PresentationPDF Available

Lügendetektion im Versicherungskontext – Wie wirksam sind Verifiability Approach und Model Statement?

Authors:
Presentation

Lügendetektion im Versicherungskontext – Wie wirksam sind Verifiability Approach und Model Statement?

Abstract

Lüge und Wahrheit ohne Hilfsmittel zu erkennen, ist weder für Laien noch für professionelles Fachpersonal mit Sicherheit möglich (Bond & DePaulo, 2006). Bisher etablierte inhaltsorientierte Verfahren wie die Kriterienorientierte Inhaltsanalyse oder das Reality Monitoring ermöglichen es immerhin, mit einer Trefferquote von ungefähr 70 % Lügner bzw. ehrliche Personen richtig zu identifizieren (Oberlader et al., 2016). In Anbetracht dieser Befundlage lassen Studienergebnisse des neu propagierten Verifiability Approach (VA; Nahari, Vrij, & Fisher, 2014) aufhorchen: Als inhaltsanalytisches Instrument erweist sich der Ansatz im Kontext von Versicherungsansprüchen als hochdiagnostisches Instrument. So kann der Ansatz zumindest in Verbindung mit einem Information Protocol (IP) mit einer Wahrscheinlichkeit von 80 % korrekt klassifizieren, ob echte oder ausgedachte Schadensfälle beschrieben werden (Harvey, Vrij, Nahari, & Ludwig, 2016). Wird das IP zusätzlich noch mit einem Model Statement (MS) ergänzt, kann mithilfe des VA sogar ein Diskriminanzwert von 90 % erreicht werden (Harvey, Vrij, Leal, Lafferty, & Nahari, 2017). Wir berichten Ergebnisse einer Online-Studie im 2 (Wahrheitsstatus: wahr vs. gelogen) x 3 (Hinweise an den Probanden: IP vs. MS vs. IP + MS) between-subject-Design. Damit sollen die bisherigen Befunde aus dem englischen Sprachraum repliziert und erweitert werden. Speziell stellt sich die Frage, ob mit dem Verifiability Approach als „full VA“ (VA inklusive IP) der mutmaßlich hohe diagnostische Wert zur Unterscheidung zwischen wahren und falschen Berichten erzielt werden kann. Außerdem wollen wir klären, in welchem Ausmaß ein ergänzendes MS eine zusätzliche Verbesserung bewirkt und inwiefern sich ein eigenständiges MS auf die diagnostische Wirksamkeit des VA auswirkt. Die Ergebnisse der Untersuchung sollen kritisch diskutiert werden und wir besprechen mögliche Anwendungen in der Praxis.
www.allpsy2.de1André Körner & Marc Urban ∙ Professur für Allgemeine und Biopsychologie ∙ Technische Universität Chemnitz
51. Kongress der
Deutschen Gesellschaft für Psychologie
Frankfurt am Main, 15-20. September 2018
Lügendetektion im Versicherungskontext –
Wie wirksam sind Verifiability Approach
und Model Statement?
Marc Urban & André Körner
Technische Universität Chemnitz, Professur für Allgemeine und Biopsychologie
www.allpsy2.de2André Körner & Marc Urban ∙ Professur für Allgemeine und Biopsychologie ∙ Technische Universität Chemnitz
Lügendetektion im Versicherungskontext
Verifiability Approach und Model Statement
Agenda
Vergleich mit bisherigen Studien, Ausblick
Fragestellung, Methode, Kodierung
Ergebnisse
Problemlage Versicherungsbetrug,
Verifiability Approach
www.allpsy2.de3André Körner & Marc Urban ∙ Professur für Allgemeine und Biopsychologie ∙ Technische Universität Chemnitz
Lügendetektion im Versicherungskontext
Verifiability Approach und Model Statement
Agenda
Vergleich mit bisherigen Studien, Ausblick
Problemlage Versicherungsbetrug,
Verifiability Approach
Fragestellung, Methode, Kodierung
Ergebnisse
www.allpsy2.de4André Körner & Marc Urban ∙ Professur für Allgemeine und Biopsychologie ∙ Technische Universität Chemnitz
Lügendetektion im Versicherungskontext
Verifiability Approach und Model Statement
Wirtschaftlicher Gesamtschaden von 4-5 Milliarden EUR
in Deutschland (Gesamtverband der Deutschen
Versicherungswirtschaft e.V., 2017)
Versicherungsbetrug wird eher als
Kavaliersdelikt betrachtet (Knoll, 2011)
Leichte Betrugsmöglichkeiten in der
privaten Haftpflicht- und Hausratsversicherung (John, 2011)
Oftmals unzureichendes Verständnis über das Produkt
Versicherung (Knoll, 2011)
Relevanz des Themas
Versicherungsbetrug in DE?
