Γ.Δ.
1448.48 0,00%
ACAG
0,00%
6.58
CENER
0,00%
7.94
CNLCAP
0,00%
7.85
DIMAND
0,00%
9.57
OPTIMA
0,00%
10.64
TITC
0,00%
29.75
ΑΑΑΚ
0,00%
7
ΑΒΑΞ
0,00%
1.484
ΑΒΕ
0,00%
0.478
ΑΔΜΗΕ
0,00%
2.235
ΑΚΡΙΤ
0,00%
0.95
ΑΛΜΥ
0,00%
2.86
ΑΛΦΑ
0,00%
1.5925
ΑΝΔΡΟ
0,00%
6.88
ΑΡΑΙΓ
0,00%
12.6
ΑΣΚΟ
0,00%
2.68
ΑΣΤΑΚ
0,00%
7.44
ΑΤΕΚ
0,00%
0.378
ΑΤΡΑΣΤ
0,00%
8.08
ΑΤΤ
0,00%
11.1
ΑΤΤΙΚΑ
0,00%
2.47
ΒΑΡΝΗ
0,00%
0.24
ΒΙΟ
0,00%
5.8
ΒΙΟΚΑ
0,00%
2.6
ΒΙΟΣΚ
0,00%
1.305
ΒΙΟΤ
0,00%
0.28
ΒΙΣ
0,00%
0.18
ΒΟΣΥΣ
0,00%
2.54
ΓΕΒΚΑ
0,00%
1.675
ΓΕΚΤΕΡΝΑ
0,00%
16.78
ΔΑΑ
0,00%
8.31
ΔΑΙΟΣ
0,00%
3.78
ΔΕΗ
0,00%
11.24
ΔΟΜΙΚ
0,00%
4.785
ΔΟΥΡΟ
0,00%
0.25
ΔΡΟΜΕ
0,00%
0.349
ΕΒΡΟΦ
0,00%
1.675
ΕΕΕ
0,00%
30.36
ΕΚΤΕΡ
0,00%
4.375
ΕΛΒΕ
0,00%
4.94
ΕΛΙΝ
0,00%
2.47
ΕΛΛ
0,00%
14.05
ΕΛΛΑΚΤΩΡ
0,00%
2.62
ΕΛΠΕ
0,00%
8.43
ΕΛΣΤΡ
0,00%
2.36
ΕΛΤΟΝ
0,00%
1.788
ΕΛΧΑ
0,00%
1.932
ΕΝΤΕΡ
0,00%
7.85
ΕΠΙΛΚ
0,00%
0.14
ΕΠΣΙΛ
0,00%
12
ΕΣΥΜΒ
0,00%
1.33
ΕΤΕ
0,00%
7.56
ΕΥΑΠΣ
0,00%
3.23
ΕΥΔΑΠ
0,00%
5.72
ΕΥΡΩΒ
0,00%
2.01
ΕΧΑΕ
0,00%
5.16
ΙΑΤΡ
0,00%
1.7
ΙΚΤΙΝ
0,00%
0.4325
ΙΛΥΔΑ
0,00%
1.73
ΙΝΚΑΤ
0,00%
5.4
ΙΝΛΙΦ
0,00%
5.14
ΙΝΛΟΤ
0,00%
1.148
ΙΝΤΕΚ
0,00%
6.26
ΙΝΤΕΡΚΟ
0,00%
4.4
ΙΝΤΕΤ
0,00%
1.28
ΙΝΤΚΑ
0,00%
3.65
ΚΑΜΠ
0,00%
2.7
ΚΑΡΕΛ
0,00%
344
ΚΕΚΡ
0,00%
1.525
ΚΕΠΕΝ
0,00%
2
ΚΛΜ
0,00%
1.635
ΚΟΡΔΕ
0,00%
0.55
