Herken jij een leugenaar?

Het is al lastig genoeg in persoonlijke gesprekken met gezichtsuitdrukkingen, gebaren en stemgeluid omdat die fysieke signalen context toevoegen. Een leugenaar spotten wordt nog moeilijker in blinde computergesprekken.

Shuyuan Ho, onderzoeker van de Florida State University, wil die oogkleppen afwerpen door een revolutionaire online polygraaf te maken.

"De toekomst van mijn onderzoek is een online polygraaf die op veel verschillende manieren kan worden gebruikt, " zei Ho, een universitair hoofddocent in het College van Communicatie en Informatie. "Je zou het kunnen gebruiken voor online dating, Facebook, Twitter - de toepassingen zijn eindeloos. Ik denk dat de toekomst onbeperkt is voor een online polygraafsysteem."

Ho stelt zich een toekomst voor waarin technologie leugenaars en waarheidsvertellers kan identificeren op basis van de woorden die ze in elektronische berichten schrijven. Haar laatste onderzoek dook in de duistere diepten van internetmisleiding waar trollen, identiteitsdiefstal en phishing voor creditcardnummers vallen een toenemend aantal online gebruikers op.

De onderzoeksstudie, gepubliceerd in het tijdschrift Computers in menselijk gedrag , gedetailleerd de bevindingen van een online game die ze heeft gemaakt om waarheidsgetrouwe en bedrieglijke communicatie tussen twee mensen te meten.

Ho ontleedde de woorden in die gesprekken, in de hoop context te extraheren uit miljoenen stukjes gegevens in veel berichten - beschreven als taalactie-aanwijzingen - net zoals mensen context krijgen door fysieke aanwijzingen te zien die aangeven of iemand de waarheid spreekt of liegt.

De resultaten waren verrassend.

Uit de experimenten bleek dat een persoon ongeveer 50 procent van de tijd leugens in berichten kon herkennen, terwijl een machine-learning-aanpak bedrog zou kunnen identificeren met een nauwkeurigheid van 85 tot 100 procent.

Ho is enthousiast over de mogelijkheden van dit onderzoek.

"Ik wil de aandacht van de wereld trekken voor dit onderzoek, zodat we er hopelijk een commercieel product van kunnen maken dat aan allerlei online sociale fora kan worden gekoppeld. Ho zei. "Dit fundamentele onderzoek biedt een groot potentieel om een ​​online polygraafsysteem te ontwikkelen dat onze online communicatie helpt beschermen."

Ho houdt toezicht op het iSensor Lab op de campus van de FSU, waar onderzoekers experimenten uitvoeren om misleiding in online communicatie beter te begrijpen.

Om die gesprekken te vergemakkelijken, ze creëerde een online game die is ontworpen om taalsignalen te identificeren die bedriegers en waarheidsvertellers ontmaskeren.

Het spel heeft willekeurig spelers toegewezen om de rollen van "The Saint" en "The Sinner" te spelen. Terwijl zondaars en heiligen met elkaar omgingen via computers, onderzoekers in het iSensor Lab legden die gesprekken vast en gebruikten machine learning-technologie om patronen van woorden en schrijven te onderzoeken.

Uit die analyse kwamen enkele fascinerende taaltendensen naar voren. De liegende zondaars bleken minder expressief, maar ze gebruikten meer decoratieve woorden per bericht. Ze vertoonden meer negatieve emoties en leken angstiger wanneer ze communiceerden met waarheidsvertellers.

Bedriegers namen ook minder tijd om te reageren en gebruikten meer woorden van inzicht, zoals "denken" en "weten, " en ze hadden de neiging om meer woorden van zekerheid te gebruiken, inclusief "altijd" of "nooit".

Omgekeerd, waarzeggers gebruikten meer woorden van speculatie, zoals "misschien" en "denk dat, " en ze deden er langer over om op vragen te reageren. Deze heiligen gaven meer beredeneerde ideeën door oorzakelijke woorden te gebruiken - "omdat" - en ze drukten meer reflectief denken uit met woorden als "zou moeten" en "zou kunnen".

'Waarzeggers hebben de neiging om vaak 'nee' te zeggen. Waarom?' vroeg Ho. "Ze leggen graag de nadruk wanneer ze hun redenen uitleggen. Als je het hen vraagt, 'Is dit waar?' Ze hebben de neiging om 'nee' te zeggen omdat er een andere echte reden is."

Onderzoekers berekenden ook tijdvertragingen tussen elke zin, en zelfs delen van een zin, door tijdstempels op de woorden te plaatsen. Die precieze uitsplitsing liet duidelijk zien hoeveel een persoon pauzeerde tijdens interacties - nog een taalactie-cue.

Die pauzes waren misschien zo klein dat ze niet noodzakelijkerwijs voor een persoon merkbaar zouden zijn, maar machine learning-technologie zou het kunnen herkennen.

Ho zei dat ze hoopt dat haar onderzoek mensen uiteindelijk beter zal beschermen wanneer ze online zijn.

"Ik denk dat we allemaal gezond verstand hebben over de mensen die we persoonlijk ontmoeten, maar hoeveel gezond verstand hebben we met de vreemden die we online tegenkomen waar je heel snel veel mensen kunt ontmoeten, " Ho zei. "Dit onderzoek is zo belangrijk omdat het een ander referentiepunt kan bieden dat meer bescherming biedt. De hele samenleving kan hiervan profiteren."