Bag om dine scorer
Her kan du se, hvor tallene kommer fra, og hvordan vi regner dem ud — helt uden fagsprog.
Sådan er dataene bygget op
NIVEAU 1: OFFICIEL REGISTERDATA (HÅRDE TAL)
Observeret / registerdataDanmarks Statistik og UFM (KOT) leverer observerede tal for blandt andet optagelse og adgangskvotienter. De beskriver historiske eller registrerede forhold — ikke nødvendigvis fremtidig efterspørgsel eller den enkeltes udfald.
NIVEAU 2: OPGAVE- OG MODELDATA
ModelleretO*NET-opgavedata og dokumenterede crosswalks bruges til at estimere AI-robusthed. Estimatet er et valgfrit perspektiv på opgavernes mulige forandring — ikke en prognose for uddannelsens værdi eller den enkeltes fremtid.
NIVEAU 3: AI-ANALYSE
SupplerendeAI kan bruges til at strukturere og fortolke information, men må ikke fremstilles som den numeriske sandhed. Resultaterne bør kunne spores tilbage til kilde, metode og beregningsregel, og manglende program-evidens skal vises som usikkerhed.
Datagrundlag og opdatering
Kataloget og kilderegistret publiceres som versionsstyrede datafiler. Kildeantallet ovenfor læses direkte fra det genererede register, så siden ikke viser et separat, håndskrevet tal.
Vigtig dækningsstatus
Kilderegistret har 33 registrerede referencer. AI-modeldækning: 569 af 1.413 uddannelser. De øvrige 844 udelukkes fra AI-rangering og vises uden programspecifikt AI-estimat. En registreret reference tæller ikke automatisk som evidens for hvert uddannelsesudbud.
Kilder vist i AI Insights
Disse kilder giver baggrund om AI, unge og arbejdsmarkedet. De indgår ikke automatisk i rangeringen, fordi geografi og måleenhed ikke svarer til et dansk uddannelsesudbud.
Danmarks Statistik
Observeret statistik · Danmark · 4. marts 2026
Begrænsning: Tallet beskriver brug blandt unge i Danmark, ikke om en bestemt uddannelse giver bedre jobmuligheder.
Eurostat
Observeret statistik · Danmark og EU · 11. december 2025
Begrænsning: Virksomhedsbrug siger ikke, hvilke job der forsvinder, eller hvordan en bestemt dimittend klarer sig.
ILO–NASK
Modelbaseret eksponering · Globalt · 20. maj 2025
Begrænsning: Det er et globalt eksponeringsindeks baseret på arbejdsopgaver — ikke en måling af jobtab i Danmark.
STAR
Observeret statistik · Danmark · 25. juni 2026
Begrænsning: Tallene gælder fagområder og regioner, ikke direkte den enkelte videregående uddannelse.
Stanford Digital Economy Lab
Forskningsresultat · USA · 12. august 2026, revideret analyse
Begrænsning: Amerikansk observationsstudie. Resultatet svækkes ved kontrol for uddannelse og er ikke dokumenteret for danske dimittender.
Anthropic Economic Index
Forskningsresultat · Global platformstrafik · 15. januar 2026
Begrænsning: Platformsspecifik analyse af Claude-brug. Fordelingen ændrer sig over tid og er ikke en universel arbejdsmarkedsprognose.
Ofte stillede spørgsmål
Hvordan beregnes AI-robusthedsscorerne? AI-robusthed beregnes efter den fælles formel: 75% × (1 − automation_risk) + 25% × augmentation_potential, med værdier begrænset til 10–100. Fra modelversion 2026.6 bygger de migrerede værdier på O*NET 31.0-aktivitetsratings, aggregeret via O*NET-ESCO/ISCO og den tilgængelige DISCO-kobling. Det er stadig et crosswalk-/modelestimat — ikke en prognose for arbejdsløshed eller jobmuligheder.
Hvor stor er O*NET 31.0-dækningen? 569 af 1413 uddannelser (40%) har en ikke-standard DISCO-kobling og kan indgå i AI-rangering. De resterende 844 vises uden programspecifikt AI-estimat.
Hvor kommer dataene fra? Platformen anvender blandt andet UFM, Danmarks Statistik og internationale arbejdsmarkeds- og opgavedatasæt. O*NET 31.0-råfiler, source hashes, transformationsformel og migrationsrapport ligger i det offentlige repository.