Lie detection in the future: the online lie detection via human-computer interaction

Metà delle persone sul nostro Pianeta navigano nel web, utilizzano servizi online e interagiscono attraverso i social network. Tuttavia, la diffusione di Internet sta andando di pari passo l’uso malevole di esso. La creazione di profili suoi social network, la diffusione di notizie false, il post di recensioni false, le frodi finanziarie online, sono solo alcuni esempi. Per far fronte a queste problematiche, le più grandi compagnie, come Google e Facebook, stanno avviando la ricerca nell’ambito della rilevazione della menzogna online. Il presente lavoro è un contributo alla rilevazione della menzogna online attraverso lo studio dell'interazione tra computer e utente. Dopo una breve rassegna degli attuali metodi di rilevamento della menzogna, concentrandosi sui loro vantaggi e svantaggi per l'applicazione online, vengono riportati una serie di esperimenti. Gli esperimenti sono stati condotti misurando gli indici derivanti da tre diversi strumenti di interazione uomo-macchina: I tempi di reazione su tastiera, la dinamica di battitura su tastiera e la dinamica di movimento del mouse. Sono state utilizzate due strategie per aumentare il carico cognitivo dei soggetti mentitori e facilitare l'osservazione delle caratteristiche peculiari dell'inganno: la tecnica delle domande inaspettate e la tecnica delle domande complesse. Gli esperimenti si sono concentrati sullo studio della menzogna relativa all'identità, dato che si tratta di un tema molto attuale e rappresenta una sfida per le aziende che forniscono servizi online. Ai partecipanti è stato chiesto di rispondere mentendo o dicendo verità alle domande che apparivano sullo schermo del computer, digitando la risposta sulla tastiera, facendo click su di essa con il mouse o premendo uno tra due tasti alternativi di risposta. I dati raccolti dai mentitori e le risposte dei soggetti sinceri sono stati analizzati e utilizzati per costruire modelli di classificazione tramite l’uso di tecniche di apprendimento automatico. L'accuratezza della classificazione nel distinguere i soggetti mentitori dai sinceri varia dall' 80% al 95%, a seconda del paradigma sperimentale utilizzato. I risultati hanno dimostrato che è possibile individuare I soggetti che mentono analizzando la loro interazione con il computer durante l'atto di mentire. In particolare, abbiamo dimostrato che la dinamica di battitura su tastiera rappresenta uno strumento molto promettente per il rilevamento della menzogna, ed è facilmente integrabile con le applicazioni online già esistenti. Inoltre, abbiamo confermato che la complessità cognitiva del compito aumenta la possibilità di individuare la menzogna.