbara från varandra. Det är fortfarande en femstegsskala på papper, men den fungerar i praktiken som en envägsmätare där bara klagomålen bär signal. Den övre halvan av instrumentet har förlorat sin upplösning utan att någon märkt det.

Det betyder också att den genomsnittliga statistiken man kan utvinna ur skalan är annorlunda. På en symmetrisk skala är medelvärdet ett rimligt sammanfattande mått, det fångar typiskt utfall. På en asymmetrisk skala där massan är klumpad mot ett ändläge säger medelvärdet något helt annat. Det är dominerat av default-värdet och varje liten avvikelse drar oproportionerligt.

Två olika konstrukt med samma yta

Man kan ta det här ett steg längre. Skolbetyget och plattformsbetyget mäter inte samma sak överhuvudtaget. De är inte bara olika läsningar av samma instrument utan olika instrument som råkar dela symbol.

Skolbetyget

Skolbetyget registrerar ett kvalitetsomdöme. Frågan är hur bra något är mot någon form av standard, och svaret kan landa var som helst på skalan. Toppen är reserverad för det som överträffar förväntningarna. Mitten är reserverad för det som motsvarar dem. Botten är reserverad för det som inte når fram. Konstruktet är prestation, mätt mot en norm.

Plattformsbetyget

Plattformsbetyget registrerar något annat. Frågan är inte ”hur bra var det här” utan ”uppfylldes transaktionen som förväntat eller inte”. Toppen är inte ett omdöme om kvalitet utan en bekräftelse på uppfyllelse — det fanns inga problem. Allt under är gradvis rapport om vad för slags problem som uppstod. Konstruktet är inte prestation utan felfrihet, mätt mot en mall för normalt utfall.

Det förklarar något som annars är förbryllande. I uppfyllelseläsningen finns det ingen plats för ”exceptionell upplevelse”. Skolbetygsskalan är öppen i toppen i den meningen att 5 är reserverat för det ovanliga, så när något överträffar finns det någonstans att placera det. Uppfyllelseskalan är stängd i toppen. Femman är redan default, så när något verkligen sticker ut har du ingenstans att gå. En sublim Uber-resa och en helt okej Uber-resa får exakt samma betyg. Den distinktionen är borttagen ur instrumentet, eftersom konstruktet inte längre kan rymma den.

Två olika språk talade med samma siffror

När människor använder samma siffra och menar motsatta saker är det inte längre samma skala. Det är två olika språk talade med samma siffror, och ingen har sagt åt oss att vi inte längre talar likadant. Vanlig språkdrift märker människor. När ”literally” plötsligt betyder ”figuratively” reagerar vi, debatterar, irriterar oss. Sifferdrift sker tyst, för ingen ifrågasätter att vi talar samma sifferspråk. Vi antar att 5 är 5.

Det märkliga med skiftet är att talarna av det ena språket sällan vet att det andra finns. Skolbetygsläsaren tror inte att 4 är ett klagomål. Uppfyllelsemätarläsaren tror inte att 3 är godkänt. De har inte två dialekter sida vid sida i medvetandet — de har två separata språk där talaren av det ena inte vet att det andra existerar. Två generationer sätter sig vid samma bord, ger samma siffra, menar motsatta saker, och går därifrån övertygade om att de förstått varandra.

Plattformarna lärde oss det här utan att designa det

Plattformarna har lärt oss det här utan att ha designat det medvetet. Uber, Airbnb, Tradera, Foodora, Lyft, Bolt — alla bygger på ömsesidiga betygssystem där den underliggande logiken inte är ”hur upplevde du det här” utan ”förtjänar den här personen att fortsätta vara en del av plattformen”. Uber-förare riskerar avstängning under ungefär 4,6 i snitt. Airbnb-värdar tappar synlighet långt innan snittet faller till 4. För både den som sätter betyget och den som tar emot är fyra stjärnor i de här systemen ett dåligt betyg, och alla vet det.

Det gör betygsättningen till något annat än mätning. Skolbetyget innebar inte makt över läraren. Plattformsbetyget innebär makt över personen som blir betygsatt. Den som ger 4 till en Uber-förare straffar henne. Den som ger 3 riskerar hennes försörjning. Det är inte bara en åsiktsregistrering utan ett sanktionsverktyg, och människor är intuitivt försiktiga med makt. De flesta vill inte sätta 4 ens när de borde, eftersom de vet vad det kostar mottagaren.

