Truthful but Misleading: Advanced Linguistic Strategies for Lying Among Children
Notice bibliographique
Résumé
We explored whether children could apply linguistic strategies for lying, i.e., manipulating linguistic content of speech to mislead others. We announced a knowledge-test entailing prizes in the classrooms of a primary school and a middle school. Altogether 79 Chinese children (6-18 years) voluntarily participated in the test: listening to a series of animal sounds before guessing the names of the animals. Meanwhile, behind the participants, a video was playing images that ostensibly corresponded to the sounds being played. In fact, this was not necessarily the case, i.e., some items cannot be solved because the sounds played are not from any animal but machine-synthesized. Participants were instructed not to look back at the video. However, 51 children peeked at the video for the unsolvable items, although the peeking behavior decreased with age. Moreover, when explaining how they correctly guessed the unsolvable items, children as young as 6 years old were able to apply a linguistic strategy (i.e., "capability attribution") for lying. Besides "capability attribution," Children also applied "fortune attribution" and "topic shift" for lying. Finally, "fortune attribution" and "topic shift" increased with age. Therefore, educators need to be aware that children are able to apply verbal strategies for lying that could involve truthful statements (i.e., "topic shift") or statements that are difficult to be proved as untruthful (i.e., "fortune attribution").
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 | 0,001 |
| 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 | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».