Es gibt drei Dinge, auf die Sie sich im Leben verlassen können: Tod, Steuern - und Lügen. Letzteres scheint sicherlich durch das kürzlich im Vereinigten Königreich durchgeführte Brexit-Referendum bestätigt worden zu sein Anzahl dauert ebenfalls 3 Jahre. Das erste Jahr ist das sog. Kampagne verlassen Zusagen mehr suchen Gefällt mir Schweinefleischpasteten als feste Wahrheiten.
Aber von Internetwerbung, Visumanträgen und wissenschaftlichen Artikeln bis hin zu politischen Blogs, Versicherungsansprüchen und Dating-Profilen gibt es unzählige Orte, an denen wir digitale Lügen erzählen können. Wie kann man diese Online-Fibs erkennen? Stephan Ludwig von der University of Westminster, Ko de Ruyter von der Cass Business School der City University London, Mike Friedman von der Catholic University of Louvain und Ihre Kollegen haben einen digitalen Lügendetektor entwickelt, der eine ganze Reihe von Unwahrheiten im Internet aufdecken kann .
In unserer neuen ForschungWir verwendeten sprachliche Stichwörter, um Zehntausende von E-Mails, die als Lügen identifiziert wurden, mit denen zu vergleichen, von denen bekannt ist, dass sie wahr sind. Aus diesem Vergleich entwickelten wir einen textanalytischen Algorithmus, der Täuschungen erkennen kann. Es funktioniert auf drei Ebenen.
1. Wortgebrauch
Die Suche nach Schlüsselwörtern kann ein sinnvoller Ansatz sein, wenn große Mengen digitaler Daten verarbeitet werden. Daher haben wir zuerst Unterschiede in der Wortverwendung zwischen den beiden Dokumentensätzen aufgedeckt. Diese Unterschiede kennzeichnen Text, der wahrscheinlich eine Lüge enthält. Wir haben festgestellt, dass Personen, die lügen, im Allgemeinen weniger Personalpronomen wie ich, Sie und er / sie und mehr Adjektive wie brillant, furchtlos und erhaben verwenden. Sie verwenden auch weniger Singularpronomen der ersten Person, wie ich, ich, meine, mit Diskrepanzwörtern, wie könnte, sollte, würde, sowie mehr Pronomen der zweiten Person (Sie, Ihre) mit Leistungswörtern (verdienen, Held) , Sieg).
Weniger Personalpronomen deuten auf den Versuch eines Autors hin, sich von seinen Worten zu distanzieren, während die Verwendung von mehr Adjektiven den Versuch darstellt, durch eine Flut überflüssiger Beschreibungen von der Lüge abzulenken. Weniger Singularpronomen der ersten Person in Kombination mit Diskrepanzwörtern weisen auf einen Mangel an Subtilität und ein positives Selbstbild hin, während mehr Singularpronomen der zweiten Person in Kombination mit Leistungswörtern auf einen Versuch hindeuten, den Empfängern zu schmeicheln. Wir haben diese Kombinationen von Suchbegriffen daher in unseren Algorithmus aufgenommen.
2. Strukturprüfung
Ein weiterer Teil der Lösung bestand darin, die Varianz kognitiver Prozesswörter wie Ursache, Wissen und Sollen zu analysieren - und eine Beziehung zwischen Strukturwörtern und Lügen zu identifizieren.
Lügner können keine trügerischen E-Mails aus dem tatsächlichen Speicher generieren, sodass sie sich nicht spontan der Erkennung entziehen. Das bedeutet nicht, dass Lügner insgesamt mehr kognitive Prozesswörter verwenden als Menschen, die die Wahrheit sagen, aber sie schließen diese Wörter konsequenter ein. Zum Beispiel neigen sie dazu, jeden Satz mit dem nächsten zu verbinden - "wir wissen, dass dies aus diesem Grund geschehen ist, weil dies der Fall sein sollte". Unser Algorithmus erkennt eine solche Verwendung von Prozesswörtern in der Kommunikation.
3. E-Mail-übergreifender Ansatz
Wir haben auch untersucht, wie ein Absender einer E-Mail seinen Sprachstil ändert, während er eine Reihe von E-Mails mit einer anderen Person austauscht. Dieser Teil der Studie ergab, dass der Sender im Verlauf des Austauschs immer häufiger die vom Empfänger verwendeten Funktionswörter verwendete.
Funktionswörter sind Wörter, die zur Syntax oder Struktur beitragen, eher zur Bedeutung eines Satzes - zum Beispiel ein, bin, bis. Und die Sender haben den sprachlichen Stil ihrer Nachrichten an den des Empfängers angepasst. Infolgedessen identifiziert und sammelt unser Algorithmus solche Übereinstimmungen.
Spannende Anwendungen
Verbraucher-Wachhunde können diese Technologie verwenden, um Anzeigen mit zweifelhafter Natur eine "möglicherweise lügende" Bewertung zuzuweisen. Sicherheitsunternehmen und nationale Grenzschutzbehörden können den Algorithmus verwenden, um Dokumente wie Visaanträge und Landekarten zu bewerten und die Einhaltung der Zugangs- und Einreisebestimmungen und -bestimmungen besser zu überwachen. Sekretäre von Hochschulprüfungsausschüssen und Herausgeber von Fachzeitschriften können ihre Korrekturhilfen für die automatische Überprüfung von Abschlussarbeiten und wissenschaftlichen Artikeln auf Plagiate verbessern.
In der Tat gehen die potenziellen Anwendungen weiter und weiter. Politische Blogs können ihre Social-Media-Interaktionen erfolgreich auf Textanomalien überwachen, während Dating- und Überprüfungsseiten von Benutzern übermittelte Nachrichten anhand ihrer „möglicherweise lügenden“ Bewertung klassifizieren können. Versicherungsunternehmen können ihre Zeit und Ressourcen für die Schadenprüfung besser nutzen. Buchhalter, Steuerberater und Forensiker können Abschlüsse und Steueransprüche untersuchen und mit unserem Algorithmus betrügerische Waffen finden.
Menschen sind verblüffend schlecht darin, Täuschungen bewusst zu erkennen. Tatsächlich, menschliche Genauigkeit beim Erkennen einer Lüge ist nur 54%kaum besser als der Zufall. Unser digitaler Lügendetektor ist mittlerweile 70% genau. Es kann eingesetzt werden, um Betrug überall dort zu bekämpfen, wo er in computergestützten Inhalten auftritt. Mit der Weiterentwicklung der Technologie können die Pinocchio-Warnungen vollständig automatisiert und die Genauigkeit noch weiter erhöht werden. So wie Pinocchios Nase reflexartig Falschheit signalisierte, so ist es auch mit unserem digitalen Lügendetektor. Fasern aufgepasst.
Über den Autor
Tom van Laer, Dozent für Marketing an der City University London
Dieser Artikel wurde ursprünglich veröffentlicht am Das Gespräch.. Lies das Original Artikel.
Bücher zum Thema
at InnerSelf Market und Amazon