Det är en del av varför uppfyllelseläsningen är så stark. Den är inte bara inlärd genom upprepning utan moraliskt motiverad. Att sätta fem på en helt okej taxiresa är att avstå från att skada någon som inte gjort något fel. Att sätta fyra är att straffa utan provokation. Det betyder också att betygsystemet har förlorat förmågan att differentiera ”bra” från ”exceptionellt”, för även om resan hade varit fantastisk skulle du inte ha kunnat ge mer än fem, och fem var redan det förväntade.

Du har förmodligen själv aldrig satt 4 på en helt okej Uber-resa. Du sätter 5. Du har deltagit i den semantiska förskjutningen utan att fatta att du gjort det.

En kort historisk skiss

Det är värt att placera fenomenet i tid. Yelp lanserade sitt femstjärniga recensionssystem 2004 och var ett av de första masskonsumerade plattformsbetygen. Airbnb startade 2008. Uber 2009. Under 2010-talet expanderade plattformsekonomin in i nästan varje servicedomän — gigjobb, måltidsleveranser, korttidsuthyrning, fraktbud, e-handel — och med den expansionen följde en ny generation rater och ratees som lärde sig kontraktet underifrån.

En 25-åring i dag har aldrig levt i en värld där fem stjärnor inte var det förväntade utfallet av en transaktion. Det är inte konstigt att läsningen sitter djupt. Den är inte en avvikelse från något ursprungligt, den är ursprungligt för en hel generation.

Varför fler skalsteg inte räddar något

Den första instinkten när någon påpekar problemet är att gå från 1-5 till 1-10. Mer upplösning, mindre kompression, fler steg att fördela åsikter på. Men tolkningsramen följer med skalan. Den som läser 5 av 5 som ”default” läser 10 av 10 som ”default”. Allt under blir gradvis klagomål, lite mer finmaskigt fördelat. Asymmetrin blir inte symmetrisk för att man delar upp den i fler steg. Den blir bara mer detaljerad asymmetri.

Tummar upp/ned är samma fenomen i sin extremaste form. Bara två lägen, ingen gradering, ingen tolkningsram alls. Det funkar för rekommendationsmotorer där algoritmen bara behöver veta riktning, och Netflix bytte från stjärnor till tummar 2017 av exakt det skälet. Men för varumärkesmätning förlorar tummen all information om grad, all polarisering, all förmåga att skilja det älskade från det breda.

Problemet är inte instrumentets upplösning. Problemet är att talarna av instrumentet inte talar samma språk.

Det här stannar inte i plattformarna

När en hel generation har tränat sin läsning på Uber och Airbnb tar de med sig läsningen ut i resten av kulturen. När de ser stjärnor på en restaurangrecension, en bokbedömning, en varumärkesundersökning eller en kursutvärdering läser de asymmetriskt även där. Det 4,2-snitt du tittar på är inte en åsikt — det är en blandning av två olika språk i okänd proportion.

Plattformsekonomin har exporterat sin semantik till alla rating-baserade system, oavsett om systemen var designade för den nya läsningen eller inte. Restaurangägaren som ser sitt 4,3-snitt på TripAdvisor och försöker tolka det vet inte om hans recensenter är skolbetygsläsare som tycker han är riktigt bra eller uppfyllelseläsare som har hittat problem på var fjärde besök. Båda hypoteserna är konsistenta med samma snitt.

Det börjar få namn

Fenomenet har börjat få namn: 5-star inflation, grade inflation, rating inflation. Det signalerar att det inte längre är anekdotiskt. Det är strukturellt. När någonting får ett eget namn i forskningslitteraturen och i populärdiskussionen har det tagit klivet från konstig observation till erkänt fenomen.

Dessutom har studier av onlinemarknadsplatser dokumenterat hur ratings tenderar att klumpa sig mot toppen, hur marginalerna mellan 4 och 5 stjärnor är karriärsavgörande för plattformsarbetare, och hur traditionell statistisk analys av rating-data därmed blir missvisande. Vi vet alltså att det finns. Vi vet ungefär hur det fungerar. Vi har bara inte ännu enats om hur det ska hanteras.

Vad det här betyder för mig som arbetar med Brand-o-meter

För mig som arbetar med Brand-o-meter är det här inte akademiskt. Jag behöver kunna mäta tre saker som uppfyllelseläsningen har tagit bort, och alla tre är centrala för det jag försöker visa om svenska varumärken.

