Er zijn drie dingen waarvan je zeker kunt zijn in het leven: dood, belastingen - en liegen. Dit laatste lijkt zeker te zijn bevestigd door het recente Britse Brexit-referendum, met een aantal van de Laat campagnes achter toezeggingen op zoek naar meer als porkie pastei dan vaste waarheden.

Maar van internetreclame, visumaanvragen en wetenschappelijke artikelen tot politieke blogs, verzekeringsclaims en datingsprofielen zijn er ontelbare plaatsen waar we digitale leugens kunnen vertellen. Dus hoe kan iemand gaan kijken naar deze online leugens? Wel, Stephan Ludwig van de Universiteit van Westminster, Ko de Ruyter van de Cass Business School van de City University in Londen, Mike Friedman van de Katholieke Universiteit van Leuven, en de jouwe hebben echt een digitale leugendetector ontwikkeld - en het kan een hele reeks internetonwaarheden onthullen .

In ons nieuwe onderzoek, we gebruikten linguïstische aanwijzingen om tienduizenden e-mails te vergelijken waarvan vooraf is vastgesteld dat ze leugens zijn van degenen die bekend staan ​​als zijnde waarheidsgetrouw. En uit deze vergelijking hebben we een tekstanalysealgoritme ontwikkeld dat bedrog kan detecteren. Het werkt op drie niveaus.

1. Woordgebruik

Zoekwoorden op trefwoord kunnen een redelijke benadering zijn bij het verwerken van grote hoeveelheden digitale gegevens. We hebben dus eerst verschillen in woordgebruik ontdekt tussen de twee documentensets. Deze verschillen identificeren tekst die waarschijnlijk leugens bevat. We vonden dat individuen die liegen over het algemeen minder persoonlijke voornaamwoorden gebruiken, zoals ik, jij en hij / zij, en meer bijvoeglijke naamwoorden, zoals briljant, onbevreesd en subliem. Ze gebruiken ook minder singuliere voornaamwoorden voor de eerste persoon, zoals ik, ik, de mijne, met discrepantiewoorden, zoals kon, zou, zou, evenals meer tweede-persoons voornaamwoorden (u, uw) met voltooiingswoorden (verdienen, held , win).

Minder persoonlijke voornaamwoorden wijzen op de poging van een auteur om zich van hun woorden te distantiëren, terwijl het gebruik van meer bijvoeglijke naamwoorden een poging is om de leugen af ​​te leiden door een overvloed aan overbodige beschrijvingen. Minder singuliere voornaamwoorden van de eerste persoon in combinatie met discrepantiewoorden duiden op een gebrek aan subtiliteit en een positief zelfbeeld, terwijl meer tweede-persoons voornaamwoorden in combinatie met prestatiewoorden wijzen op een poging om de ontvangers te vleien. Daarom hebben we deze combinaties van zoektermen opgenomen in ons algoritme.

2. Structuur onderzoek

Een ander deel van de oplossing lag in het analyseren van de variantie van cognitieve proceswoorden, zoals oorzaak, omdat, weten en behoren - en we identificeerden een relatie tussen structuurwoorden en leugens.

Leugenaars kunnen geen bedrieglijke e-mails uit het werkelijke geheugen genereren, dus ze vermijden spontaniteit om detectie te omzeilen. Dat betekent niet dat leugenaars in het algemeen meer cognitieve proceswoorden gebruiken dan mensen die de waarheid vertellen, maar ze nemen deze woorden wel consequenter op. Ze hebben bijvoorbeeld de neiging om elke zin met elkaar te verbinden - "we weten dat dit hierdoor is gebeurd, omdat dit het geval zou moeten zijn". Ons algoritme detecteert dergelijk gebruik van proceswoorden in communicatie.

3. Cross-email benadering

We hebben ook de manieren bestudeerd waarop een afzender van een e-mail hun taalstijl wijzigt en een aantal e-mails met iemand anders uitwisselt. Uit dit deel van de studie bleek dat naarmate de uitwisseling vorderde, de verzender meer de neiging had de functiewoorden te gebruiken die de ontvanger gebruikte.

Functiewoorden zijn woorden die bijdragen aan de syntaxis of structuur, eerder de betekenis van een zin - bijvoorbeeld een, am, to. En afzenders hebben de taalstijl van hun berichten aangepast aan die van de ontvanger. Als gevolg hiervan identificeert en verzamelt ons algoritme dergelijke matching.

Opwindende applicaties

Consumentenwaakhonden kunnen deze technologie gebruiken om een ​​"mogelijk liegende" score toe te kennen aan advertenties met een twijfelachtige aard. Beveiligingsbedrijven en nationale grensarbeiders kunnen het algoritme gebruiken om documenten te beoordelen, zoals visumaanvragen en landingskaarten, om beter toezicht te houden op de naleving van regels voor toegang en binnenkomst. Secretarissen van examencommissies van het hoger onderwijs en redacteuren van wetenschappelijke tijdschriften kunnen hun taalgereedschap verbeteren voor het automatisch controleren van scripties en wetenschappelijke artikelen op plagiaat.

Sterker nog, de potentiële toepassingen gaan maar door. Politieke blogs kunnen met succes hun interacties op sociale media controleren voor tekstanomalieën, terwijl dating- en beoordelingssites berichten kunnen indelen die door gebruikers zijn ingediend op basis van hun "mogelijk liegende" score. Verzekeringsmaatschappijen kunnen hun beschikbare tijd en middelen beter gebruiken voor claimcontrole. Accountants, belastingadviseurs en forensisch specialisten kunnen financiële overzichten en belastingvorderingen onderzoeken en bedrieglijke rokende wapens vinden via ons algoritme.

Mensen zijn verrassend slecht in het bewust detecteren van bedrog. Inderdaad, menselijke nauwkeurigheid als het gaat om het vinden van een leugen is gewoon 54%, nauwelijks beter dan toeval. Onze digitale leugendetector is ondertussen 70% nauwkeurig. Het kan worden ingezet om fraude te bestrijden, waar dit ook voorkomt in geautomatiseerde inhoud en naarmate de technologie evolueert, kunnen zijn Pinocchio-waarschuwingen volledig worden geautomatiseerd en zal de nauwkeurigheid nog verder toenemen. Net zoals Pinocchio's neus reflexief valsheid signaleerde, zo ook onze digitale leugendetector. Fibbers pas op.

Over de auteur

Tom van Laer, Senior Lecturer in Marketing, City University London

Dit artikel is oorspronkelijk gepubliceerd op The Conversation. Lees de originele artikel.

Verwante Boeken

at InnerSelf Market en Amazon