ΚΟΥΑΛ
0,00%
1.286
ΚΟΥΕΣ
0,00%
5.8
ΚΡΕΚΑ
0,00%
0.28
ΚΡΙ
0,00%
10.7
ΚΤΗΛΑ
0,00%
1.84
ΚΥΡΙΟ
0,00%
1.44
ΛΑΒΙ
0,00%
0.851
ΛΑΜΔΑ
0,00%
6.89
ΛΑΜΨΑ
0,00%
33.4
ΛΑΝΑΚ
0,00%
1.09
ΛΕΒΚ
0,00%
0.336
ΛΕΒΠ
0,00%
0.35
ΛΙΒΑΝ
0,00%
0.125
ΛΟΓΟΣ
0,00%
1.47
ΛΟΥΛΗ
0,00%
2.75
ΜΑΘΙΟ
0,00%
1.09
ΜΕΒΑ
0,00%
3.96
ΜΕΝΤΙ
0,00%
3
ΜΕΡΚΟ
0,00%
46.2
ΜΙΓ
0,00%
3.99
ΜΙΝ
0,00%
0.64
ΜΛΣ
0,00%
0.57
ΜΟΗ
0,00%
27.16
ΜΟΝΤΑ
0,00%
3.24
ΜΟΤΟ
0,00%
3.015
ΜΟΥΖΚ
0,00%
0.73
ΜΠΕΛΑ
0,00%
29.18
ΜΠΛΕΚΕΔΡΟΣ
0,00%
3.38
ΜΠΡΙΚ
0,00%
1.975
ΜΠΤΚ
0,00%
0.47
ΜΥΤΙΛ
0,00%
38.2
ΝΑΚΑΣ
0,00%
2.78
ΝΑΥΠ
0,00%
1.01
ΞΥΛΚ
0,00%
0.28
ΞΥΛΚΔ
0,00%
0.0002
ΞΥΛΠ
0,00%
0.342
ΞΥΛΠΔ
0,00%
0.0025
ΟΛΘ
0,00%
22.4
ΟΛΠ
0,00%
24.8
ΟΛΥΜΠ
0,00%
2.85
ΟΠΑΠ
0,00%
15.61
ΟΡΙΛΙΝΑ
0,00%
0.896
ΟΤΕ
0,00%
14.28
ΟΤΟΕΛ
0,00%
12.88
ΠΑΙΡ
0,00%
1.18
ΠΑΠ
0,00%
2.62
ΠΕΙΡ
0,00%
3.775
ΠΕΤΡΟ
0,00%
8.3
ΠΛΑΘ
0,00%
4
ΠΛΑΚΡ
0,00%
15.2
ΠΡΔ
0,00%
0.296
ΠΡΕΜΙΑ
0,00%
1.154
ΠΡΟΝΤΕΑ
0,00%
7.8
ΠΡΟΦ
0,00%
4.69
ΡΕΒΟΙΛ
0,00%
1.7
ΣΑΡ
0,00%
11.9
ΣΑΡΑΝ
0,00%
1.07
ΣΑΤΟΚ
0,00%
0.047
ΣΕΝΤΡ
0,00%
0.378
ΣΙΔΜΑ
0,00%
1.9
ΣΠΕΙΣ
0,00%
7.8
ΣΠΙ
0,00%
0.75
ΣΠΥΡ
0,00%
0.19
ΤΕΝΕΡΓ
0,00%
18.24
ΤΖΚΑ
0,00%
1.645
ΤΡΑΣΤΟΡ
0,00%
1.19
ΤΡΕΣΤΑΤΕΣ
0,00%
1.72
ΥΑΛΚΟ
0,00%
0.18
ΦΙΕΡ
0,00%
0.359
ΦΛΕΞΟ
0,00%
8.2
ΦΡΙΓΟ
0,00%
0.33
ΦΡΛΚ
0,00%
4.14
ΧΑΙΔΕ
0,00%
0.695