Jag behöver kunna mäta att något är exceptionellt bra. Inte bara att inget gick fel — det är en helt annan upplysning. Skillnaden mellan ett varumärke som människor hyllar och ett som de inte har klagomål på är ofta det viktigaste varumärket har att erbjuda. På en stängd topp-skala är den distinktionen omöjlig att fånga, eftersom femman redan är default. Det som överträffar förväntan får samma betyg som det som motsvarar dem, och det som verkligen sticker ut har ingenstans att placeras.

Plattformsbetyget skymmer polarisering

Jag behöver kunna se polarisering. Vilka varumärken delar människor i två läger? Vilka är älskade nischer, vilka är breda och ljumma? Och i vilka väcks starka känslor i båda riktningar? Det är där den intressanta varumärkesinformationen ligger. Snittbetyget är ett trubbigt mått som bara säger om varumärket är ungefär tyckt om. Fördelningens form säger något helt annat. Två varumärken med samma snitt kan vara radikalt olika i sina respektive konsumentbaser — det ena älskat av sina få anhängare och okänt för andra, det andra brett accepterat utan att lyfta någon.

Den distinktionen är ofta det som faktiskt avgör varumärkets kommersiella öde. I uppfyllelseläsningen försvinner den informationen. När alla ”okej” varumärken trycks upp mot 5 ser ett älskat nischmärke och ett brett medioker märke ut som samma sak. Tesla, Marmite, Systembolaget — varumärken som faktiskt polariserar — landar på snitt som kan se ut som mediokra mittenmärken, eftersom de som dyrkar dem ger 5 och de som ogillar dem ger 1, och genomsnittet hamnar i mitten.

Behov av ett gemensamt språk

Jag behöver att alla mina respondenter talar samma språk. Det är inte ett tekniskt önskemål utan en grundförutsättning för att överhuvudtaget kunna tolka vad mätningen säger. Om hälften av respondenterna läser skalan som kvalitetsomdöme och andra hälften som uppfyllelsekontroll är ett snittbetyg en blandning i okänd proportion, och jag har inget sätt att veta vad det egentligen betyder. När skalan har glidit på sätt ingen vet hur långt och respondenterna läser den olika utan att veta om det, går det inte att jämföra något alls.

Min lösning: en översättningsnyckel

På sidan där respondenten sätter sitt betyg skriver jag in en kort instruktion: tre är normal, fem är toppen och ett är uselt. Inte mer än så. En översättningsnyckel som säger åt respondenten vilket språk vi talar. Eller mer precist: vilket konstrukt vi mäter. Det här är en kvalitetsbedömning, inte en uppfyllelsekontroll. Plötsligt finns det ett språk vi alla talar — mittenbetygen används igen, polariseringen blir synlig, och det exceptionella har en plats på skalan.

Inget statistiskt trick, ingen omkalibrering bakom kulisserna, inget byte av instrument. Bara att tala om för respondenterna vilken läsning som gäller här, eftersom kulturen utanför har slutat enas om vilken det är. Att skriva tre meningar i gränssnittet kostar nästan ingenting. Effekten är att hela mätningen plötsligt mäter det jag tror att den mäter.

Slutreflektion

Det som slår mig om det här fenomenet är hur osynligt det har varit. En hel generation har lärt sig en ny läsning av en av de vanligaste mätskalorna i samhället, utan att någon designat skiftet, utan att någon kommunicerat det, utan att de flesta av oss märkt att det skett. Vi tror fortfarande att vi pratar om samma siffror. Vi gör det inte.

För en del användningsområden spelar det ingen roll. För rena uppfyllelsemätningar är paretoläsningen kanske rätt verktyg. För algoritmer som ska prediktera vad du gillar räcker det med riktning. Men för varumärkesmätning, för forskning, för all tolkning av data där fördelningens form bär information — där är det förödande att inte veta vilket språk respondenterna talar.

Den enklaste lösningen är att fråga sig själv vad man ger respondenten. Vilken instruktion, vilken kontext, vilken signal om vilken läsning som gäller. Om man inte ger någon signal alls får man en blandning. Det är inte nödvändigtvis fel — det speglar verkligheten. Men då vet man också att man har en blandning, och inte ett rent mätinstrument.

För i slutänden är det inte snittbetyget som är det intressanta. Det är fördelningen, och vilket språk fördelningen är skriven på.

← Till alla artiklar