Acceso usuarios
Anderson Tamborim
La detección de engaños sigue siendo un desafío, con una precisión humana apenas superior al azar. Este estudio evalúa el protocolo Credibility Discourse Analysis como herramienta para distinguir narrativas veraces de engañosas en adultos. El CDA se desarrolló integrando y ampliando métodos previos de evaluación de credibilidad verbal – incluyendo el Análisis de Contenido Basado en Criterios (CBCA), el Monitoreo de Realidad (RM), el Análisis Científico de Contenido (SCAN) y el Análisis Investigativo del Discurso (IDA) – en un único sistema estandarizado de puntuación. Aplicamos el CDA a 320 declaraciones en primera persona (verdaderas y falsas, de valencia positiva y negativa) del conjunto de datos Miami University Deception Detection (MU3D). Cada testimonio fue codificado según 14 marcadores lingüísticos de credibilidad (p. ej., cantidad de detalle, uso de términos de incertidumbre, estructura temporal, autorreferencias), y se calculó un coeficiente global de credibilidad. Los resultados indican que las declaraciones veraces obtuvieron puntuaciones de credibilidad significativamente mayores (menos marcadores de engaño) que las declaraciones falsas (p < 0,001). El protocolo CDA logró aproximadamente un 85% de precisión global en la clasificación de verdades y mentiras, superando sustancialmente el nivel de azar (50%) y el desempeño promedio de evaluadores humanos. Los hallazgos respaldan el CDA como un protocolo eficaz y estadísticamente sólido para el análisis de credibilidad. Concluimos que el análisis sistemático del discurso, operacionalizado mediante el CDA, ofrece una técnica viable basada en evidencias para detectar el engaño en declaraciones de testigos adultos.
Deception detection remains a challenge, with human accuracy only slightly above chance. This study evaluates the Credibility Discourse Analysis (CDA) protocol as a tool for discerning truthful from deceptive narratives in adults. CDA was developed by integrating and extending prior verbal credibility assessment methods – including Criteria-Based Content Analysis (CBCA), Reality Monitoring (RM), Scientific Content Analysis (SCAN), and Investigative Discourse Analysis (IDA) – into a single standardized scoring system. We applied CDA to 320 first-person statements (true and false, of positive and negative valence) from the publicly available Miami University Deception Detection (MU3D) dataset. Each statement was coded for 14 linguistic markers of credibility (e.g. quantity of detail, use of uncertainty terms, temporal structure, self-references), and a composite credibility coefficient was calculated. Results indicate that truthful statements scored significantly higher on credibility (fewer deceptive markers) than deceptive statements (p < .001). The CDA protocol achieved a classification accuracy of approximately 85% overall in distinguishing truths from lies, substantially exceeding chance level (50%) and human judges’ average performance. Discussion centers on how the CDA’s multidimensional approach captures deception cues more robustly than single-criterion methods. The findings support CDA as an effective, statistically robust protocol for credibility assessment. We conclude that systematic discourse analysis, as operationalized by CDA, offers a viable evidence-based technique for detecting deception in adult witness statements