Πώς εντοπίζονται οι άνθρωποι που λένε ψέματα στο διαδίκτυο

Το Διαδίκτυο έχει προκαλέσει νέες μορφές εξαπάτησης και παραπληροφόρησης, συμπεριλαμβανομένων των επιθέσεων phishing, των ερωτικών απατών και των ψεύτικων ειδήσεων. Ενώ πολλές ψυχολογικές μελέτες έχουν διερευνήσει τους παράγοντες που επηρεάζουν την ικανότητα των ανθρώπων να καταλάβουν εάν οι άλλοι λένε ψέματα, η ανίχνευση ψέματος στο διαδίκτυο σπάνια έχει διερευνηθεί.

Ερευνητές από το University College του Λονδίνου (UCL) και το Ινστιτούτο Τεχνολογίας της Μασαχουσέτης (MIT) πραγματοποίησαν πρόσφατα μια μελέτη με στόχο να κατανοήσουν καλύτερα γιατί οι άνθρωποι εξαπατούνται στο διαδίκτυο. Η μελέτη τους, που δημοσιεύτηκε στο Communications Psychology, περιγράφει ενδιαφέροντα μοτίβα στα οποία βασίζεται η ανίχνευση ψεμάτων στο διαδίκτυο.

«Οι άνθρωποι σε όλο τον κόσμο χάνουν δισεκατομμύρια χρημάτων από διαδικτυακές απάτες χρόνο με τον χρόνο», ανάφεραν οι Tali Sharot και Sarah Zheng, συν-συγγραφείς της μελέτης.

«Αυτή η τάση έχει επιδεινωθεί κατά τη διάρκεια της πανδημίας COVID-19 και επιδεινώνεται ακόμα περισσότερο με την εμφάνιση της τεχνητής νοημοσύνης. Τώρα, προτού μπορέσουμε να βοηθήσουμε τους ανθρώπους να εντοπίσουν διαδικτυακές απάτες, πρέπει να καταλάβουμε γιατί οι άνθρωποι είναι επιρρεπείς εξαρχής».

Καθώς τόσο οι απάτες όσο και οι ψεύτικες ειδήσεις έχουν τις ρίζες τους στα ψέματα, οι Zheng, Rozenkrantz και Sharot ανασκόπησαν για πρώτη φορά την προηγούμενη βιβλιογραφία εστιάζοντας στην ανίχνευση ψεύδους.

Διαπίστωσαν ότι τα περισσότερα προηγούμενα έργα εστίαζαν σε περιβάλλοντα εκτός σύνδεσης, όπου οι άνθρωποι μπορούν επίσης να προσπαθήσουν να ανιχνεύσουν ψέματα με βάση λεπτές ενδείξεις, όπως ο τόνος της φωνής ενός ατόμου, το βλέμμα και η γλώσσα του σώματος.

Οι Sharot και Zheng εξήγησαν ότι «ξεκινήσαμε να μελετάμε γιατί οι άνθρωποι μπορεί να είναι ιδιαίτερα κακοί στον εντοπισμό ψεμάτων και επομένως απάτης, σε ένα διαδικτυακό πλαίσιο». Οι Zheng, Rozenkrantz και Sharot διεξήγαγαν τρία πειράματα στα οποία συμμετείχαν 310 άτομα που κλήθηκαν να λάβουν μέρος σε ένα διαδικτυακό παιχνίδι με κάρτες που παίζονταν σε ζευγάρια.

Ως μέρος αυτού του παιχνιδιού, τους δόθηκαν κάποιες πληροφορίες σχετικά με το πόσο πιθανό ήταν να τους μοιραστούν κάθε φύλλο από μια τράπουλα. Συγκεκριμένα, ορισμένες κάρτες θα οδηγούσαν σε κέρδη, ενώ άλλες μπορεί να προκαλέσουν οικονομική απώλεια.

Οι συμμετέχοντες μπορούσαν να επιλέξουν να πουν ψέματα για την κάρτα που έλαβαν, καθώς αυτό θα μπορούσε να τους επιτρέψει να κερδίσουν περισσότερα χρήματα σε βάρος ενός άλλου παίκτη. Οι συμμετέχοντες δεν έλαβαν ποτέ οδηγίες να πουν ψέματα. Ως εκ τούτου, η απόφαση για το αν θα είναι ειλικρινείς ή όχι ήταν αποκλειστικά δική τους.

«Στο τέλος κάθε παιχνιδιού, οι συμμετέχοντες βαθμολόγησαν πόσο ειλικρινής πίστευαν ότι ήταν ο άλλος παίκτης», υποστήριξαν οι Sharot και Zheng. «Εξετάσαμε ποιες ενδείξεις χρησιμοποίησαν οι άνθρωποι για να κρίνουν την ειλικρίνεια των άλλων. Για παράδειγμα, πίστευαν ότι οι άλλοι είπαν ψέματα όταν το έκαναν οι ίδιοι; Νόμιζαν ότι άλλοι είπαν ψέματα όταν ο άλλος ανέφερε ότι είχε μια σπάνια κάρτα; Και πίστευαν ότι άλλοι είπαν ψέματα όταν οι ίδιοι χαμένοι;».

