Interoceptive Accuracy Enhances Deception Detection in Older Adults
Notice bibliographique
Résumé
Objectives: Difficulties with deception detection may leave older adults especially vulnerable to fraud. Interoception, i.e., the awareness of one’s bodily signals, has been shown to influence deception detection, but this relationship has not been examined in aging yet. The present study investigated effects of interoceptive accuracy on two forms of deception detection: detecting interpersonal lies in videos and identifying text-based deception in phishing emails.Method: Younger (18-34 years) and older (53-82 years) adults completed a heartbeat-detection task to determine interoceptive accuracy. Deception detection was assessed across two distinct, ecologically valid tasks: i) a lie detection task in which participants made veracity judgments of genuine and deceptive individuals, and ii) a phishing email detection task to capture online deception detection. Using multilevel logistic regression models, we determined the effect of interoceptive accuracy on lie and phishing detection in younger versus older adults. Results: In older, but not younger, adults greater interoceptive accuracy was associated with better accuracy in both detecting deceptive people and phishing emails. Discussion: Interoceptive accuracy was associated with both lie detection and phishing detection accuracy among older adults. Our findings identify interoceptive accuracy as a potential protective factor for fraud susceptibility, as measured through difficulty detecting deception. These results support interoceptive accuracy as a relevant factor for consideration in interventions targeted at fraud prevention among older adults.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,013 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».