Detecting deception in event narratives: the analysis of response latencies and error rates to unexpected questions.
Este estudo demonstra que analisar as latências de resposta e as taxas de erro a perguntas inesperadas pode distinguir eficazmente entre narradores honestos e enganosos de eventos autobiográficos, alcançando uma alta precisão de classificação através de aprendizado de máquina.
Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta é uma explicação gerada por IA de um preprint que não foi revisado por pares. Não é aconselhamento médico. Não tome decisões de saúde com base neste conteúdo. Ler aviso legal completo
Os seres humanos são extraordinariamente ruins em detectar mentiras. Na conversa cotidiana, adivinhamos corretamente apenas cerca de metade das vezes, não melhor do que lançar uma moeda para o alto. Essa limitação cria um problema sério para investigadores e tribunais, onde o testemunho é frequentemente a única evidência disponível. Por décadas, pesquisadores tentaram encontrar uma maneira melhor de flagrar a decepção ao observar como o cérebro funciona quando mente. A ideia predominante é que contar uma mentira exige mais esforço mental do que dizer a verdade. Quando uma pessoa fabrica uma história, seu cérebro deve inventar detalhes, verificá-los quanto à consistência e suprimir a verdade, tudo isso enquanto tenta parecer natural. Esse trabalho mental extra, conhecido como carga cognitiva, frequentemente deixa um rastro: a pessoa demora mais para responder, comete mais erros ou dá respostas vagas. No entanto, este método possui uma falha. Se um mentiroso tiver ensaiado sua história previamente, ele pode recitá-la de forma rápida e fluida, enganando o sistema. Para resolver isso, os cientistas desenvolveram uma técnica chamada "perguntas inesperadas". Em vez de perguntar sobre os pontos principais de uma história que a pessoa preparou, o entrevistador pergunta sobre detalhes que o mentiroso nunca pensou em memorizar. Isso força o enganador a parar e construir novas informações na hora, enquanto uma pessoa honesta simplesmente recorre à sua memória para uma experiência real.
Uma equipe de pesquisadores da Universidade de Pádua, na Itália, colocou recentemente essa técnica à prova em um ambiente controlado projetado para mimetizar uma entrevista investigativa real. Eles reuniram sessenta voluntários e os dividiram em dois grupos. O primeiro grupo, os participantes honestos, foi solicitado a descrever a viagem de um dia mais recente que realmente realizaram. Eles tiveram que recordar os detalhes específicos de sua própria experiência. O segundo grupo, os participantes enganadores, recebeu uma curta história escrita sobre uma viagem de um dia e foi instruído a memorizá-la perfeitamente. Foi dito a eles que fingissem que essa história era sua própria memória real. Ambos os grupos sentaram-se então para uma entrevista gravada em áudio, na qual responderam a uma série de perguntas. Algumas eram perguntas padrão e esperadas, como "A que horas você acordou?". Outras eram perguntas de controle sobre a própria entrevista, como "Em que cidade você está?". As perguntas críticas foram as inesperadas, tais como "Quanto tempo levou para chegar ao seu destino?". Estas foram projetadas para pegar os mentirosos desprevenidos. Os pesquisadores mediram três coisas: quanto tempo cada pessoa levava para começar a falar após uma pergunta ser feita, com que frequência davam a resposta errada e com que frequência davam uma resposta que era tecnicamente correta, mas vaga ou incompleta.
Os resultados mostraram uma diferença clara entre os dois grupos, mas apenas quando as perguntas eram inesperadas. Ao serem questionados sobre detalhes que não haviam preparado, as pessoas que mentiam sobre sua viagem de um dia levaram significativamente mais tempo para responder do que as pessoas honestas. Elas também cometeram muito mais erros e deram respostas muito mais vagas. Para o grupo honesto, as perguntas inesperadas também foram mais difíceis do que as esperadas, mas o aumento no tempo e nos erros foi muito menor. Os pesquisadores descobriram que os mentirosos lutavam especificamente porque tinham que inventar novos detalhes que se encaixassem em sua história falsa enquanto mantinham o restante da narrativa consistente. Esse trabalho mental extra os atrasou e os fez cometer deslizes. Em contraste, as pessoas honestas estavam simplesmente cavando em suas próprias memórias, o que era um tipo diferente de tarefa mental, mas que não exigia o mesmo nível de construção imediata. O estudo também perguntou aos participantes o quão difíceis eles acharam as perguntas. Os mentirosos classificaram as perguntas inesperadas como muito mais difíceis do que as pessoas honestas, confirmando que sentiram o esforço extra.
Para ver se essas descobertas poderiam ser usadas para identificar um mentiroso em um caso real, os pesquisadores usaram algoritmos de computador para analisar os dados. Eles inseriram os tempos de resposta, taxas de erro e pontuações de vagueza em um modelo de aprendizado de máquina. Quando o computador analisava o padrão completo de respostas de uma única pessoa, era capaz de distinguir entre os grupos honesto e enganador com altíssima precisão, identificando corretamente a vasta maioria dos mentirosos. No entanto, quando o computador tentava julgar uma única resposta isoladamente, era muito menos confiável, muitas vezes perdendo a mentira ou acusando falsamente uma pessoa honesta. Isso sugere que um único momento de hesitação não é suficiente para provar a decepção; é o padrão geral de comportamento através de muitas perguntas que revela a verdade. Os pesquisadores também testaram uma regra simples: se o tempo médio de uma pessoa para responder às perguntas inesperadas fosse mais do que uma fração específica de segundo mais lento do que seu tempo médio para as outras perguntas, ela provavelmente estava mentindo. Essa regra funcionou bem para pegar mentirosos, mas também sinalizou muitos honestos como suspeitos, o que significa que era propensa demais a alarmes falsos para ser usada sozinha.
O estudo oferece uma nova ferramenta promissora para entender como a decepção funciona, mas os autores são cuidadosos ao notar seus limites. O experimento ocorreu em um ambiente de baixo risco, onde as consequências de mentir eram mínimas, ao contrário de uma investigação criminal real, onde a pressão é imensa. Os mentirosos no estudo estavam simplesmente memorizando uma história, enquanto mentirosos reais frequentemente precisam tecer falsidades complexas em suas próprias vidas. Além disso, o estudo dependeu de um único entrevistador e codificador, o que poderia introduzir viés, e os participantes eram majoritariamente estudantes universitários, que podem não representar a população geral. Apesar dessas limitações, os achados sugerem que fazer perguntas inesperadas é uma maneira poderosa de aumentar a carga mental de um mentiroso, tornando sua decepção mais difícil de manter. A pesquisa indica que, embora nenhum teste único seja perfeito, combinar tempos de resposta com taxas de erro e usar análise computacional poderia eventualmente ajudar investigadores a detectar mentiras que a intuição humana perde. O trabalho aponta para um futuro onde as entrevistas são desenhadas não apenas para reunir fatos, mas para estressar suavemente a mente do falante, revelando o esforço oculto de uma mentira através dos sinais simples e mensuráveis de hesitação e erro.
Afogado em artigos na sua área?
Receba digests diários dos artigos mais recentes que correspondam às suas palavras-chave de pesquisa — com resumos técnicos, no seu idioma.