www.allpsy2.de5André Körner & Marc Urban ∙ Professur für Allgemeine und Biopsychologie ∙ Technische Universität Chemnitz
Lügendetektion im Versicherungskontext
Verifiability Approach und Model Statement
Forschungsstand bzgl. verbaler
Methoden
Ohne Hilfsmittel: weder Laien noch professionelles
Fachpersonal können mit Sicherheit wahre von falschen
Aussagen unterscheiden (Bond & DePaulo, 2006; Vrij, 2008)
Kriterienorientierte Inhaltsanalyse oder Reality Monitoring
(RM): Trefferquote ≈ 70% (Oberlader et al., 2016)
Ein mögliches Hilfsmittel: Verifiability Approach im
Versicherungskontext (Nahari, Vrij & Fischer, 2014):
-mit Information Protocol (IP): Trefferquote = 80%
(Harvey, Vrij, Nahari, & Ludwig, 2016)
-mit IP und Model Statement (MS): Trefferquote = 90%
(Harvey, Vrij, Leal, Lafferty, & Nahari, 2017)
www.allpsy2.de6André Körner & Marc Urban ∙ Professur für Allgemeine und Biopsychologie ∙ Technische Universität Chemnitz
Lügendetektion im Versicherungskontext
Verifiability Approach und Model Statement
Inhaltsanalytisches Instrument
Zählt überprüfbare/nicht-überprüfbare Details in einer Aussage.
Wahrheitssager
Lügner Zurückhalten von
überprüfbaren
Informationen
tell it all”
Viele Details liefern
um glaubwürdig zu
erscheinen
vs.
Risiko minimieren,
dass die Lüge auffliegt
Information
Management
Dilemma
Unterschiedliche verbale
Strategien
Was ist der Verifiability Approach (VA)?
www.allpsy2.de7André Körner & Marc Urban ∙ Professur für Allgemeine und Biopsychologie ∙ Technische Universität Chemnitz
Lügendetektion im Versicherungskontext
Verifiability Approach und Model Statement
Weitere „Bausteine“ zum Verifiability Approach
Information Protocol (Nahari et al. 2014b)
offenbart Funktionsweise des VA
informiert über Relevanz überprüfbarer Details
definiert überprüfbare Details
Model Statement (Leal, Vrij, Warmelink, Vernham & Fisher, 2015)
Detaillierter Beispieltext ohne inhaltlichen Bezug zum Thema
Anhaltspunkt hinsichtlich Textlänge und Detailreichtum
in Verbindung mit IP: Verständnis von überprüfbaren Details
übersetzte Version (Harvey et al. 2017):
378 Wörter, 49 überprüfbare Details
www.allpsy2.de8André Körner & Marc Urban ∙ Professur für Allgemeine und Biopsychologie ∙ Technische Universität Chemnitz
Lügendetektion im Versicherungskontext
Verifiability Approach und Model Statement
Weitere „Bausteine“ zum Verifiability Approach
Überprüfbare Details sind:
i) Aktivitäten, die zusammen mit einer identifizierbaren oder
benannten Person gemacht wurden, die ein Analytiker
kontaktieren kann.
ii) Aktivitäten, die von einer identifizierbaren oder benannten
Person beobachtet wurden, die Analytiker kontaktieren könnten.
iii) Aktivitäten, die durch Kameras aufgezeichnet wurden.
iv) Aktivitäten die anderweitig aufgezeichnet oder dokumentiert
wurden wie beispielsweise durch die Benutzung einer EC-
/Kreditkarte, eines Mobiltelefons oder eines Computers.
www.allpsy2.de9André Körner & Marc Urban ∙ Professur für Allgemeine und Biopsychologie ∙ Technische Universität Chemnitz
Lügendetektion im Versicherungskontext
Verifiability Approach und Model Statement
1. überprüfbare Details: Wahrheitssager > Lügner
2. nicht-überprüfbare Details: Lügner > Wahrheitssager
3. Prozentsatz von überprüfbaren Details: Wahrheitssager > Lügner
4. Der Prädiktor „Prozentsatz überprüfbare Details”
hat in der Bedingung „IP + MS“ den größten diagnostischen Wert
Pre-Registrierung: www.osf.io/v3at5
Hypothesen
www.allpsy2.de10André Körner & Marc Urban ∙ Professur für Allgemeine und Biopsychologie ∙ Technische Universität Chemnitz
Lügendetektion im Versicherungskontext
Verifiability Approach und Model Statement
Agenda
Vergleich mit bisherigen Studien, Ausblick
Problemlage Versicherungsbetrug,
Verifiability Approach
Ergebnisse
Fragestellung, Methode, Kodierung
www.allpsy2.de11André Körner & Marc Urban ∙ Professur für Allgemeine und Biopsychologie ∙ Technische Universität Chemnitz
Lügendetektion im Versicherungskontext
