Hay tres cosas de las que puede estar seguro en la vida: la muerte, los impuestos y la mentira. Este último parece haber sido corroborado por el reciente referéndum del Brexit del Reino Unido, con un número de las Deja la campaña promesas mirando mas como pasteles de carne que las verdades sólidas.
Pero desde publicidad en Internet, solicitudes de visas y artículos académicos hasta blogs políticos, reclamos de seguros y perfiles de citas, hay innumerables lugares donde podemos contar mentiras digitales. Entonces, ¿cómo puede uno descubrir estas fibs en línea? Bueno, Stephan Ludwig de la Universidad de Westminster, Ko de Ruyter de la Universidad de Negocios Cass Business School de Londres, Mike Friedman de la Universidad Católica de Lovaina, y los tuyos han desarrollado un detector de mentiras digital, y puede descubrir una gran cantidad de mentiras en Internet .
En nuestra nueva investigación, utilizamos señales lingüísticas para comparar decenas de miles de correos electrónicos previamente identificados como mentiras con los que se sabe que son veraces. Y a partir de esta comparación, desarrollamos un algoritmo analítico de texto que puede detectar el engaño. Funciona en tres niveles.
1. Uso de la palabra
Las búsquedas de palabras clave pueden ser un enfoque razonable cuando se trata de grandes cantidades de datos digitales. Por lo tanto, primero descubrimos diferencias en el uso de palabras entre los dos conjuntos de documentos. Estas diferencias identifican el texto que probablemente contenga una mentira. Descubrimos que las personas que mienten generalmente usan menos pronombres personales, como yo, usted y él / ella, y más adjetivos, como brillante, intrépido y sublime. También usan menos pronombres en primera persona en singular, como I, me, my, con palabras de discrepancia, como could, should, would, así como más pronombres de segunda persona (tu, tu) con palabras de logro (earn, hero) , ganar).
Menos pronombres personales indican un intento del autor de disociarse de sus palabras, mientras que el uso de más adjetivos es un intento de distraer de la mentira a través de una ráfaga de descripciones superfluas. Menos pronombres en primera persona en singular combinados con palabras de discrepancia indican una falta de sutileza y una autoimagen positiva, mientras que más pronombres de segunda persona combinados con palabras de logro indican un intento de halagar a los destinatarios. Por lo tanto, incluimos estas combinaciones de términos de búsqueda en nuestro algoritmo.
2. Escrutinio de la estructura
Otra parte de la solución consistía en analizar la varianza de las palabras del proceso cognitivo, como la causa, porque, sabemos y debemos, e identificamos una relación entre las palabras estructurales y las mentiras.
Los mentirosos no pueden generar correos electrónicos engañosos de la memoria real, por lo que evitan la espontaneidad para evadir la detección. Eso no significa que los mentirosos usen más palabras de procesos cognitivos en general que las personas que dicen la verdad, pero sí incluyen estas palabras de manera más consistente. Por ejemplo, tienden a conectar cada frase con la siguiente: "sabemos que esto sucedió debido a esto, porque este debería ser el caso". Nuestro algoritmo detecta dicho uso de palabras de proceso en comunicaciones.
3. Enfoque de correo electrónico cruzado
También estudiamos las formas en que un remitente de un correo electrónico altera su estilo lingüístico al intercambiar una serie de correos electrónicos con otra persona. Esta parte del estudio reveló que a medida que avanzaba el intercambio, más tendía el emisor a usar las palabras funcionales que el receptor estaba usando.
Las palabras de función son palabras que contribuyen a la sintaxis, o estructura, más bien el significado de una oración, por ejemplo, una, am, a. Y los remitentes revisaron el estilo lingüístico de sus mensajes para que coincida con el del receptor. Como consecuencia, nuestro algoritmo identifica y recopila dicha coincidencia.
Emocionantes aplicaciones
Los vigilantes de los consumidores pueden usar esta tecnología para asignar un puntaje "posiblemente mentiroso" a los anuncios de naturaleza dudosa. Las compañías de seguridad y las fuerzas fronterizas nacionales pueden usar el algoritmo para evaluar documentos, como aplicaciones de visas y tarjetas de aterrizaje, para monitorear mejor el cumplimiento de las reglas y regulaciones de acceso e ingreso. Las secretarias de los comités de exámenes de educación superior y los editores de publicaciones académicas pueden mejorar sus herramientas de revisión para verificar automáticamente las tesis de los estudiantes y los artículos académicos por plagio.
De hecho, las aplicaciones potenciales siguen y siguen. Los blogs políticos pueden controlar con éxito sus interacciones en las redes sociales en busca de anomalías textuales, mientras que los sitios de citas y comentarios pueden clasificar los mensajes enviados por los usuarios sobre la base de su puntaje "posiblemente mentiroso". Las compañías de seguros pueden hacer un mejor uso de su tiempo y recursos disponibles para la auditoría de reclamos. Contadores, asesores fiscales y especialistas forenses pueden investigar estados financieros y reclamos impositivos y encontrar pistolas engañosas a través de nuestro algoritmo.
Los humanos son asombrosamente malos para detectar conscientemente el engaño. En efecto, La precisión humana cuando se trata de detectar una mentira es solo 54%, apenas mejor que el azar. Nuestro detector de mentiras digital, mientras tanto, es 70% exacto. Se puede poner a trabajar para combatir el fraude donde sea que ocurra en el contenido computarizado y, a medida que la tecnología evoluciona, sus advertencias de Pinocho pueden automatizarse por completo y su precisión aumentará aún más. Del mismo modo que la nariz de Pinocho reflejaba falsedad, también lo hace nuestro detector de mentiras digital. Fibbers ten cuidado.
Sobre el Autor
Tom van Laer, profesor de Marketing, City University London
Este artículo se publicó originalmente el La conversación. Leer el articulo original.
Libros relacionados
at InnerSelf Market y Amazon
