Behavioral detection of emotional, high-stakes deception: Replication in a registered report.
Notice bibliographique
Résumé
OBJECTIVE: We replicated research by ten Brinke and Porter (2012), who reported that a combination of four behavioral cues (word count, tentative words, upper face surprise, lower face happiness) could accurately discriminate deceptive murderers from genuinely distressed individuals, pleading for the return of a missing relative. HYPOTHESES: We hypothesized that each of the four behavioral cues identified in the original study would be similarly related (i.e., size, direction, significance) to veracity in a novel set of pleaders. With these cues as predictors, we also hypothesized that logistic regression models-separately testing the original and replication samples-would produce similar accuracy rates exceeding chance in discriminating genuine from deceptive pleaders. METHOD: We gathered a new sample of public appeals, including 82 genuine and 14 deceptive pleaders. After establishing ground truth, we transcribed video-recorded pleas and coded them for the presence of upper face surprise and lower face happiness. We used Linguistic Inquiry and Word Count to determine word count and the proportion of tentative words in each appeal. RESULTS: We found support for several hypotheses. Tentative words were used significantly more by deceptive (vs. genuine) pleaders in both the original and replication samples. Deceptive pleaders used significantly fewer words in both samples, although this relationship was significant only in the original sample. Liars in both samples smiled more than truth-tellers, although this relationship was statistically significant only in the replication sample. However, predictive accuracy was poor and did not differ from chance in the replication sample. CONCLUSIONS: Findings do not provide a tidy picture of the reliability of behavioral cues to deception. Although some behavioral cues did replicate across samples, others did not. More research will be necessary to understand the factors that produce variable findings across samples, despite using the same methods of investigation. (PsycInfo Database Record (c) 2025 APA, all rights reserved).
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | Métarecherche Domaine: Reproductibilité · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Expérimental (laboratoire) | medium |
| gpt | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Expérimental (laboratoire) | high |
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».