Интересное сегодня
Введение
Каждый человек ежедневно сталкивается с различными формами обмана. Однако вместо полного вымысла люди чаще комбинируют правдивые и ложные элементы в своих высказываниях. Эта стратегия известна как встроенная ложь. Встроенная ложь представляет собой уникальную проблему для исследований обмана и остается малоизученным явлением.
Детекция вербального обмана
Традиционные методы детекции лжи, такие как Criteria-Based Content Analysis (CBCA) и Reality Monitoring (RM), основаны на ручном анализе вербальных маркеров. CBCA оценивает правдоподобность утверждений на основе таких критериев, как количество деталей и спонтанные исправления. RM фокусируется на сенсорных и контекстных деталях, которые чаще встречаются в правдивых рассказах. Однако эти методы требуют значительных временных затрат и экспертных знаний.
Автоматизированная детекция обмана
Современные методы Natural Language Processing (NLP) и машинного обучения позволяют автоматизировать процесс детекции лжи. Например, инструменты типа Linguistic Inquiry and Word Count (LIWC) анализируют частоту слов, связанных с психологическими и социальными аспектами. Трансформерные модели, такие как BERT и Llama3, используют контекстные эмбеддинги для классификации высказываний.
Встроенный обман
Исследования показывают, что лжецы часто используют элементы из личного опыта, чтобы сделать свою ложь более правдоподобной. Например, в некоторых исследованиях 67-86% участников включали в свои ложные утверждения детали из реальных событий. Однако большинство работ по детекции лжи сосредоточены на полностью вымышленных историях, игнорируя континуум между правдой и ложью.
Выявление встроенной лжи
Несмотря на признание важности встроенной лжи, лишь немногие исследования изучали её природу и методы обнаружения. Например, анализ нграмм показал, что встроенная ложь часто не отличается от правдивых утверждений по частоте слов. Это делает её обнаружение особенно сложным.
Текущее исследование
В данной работе представлен новый набор данных из 2084 утверждений (правдивых и содержащих встроенную ложь), собранных в рамках внутрисубъектного эксперимента. Участники описывали одно и то же событие дважды: правдиво и с включением ложных элементов. Затем они отмечали, какие части высказывания были ложными, и оценивали их значимость.
Результаты
- В среднем, в ложных утверждениях содержалось 5 встроенных лжей, что составляло около 1/3 от общего объема текста.
- Большинство ложных элементов основывались на личном опыте (46.27%) или воображении (33.86%).
- Женщины оценивали свою ложь как более обманчивую, чем мужчины.
- Лингвистический анализ выявил небольшие различия между правдивыми и ложными утверждениями.
Прогностическое моделирование
Точность классификации утверждений с помощью модели Llama3 составила 64%. Однако встроенная ложь оставалась сложной для обнаружения из-за её сходства с правдивыми высказываниями.
Заключение
Это исследование подчеркивает сложность обнаружения встроенной лжи и необходимость дальнейших разработок в области автоматизированной детекции обмана. Представленный набор данных может стать ценным ресурсом для будущих исследований.
