Detecting deception in event narratives: the analysis of response latencies and error rates to unexpected questions.
Este estudio demuestra que el análisis de las latencias de respuesta y las tasas de error ante preguntas inesperadas puede distinguir eficazmente entre narradores honestos y engañosos de eventos autobiográficos, logrando una alta precisión de clasificación mediante el aprendizaje automático.
Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA de un preprint que no ha sido revisado por pares. No es consejo médico. No tome decisiones de salud basándose en este contenido. Leer descargo de responsabilidad completo
Los seres humanos son notablemente malos detectando mentiras. En la conversación cotidiana, acertamos correctamente solo aproximadamente la mitad de las veces, no mejor que lanzando una moneda al aire. Esta limitación crea un problema serio para los investigadores y los tribunales, donde el testimonio es a menudo la única evidencia disponible. Durante décadas, los investigadores han intentado encontrar una mejor manera de atrapar el engaño observando cómo funciona el cerebro cuando miente. La idea predominante es que decir una mentira requiere más esfuerzo mental que decir la verdad. Cuando una persona fabrica una historia, su cerebro debe inventar detalles, comprobar su consistencia y suprimir la verdad, todo ello mientras intenta sonar natural. Este trabajo mental adicional, conocido como carga cognitiva, a menudo deja un rastro: la persona tarda más en responder, comete más errores o da respuestas vagas. Sin embargo, este método tiene un fallo. Si un mentiroso ha ensayado su historia de antemano, puede recitarla de forma rápida y fluida, engañando al sistema. Para resolver esto, los científicos desarrollaron una técnica llamada "preguntas inesperadas". En lugar de preguntar sobre los puntos principales de una historia que la persona ha preparado, el entrevistador pregunta sobre detalles que el mentiroso nunca pensó en memorizar. Esto obliga al deceptor a detenerse y construir nueva información sobre la marcha, mientras que una persona honesta simplemente recurre a su memoria para recuperar una experiencia real.
Un equipo de investigadores de la Universidad de Padua en Italia puso a prueba esta técnica en un entorno controlado diseñado para imitar una entrevista de investigación real. Reunieron a sesenta voluntarios y los dividieron en dos grupos. El primer grupo, los participantes honestos, recibió la instrucción de describir el viaje de un día más reciente que hubieran realizado realmente. Tenían que recordar los detalles específicos de su propia experiencia. El segundo grupo, los participantes engañosos, recibió una breve historia escrita sobre un viaje de un día y se les pidió que la memorizaran perfectamente. Se les dijo que fingieran que esta historia era su propio recuerdo real. Ambos grupos se sentaron después en una entrevista grabada en audio donde respondieron a una serie de preguntas. Algunas preguntas eran estándar y esperadas, como "¿A qué hora se despertó?". Otras eran preguntas de control sobre la propia entrevista, como "¿En qué ciudad se encuentra?". Las preguntas críticas fueron las inesperadas, tales como "¿Cuánto tiempo tardó en llegar a su destino?". Estas fueron diseñadas para pillar desprevenidos a los mentirosos. Los investigadores midieron tres cosas: cuánto tiempo tardaba cada persona en empezar a hablar después de que se le hiciera una pregunta, con qué frecuencia daba la respuesta incorrecta y con qué frecuencia daba una respuesta que era técnicamente correcta pero vaga o incompleta.
Los resultados mostraron una diferencia clara entre los dos grupos, pero solo cuando las preguntas eran inesperadas. Al ser preguntados sobre detalles que no habían preparado, las personas que mentían sobre su viaje de un día tardaron significativamente más en responder que las personas honestas. También cometieron muchos más errores y dieron respuestas más vagas. Para el grupo honesto, las preguntas inesperadas también fueron más difíciles que las esperadas, pero el aumento en el tiempo y los errores fue mucho menor. Los investigadores descubrieron que los mentirosos tenían dificultades específicamente porque tenían que inventar nuevos detalles que encajaran con su historia falsa mientras mantenían la consistencia del resto de la narrativa. Este trabajo mental adicional los ralentizó y los hizo cometer errores. En contraste, las personas honestas simplemente estaban excavando en sus propios recuerdos, lo cual era un tipo de tarea mental diferente, pero que no requería el mismo nivel de construcción instantánea. El estudio también preguntó a los participantes qué tan difíciles consideraron que fueron las preguntas. Los mentirosos calificaron las preguntas inesperadas como mucho más difíciles que las personas honestas, confirmando que sintieron la tensión adicional.
Para ver si estos hallazgos podrían utilizarse para identificar a un mentiroso en un caso real, los investigadores utilizaron algoritmos computacionales para analizar los datos. Introdujeron los tiempos de respuesta, las tasas de error y las puntuaciones de vaguedad en un modelo de aprendizaje automático. Cuando la computadora analizaba el patrón completo de respuestas de una sola persona, era capaz de distinguir entre los grupos honesto y engañoso con una precisión muy alta, identificando correctamente a la gran mayoría de los mentirosos. Sin embargo, cuando la computadora intentaba juzgar una sola respuesta de forma aislada, era mucho menos fiable, fallando a menudo al detectar la mentira o acusando falsamente a una persona honesta. Esto sugiere que un solo momento de duda no es suficiente para probar el engaño; es el patrón general de comportamiento a través de muchas preguntas lo que revela la verdad. Los investigadores también probaron una regla simple: si el tiempo promedio de una persona para responder a las preguntas inesperadas era más de una fracción específica de segundo más lento que su tiempo promedio para las otras preguntas, era probable que estuviera mintiendo. Esta regla funcionó bien para atrapar a los mentirosos, pero también señaló a muchas personas honestas como sospechosas, lo que significa que era demasiado propensa a las falsas alarmas para ser utilizada sola.
El estudio ofrece una nueva herramienta prometedora para comprender cómo funciona el engaño, pero los autores advierten cuidadosamente sobre sus límites. El experimento tuvo lugar en un entorno de bajo riesgo donde las consecuencias de mentir eran mínimas, a diferencia de una investigación criminal real donde la presión es inmensa. Los mentirosos en el estudio simplemente estaban memorizando una historia, mientras que los mentirosos reales a menudo tienen que tejer falsedades complejas en sus propias vidas. Además, el estudio dependió de un único entrevistador y codificador, lo que podría haber introducido sesgos, y los participantes eran principalmente estudiantes universitarios, que pueden no representar a la población general. A pesar de estas limitaciones, los hallazgos sugieren que hacer preguntas inesperadas es una forma poderosa de aumentar la carga mental sobre un mentiroso, haciendo que su engaño sea más difícil de mantener. La investigación indica que, si bien ningún test es perfecto, combinar los tiempos de respuesta con las tasas de error y utilizar el análisis computacional podría ayudar eventualmente a los investigadores a detectar mentiras que la intuición humana pasa por alto. El trabajo apunta hacia un futuro donde las entrevistas no estén diseñadas solo para reunir hechos, sino para estresar suavemente la mente del hablante, revelando el esfuerzo oculto de una mentira a través de los simples y medibles signos de la duda y el error.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.