Há três coisas que você pode ter certeza na vida: morte, impostos - e mentir. Este último certamente parece ter sido confirmado pelo recente referendo Brexit do Reino Unido, com um número da Deixar campanha promessas olhando mais como tortas de porco do que verdades sólidas.

Mas de publicidade na internet, pedidos de visto e artigos acadêmicos para blogs políticos, reclamações de seguro e perfis de namoro, há inúmeros lugares onde podemos contar mentiras digitais. Então, como pode-se pensar em identificar essas mentiras on-line? Bem, Stephan Ludwig, da Universidade de Westminster, Ko de Ruyter, da Cass Business School, da City University London, Mike Friedman, da Universidade Católica de Louvain, e você desenvolveu um detector digital de mentiras - e ele pode descobrir toda uma série de inverdades na internet. .

Em nossa nova pesquisaUtilizamos pistas lingüísticas para comparar dezenas de milhares de e-mails pré-identificados como mentirosos com aqueles conhecidos como verdadeiros. E a partir dessa comparação, desenvolvemos um algoritmo analítico de texto que pode detectar enganos. Funciona em três níveis.

1. Uso da palavra

Pesquisas por palavra-chave podem ser uma abordagem razoável quando se lida com grandes quantidades de dados digitais. Então, primeiro descobrimos diferenças no uso de palavras entre os dois conjuntos de documentos. Essas diferenças identificam o texto que provavelmente contém uma mentira. Descobrimos que indivíduos que mentem geralmente usam menos pronomes pessoais, como eu, você e ele / ela, e mais adjetivos, como brilhante, destemido e sublime. Eles também usam menos pronomes de primeira pessoa do singular, como eu, eu, meu, com palavras de discrepância, como poderia, deveria, assim como mais pronomes de segunda pessoa (você, seu) com palavras de conquista (ganhe, herói) , ganhar).

Menos pronomes pessoais indicam uma tentativa do autor de dissociar-se de suas palavras, enquanto usar mais adjetivos é uma tentativa de desviar a atenção da mentira através de uma enxurrada de descrições supérfluas. Menos pronomes de primeira pessoa do singular combinados com palavras de discrepância indicam uma falta de sutileza e uma autoimagem positiva, enquanto mais pronomes de segunda pessoa combinados com palavras de conquista indicam uma tentativa de bajular os destinatários. Portanto, incluímos essas combinações de termos de pesquisa em nosso algoritmo.

2. Escrutínio estrutura

Outra parte da solução estava na análise da variância das palavras do processo cognitivo, como causa, porque, sabe e deveria - e identificamos uma relação entre as palavras da estrutura e as mentiras.

Os mentirosos não podem gerar e-mails enganosos a partir da memória real, evitando a espontaneidade para evitar a detecção. Isso não significa que os mentirosos usem mais palavras processuais cognitivas do que as pessoas que estão dizendo a verdade, mas incluem essas palavras de forma mais consistente. Por exemplo, eles tendem a conectar cada sentença à próxima - “sabemos que isso aconteceu por causa disso, porque esse deveria ser o caso”. Nosso algoritmo detecta esse uso de palavras de processo nas comunicações.

3. Abordagem entre emails

Também estudamos as maneiras pelas quais um remetente de um e-mail altera seu estilo linguístico ao trocar vários e-mails com outra pessoa. Esta parte do estudo revelou que, à medida que a troca continuava, mais o remetente tendia a usar as palavras de função que o receptor estava usando.

Palavras de função são palavras que contribuem para a sintaxe, ou estrutura, e não o significado de uma sentença - por exemplo, um, am, para. E os remetentes revisaram o estilo linguístico de suas mensagens para corresponder ao estilo do destinatário. Como consequência, nosso algoritmo identifica e coleta essa correspondência.

Aplicações emocionantes

Os cães de guarda do consumidor podem usar essa tecnologia para atribuir uma pontuação “possivelmente mentirosa” a anúncios de natureza duvidosa. As empresas de segurança e as forças nacionais de fronteira podem usar o algoritmo para avaliar documentos, como pedidos de visto e cartões de desembarque, para monitorar melhor o cumprimento das regras e regulamentos de acesso e entrada. As secretarias dos comitês de exame de ensino superior e os editores de periódicos acadêmicos podem melhorar suas ferramentas de revisão para verificar automaticamente as teses de estudantes e os artigos acadêmicos quanto ao plágio.

Na verdade, os possíveis aplicativos continuam e continuam. Blogs políticos podem monitorar com sucesso suas interações nas mídias sociais para anomalias textuais, enquanto sites de namoro e de revisão podem classificar as mensagens enviadas pelos usuários com base em sua pontuação “possivelmente mentindo”. As companhias de seguros podem fazer melhor uso de seu tempo e recursos disponíveis para auditoria de sinistros. Contadores, consultores fiscais e especialistas forenses podem investigar declarações financeiras e declarações fiscais e encontrar armas de fumar enganosas através do nosso algoritmo.

Os humanos são surpreendentemente ruins em detectar conscientemente o engano. De fato, precisão humana quando se trata de detectar uma mentira é apenas 54%dificilmente melhor do que o acaso. O nosso detector digital de mentiras, por sua vez, é 70% exato. Ele pode ser usado para combater a fraude onde quer que ocorra em conteúdo computadorizado e à medida que a tecnologia evolui, seus avisos do Pinóquio podem ser totalmente automatizados e sua precisão aumentará ainda mais. Assim como o nariz de Pinóquio sinaliza falsamente a falsidade, o mesmo acontece com nosso detector digital de mentiras. Fibbers, cuidado.

Sobre o autor

Tom van Laer, professor sênior de marketing da City University London

Este artigo foi originalmente publicado em A Conversação. Leia o artigo original.

Livros relacionados

at InnerSelf Market e Amazon