Ada tiga hal yang bisa Anda pastikan dalam hidup: kematian, pajak - dan berbohong. Yang terakhir ini tentu saja tampaknya telah ditanggung oleh referendum Brexit baru-baru ini di Inggris, dengan a jumlah dari Tinggalkan kampanye janji melihat lebih 'like' pai daging babi daripada kebenaran yang solid
Tapi dari iklan internet, aplikasi visa dan artikel akademis ke blog politik, klaim asuransi dan profil berpacaran, ada banyak tempat yang bisa kita ketahui tentang kebohongan digital. Jadi bagaimana kita bisa bercak online ini? Well, Stephan Ludwig dari Universitas Westminster, Ko de Ruyter dari City Business School dari Universitas City London, Mike Friedman dari Universitas Katolik Louvain, dan Anda benar-benar telah mengembangkan detektor kebohongan digital - dan ini dapat menemukan keseluruhan kebohongan internet. .
Dalam penelitian baru kami, kami menggunakan isyarat linguistik untuk membandingkan puluhan ribu email yang telah diidentifikasi sebelumnya sebagai kebohongan dengan yang diketahui benar. Dan dari perbandingan ini, kami mengembangkan algoritma analisis teks yang dapat mendeteksi penipuan. Ia bekerja pada tiga tingkatan.
1. Penggunaan kata
Pencarian kata kunci bisa menjadi pendekatan yang masuk akal saat berhadapan dengan sejumlah besar data digital. Jadi, pertama-tama kami menemukan perbedaan penggunaan kata antara dua kumpulan dokumen. Perbedaan ini mengidentifikasi teks yang cenderung mengandung kebohongan. Kami menemukan bahwa individu yang pada umumnya menggunakan kata ganti pribadi yang lebih sedikit, seperti saya, Anda, dan dia, dan lebih banyak kata sifat, seperti brilian, tak kenal takut, dan agung. Mereka juga menggunakan lebih sedikit kata ganti tunggal orang pertama, seperti saya, saya, saya, dengan kata-kata yang tidak tepat, seperti bisa, harus, akan, dan juga kata ganti orang kedua lainnya (Anda, Anda) dengan kata-kata prestasi (dapatkan, pahlawan , menang).
Lebih sedikit pronomina pribadi yang menunjukkan usaha seorang penulis untuk memisahkan diri dari kata-kata mereka, sementara menggunakan kata sifat lebih banyak adalah usaha untuk mengalihkan perhatian dari kebohongan melalui kebingungan deskripsi yang berlebihan. Lebih sedikit kata ganti tunggal orang pertama yang dikombinasikan dengan kata-kata yang tidak sesuai menunjukkan kurangnya kehalusan dan citra diri yang positif, sementara kata ganti orang kedua digabungkan dengan kata-kata berprestasi menunjukkan usaha untuk menyanjung penerima. Oleh karena itu kami menyertakan kombinasi istilah penelusuran ini dalam algoritme kami.
2. Pemeriksaan struktur
Bagian lain dari solusi ini terletak pada analisis varians kata-kata proses kognitif, seperti sebab, karena, tahu dan seharusnya - dan kami mengidentifikasi hubungan antara kata-kata dan kebohongan struktur.
Pembohong tidak dapat menghasilkan email yang menipu dari ingatan sebenarnya sehingga mereka menghindari spontanitas untuk menghindari deteksi. Itu tidak berarti bahwa pembohong menggunakan lebih banyak kata-kata proses kognitif secara keseluruhan daripada orang-orang yang mengatakan yang sebenarnya, namun mereka memasukkan kata-kata ini secara lebih konsisten. Misalnya, mereka cenderung menghubungkan setiap kalimat ke kalimat berikutnya - "kita tahu ini terjadi karena ini, karena ini seharusnya terjadi". Algoritma kami mendeteksi penggunaan kata-kata proses dalam komunikasi.
3. Pendekatan lintas email
Kami juga mempelajari cara-cara di mana pengirim email mengubah gaya linguistik mereka sambil bertukar sejumlah email dengan orang lain. Bagian dari penelitian ini mengungkapkan bahwa ketika pertukaran berlangsung, semakin banyak pengirim cenderung menggunakan kata-kata fungsi yang digunakan penerima.
Kata-kata fungsi adalah kata-kata yang berkontribusi pada sintaksis, atau struktur, bukan arti sebuah kalimat - misalnya a, am, to. Dan pengirim merevisi gaya linguistik pesan mereka agar sesuai dengan penerima. Sebagai konsekuensinya, algoritma kami mengidentifikasi dan mengumpulkan pencocokan tersebut.
Aplikasi yang menarik
Pengawas konsumen dapat menggunakan teknologi ini untuk menetapkan skor "mungkin berbohong" pada iklan yang bersifat meragukan. Perusahaan keamanan dan kekuatan perbatasan nasional dapat menggunakan algoritma untuk menilai dokumen, seperti aplikasi visa dan kartu arahan, untuk lebih memantau kepatuhan terhadap peraturan dan peraturan akses dan masuk. Sekretaris komite ujian pendidikan tinggi dan editor jurnal akademis dapat memperbaiki alat pemeriksaan mereka untuk secara otomatis memeriksa tesis siswa dan artikel akademis untuk plagiarisme.
Padahal, aplikasi potensial terus dan terus. Blog politik dapat berhasil memantau interaksi media sosial mereka dengan anomali tekstual, saat berkencan dan meninjau situs dapat mengklasifikasikan pesan yang diajukan oleh pengguna berdasarkan skor "mungkin berbohong" mereka. Perusahaan asuransi dapat memanfaatkan waktu dan sumber daya mereka dengan lebih baik untuk audit klaim. Akuntan, penasihat pajak, dan spesialis forensik dapat menyelidiki laporan keuangan dan klaim pajak dan menemukan senjata merokok yang menipu melalui algoritme kami.
Manusia sangat buruk dalam mendeteksi penipuan secara sadar. Memang, akurasi manusia ketika datang untuk menemukan kebohongan hanya 54%, hampir tidak lebih baik dari kebetulan. Detektor kebohongan digital kami, sementara itu, 70% akurat. Hal ini dapat diterapkan untuk melawan kecurangan di mana pun terjadi pada konten terkomputerisasi dan seiring perkembangan teknologi, peringatan Pinocchio dapat sepenuhnya otomatis dan akurasinya akan meningkat lebih jauh. Sama seperti hidung Pinocchio yang secara refleks menandakan kepalsuan, begitu pula detektor kebohongan digital kita. Fibbers waspadalah.
Tentang Penulis
Tom van Laer, Dosen Senior Marketing, City University London
Artikel ini awalnya diterbitkan pada Percakapan. Membaca Artikel asli.
Buku terkait
at Pasar InnerSelf dan Amazon