Όταν ανέλυσαν τα δεδομένα που συνέλεξαν, οι ερευνητές παρατήρησαν δύο συναρπαστικά μοτίβα. Πρώτον, παρατήρησαν ότι οι άνθρωποι ήταν πιο καχύποπτοι με τους άλλους αν είχαν πει ψέματα κατά τη διάρκεια του παιχνιδιού, αλλά και όταν άλλοι παίκτες είχαν αναφέρει ότι κρατούσαν ένα στατιστικά απίθανο φύλλο.

Οι ερευνητές συνέκριναν επίσης τη συμπεριφορά των παικτών με τις προβλέψεις ενός τεχνητού, προσομοιωμένου ανιχνευτή ψεύδους. Είναι ενδιαφέρον ότι διαπίστωσαν πως η κακή ανίχνευση ψεύδους σχετιζόταν με την υπερβολική εξάρτηση από την ειλικρίνεια (ή την ανεντιμότητα) και την έλλειψη εμπιστοσύνης. στα στατιστικά στοιχεία.

«Αυτά τα ευρήματα υποδηλώνουν ότι οι έντιμοι άνθρωποι μπορεί να είναι ιδιαίτερα επιρρεπείς σε απάτες, επειδή είναι λιγότερο πιθανό να υποψιαστούν ένα ψέμα και έτσι να εντοπίσουν μια απάτη», εξήγησαν οι Sharot και Zheng.

Επιπλέον, καθώς οι πλατφόρμες μέσων κοινωνικής δικτύωσης χρησιμοποιούν συστήματα συστάσεων που τροφοδοτούν τους ανθρώπους με περισσότερο από το ίδιο περιεχόμενο που τους αρέσει, αυτά τα συστήματα διαστρεβλώνουν την πιθανότητα να δουν ορισμένες πληροφορίες, συμπεριλαμβανομένων των ψεύτικων ειδήσεων. Επομένως, η φυσική εξάρτηση των ανθρώπων στις στατιστικές πιθανότητες να συμπεράνουν τι είναι αλήθεια δεν θα λειτουργήσει καλά σε αυτά τα πλαίσια».

Αυτή η πρόσφατη εργασία των Zheng, Rozenkrantz και Sharot ρίχνει νέο φως στους παράγοντες που υποστηρίζουν την ικανότητα των ανθρώπων να ανιχνεύουν τις εξαπατήσεις των άλλων στο διαδίκτυο. Στο μέλλον, θα μπορούσαν να καθοδηγήσουν τις προσπάθειες των υπευθύνων χάραξης πολιτικής και των εταιρειών τεχνολογίας που εργάζονται για να αποτρέψουν τους χρήστες του Διαδικτύου από το να πέσουν στις παγίδες απατεώνων και πλατφορμών που διαδίδουν ψευδείς πληροφορίες.

«Τα ευρήματά μας οδήγησαν στην ιδέα της δημιουργίας μιας «αντίπαλης εκπαίδευσης» για να βοηθήσουμε τους ανθρώπους να εντοπίσουν διαδικτυακές απάτες», πρόσθεσαν οι Sharot και Zheng.

«Δηλαδή, οι άνθρωποι μπορεί να βελτιωθούν στον εντοπισμό απατών αφού ασχοληθούν οι ίδιοι με τη δημιουργία απάτης. Τα αρχικά αποτελέσματα που εξετάζουν τον εντοπισμό ηλεκτρονικών μηνυμάτων ηλεκτρονικού “ψαρέματος” φαίνονται πολλά υποσχόμενα και τώρα στοχεύουμε να το δοκιμάσουμε περαιτέρω σε άλλα πλαίσια».

Google News icon
Ακολουθήστε το Powergame.gr στο Google News για άμεση και έγκυρη οικονομική ενημέρωση!