When a Lie is More Believable than the Truth: The Dynamics of Lying and Discourse Analysis
Notice bibliographique
Résumé
This article describes the preliminary findings of a research project that is investigating whether there are stable and consistent personality traits found in propaganda texts that indicate whether a statement disseminated via a media is truthful or not. It is not often the case that official government sources will clearly state whether a statement previously release was intended to be truthful or not. Even when a statement is shown to be false, the claim is usually made that it was unintentionally wrong or misleading. The project uses the Rumours Broadcasts targeting German troops and civilians in France, created by the British Political Warfare Executive from July 1942 to May 1945, consisting of over 200,000 words, to analyse the personality differences between true and false statements made in those broadcasts. The first question answered in the study is the amount of fictional versus non-fictional material is necessary to make a broadcast believable. This establishes a benchmark for determining consistent differences between true and false statements in a news release or broadcasts. The analysis is done using tools developed by IBM to examine the vast amounts of data created and displayed on various social media platforms in accordance with the Big Five Personality Traits Theory. While most of the personality traits identified by these tools do not reveal any significant differences, there are some, such as a lack of imagination, cautiousness, a lack of willingness to compromise, and worry, that show consistent significant differences between the fictional and non-fictional statements.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,054 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,014 |
| Communication savante | 0,011 | 0,011 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».