Как обнаружить встроенную ложь с помощью компьютерного анализа текста

Как обнаружить встроенную ложь с помощью компьютерного анализа текста

Интересное сегодня

Питание во время беременности: важность сбалансированного ра...

Введение Сбалансированное питание во время беременности критически важно для развития плода и долгос...

Lithium Levels in Bipolar Disorder: A Study in Iran

Введение Биполярное расстройство (БР), характеризующееся чередованием эпизодов мании и депрессии, пр...

Влияние цифровых медиа на развитие детей до двух лет

Введение Цифровые медиа, включая мобильные телефоны, планшеты и персональные компьютеры, часто испол...

Психологические последствия COVID-19: Посттравматический стр...

Введение Пандемия COVID-19 значительно повлияла на психическое здоровье населения, особенно на тех, ...

Фундаментальная ошибка атрибуции в психологии: почему мы оши...

Что такое фундаментальная ошибка атрибуции? Фундаментальная ошибка атрибуции (также известная как ко...

Моральные суждения и принятие решений: теория и нулевые резу...

Введение в изучение моральных суждений и принятия решений Исследование моральных суждений и процесса...

рисунок 2
рисунок 2
рисунок 3
рисунок 3
рисунок 1
рисунок 1
Thumbnail 1
Thumbnail 2
Thumbnail 3
Оригинал исследования на сайте автора

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.

Короткие версии статей можно найти в телеграм-канале.

Посмотреть канал
Кликните еще раз для перехода

Кестин таблетки 10 мг №10 — купить от аллергии

Кестин таблетки 10 мг — современное средство от аллергии с пролонгированным действием до 48 часов. Э...

Гилан Комфорт капли глазные 0,18% — увлажнение и защита

Гилан Комфорт капли глазные 0,18% — стерильный раствор натрия гиалуроната для эффективного увлажнени...

Назол спрей 0,025 мг/доза: средство от заложенности носа

Назальный спрей Назол 0,025 мг/доза — эффективное средство для быстрого снятия заложенности носа при...

Крем Кандидерм 30 г — лечение грибка и бактериальных инфекци...

Крем Кандидерм — комбинированный препарат для лечения грибковых и бактериальных инфекций кожи. Облад...

Витамишки Био+ Пребиотики для пищеварения детей

Витамишки Био+ с пребиотиками — вкусные мармеладные пастилки для детей от 3 лет. Содержат инулин, фр...

Мишки Мультивитамины для детей с 3 лет — 30 пастилок

Бэби Формула Мишки Мультивитамины — жевательные пастилки с 9 витаминами, йодом и холином для детей с...