Verifiability Approach und Model Statement
Design
2 (Wahrheitsstatus: wahr vs. erfunden) x
3 (Intervention: IP vs. IP+MS vs. MS) between-subject-Design
Durch
-
führung
Online-Studie (PC oder Laptops)
Anreiz (3 x 50,-EUR Amazon-Gutscheine, VP-Stunden,
SurveyCircle Punkte)
quasi-experimentell: Wahrheitsstatus
(“Wurde Ihnen in den letzten 3 Jahren irgendein Gegenstand mit
einem Wert zwischen 100 und 1.000 Euro beschädigt, gestohlen
oder ist Ihnen ein solcher Gegenstand verloren gegangen?”)
randomisiert: Hinweise an den Probanden (Intervention)
Aufgabe: online-Schadensmeldung bei einem fiktiven
Versicherungsunternehmen einreichen
freien, möglichst detaillierten Bericht schreiben & den
menschlichen Analysten überzeugen.
… demografische Informationen, Post-Interview-Questionnaire
Design & Durchführung der Online-Studie
www.allpsy2.de12André Körner & Marc Urban ∙ Professur für Allgemeine und Biopsychologie ∙ Technische Universität Chemnitz
Lügendetektion im Versicherungskontext
Verifiability Approach und Model Statement
Stichprobe
Randomisiert
Intervention
IP IP + MS MS
Quasi-
experimentell
Wahrheits-
status
wahr 20 20 20
erfunden 20 20 20
Analysierte
Stichprobe
N = 120 Probanden; 76 weiblich, 42 männlich, 2 k. Angabe
Alter zwischen 18 und 66 Jahren, MAlter = 26.37 (SD = 7.97)
72% Studenten, 25% berufstätig, 1% Schüler, 2% k. Angabe
www.allpsy2.de13André Körner & Marc Urban ∙ Professur für Allgemeine und Biopsychologie ∙ Technische Universität Chemnitz
Lügendetektion im Versicherungskontext
Verifiability Approach und Model Statement
Vorgehen
1. Identifizierung von “Informationseinheiten”
RM-Kriterien (Vrij, 2008):
Details der Wahrnehmung, räumliche Details, zeitliche Details
2. Kategorisierung in überprüfbare vs. nicht überprüfbare Details
Kriterien identisch zu Angaben im IP (mit MAXQDA)
Training
Konsultation mit erfahrenem Experten aus Deutschland
Inhalt: schriftliche Definitionen und Beispiele,
Übungen mit Beispieltexten,
Diskussionen und weiteren Ausdifferenzierungen
Interrater
-
Reliabilität
Korrelationskoeffizient in Klassen:
Gesamtdetails: ICC = .98
überprüfbare Details: ICC = .96
nicht überprüfbare Details: ICC = .94
Kodierung der Berichte ist reliabel
www.allpsy2.de14André Körner & Marc Urban ∙ Professur für Allgemeine und Biopsychologie ∙ Technische Universität Chemnitz
Lügendetektion im Versicherungskontext
Verifiability Approach und Model Statement
Agenda
Ergebnisse
Fragestellung, Methode, Kodierung
Vergleich mit bisherigen Studien, Ausblick
Problemlage Versicherungsbetrug,
Verifiability Approach
www.allpsy2.de15André Körner & Marc Urban ∙ Professur für Allgemeine und Biopsychologie ∙ Technische Universität Chemnitz
Lügendetektion im Versicherungskontext
Verifiability Approach und Model Statement
Manipulation Checks sind valide
Wahrheits
-
status
Wahrheitssager: hohes Ausmaß an wahren, selbstgemachten
Erfahrungen in ihrem Bericht (M= 9.20, SD = 2.50)
Lügner: signifikant niedrigeres Ausmaß (M= 4.08 , SD = 3.32)
t(109.760) = 9.541, p< 0.001, d= 1.74
Motivation
hohe angegebene Motivation möglichst überzeugend zu sein
(M= 5.63, SD = 1.04)
Keine Haupteffekte, kein Interaktionseffekt
Bericht
-
länge
durchschnittlich: MWortzahl = 202 Wörter (SD = 126)
Haupteffekt für Wahrheitsstatus: F(1,114) = 6.22,
ηp2= .05, p= .014
Haupteffekt für Intervention: F(2, 114) = 6.846, ηp2= .11, p
= .002
Kein signifikanter Interaktionsterm von
Wahrheitsstatus und Intervention.
www.allpsy2.de16André Körner & Marc Urban ∙ Professur für Allgemeine und Biopsychologie ∙ Technische Universität Chemnitz
Lügendetektion im Versicherungskontext
Verifiability Approach und Model Statement
1. Wahrheitssager berichten NICHT
mehr „überprüfbare Details“
Wahrheitsstatus: F = 1.34 ηp2= .012
Intervention: F = 2.15 ηp2= .036
A x B: F = 1.38 ηp2= .024
www.allpsy2.de17André Körner & Marc Urban ∙ Professur für Allgemeine und Biopsychologie ∙ Technische Universität Chemnitz
Lügendetektion im Versicherungskontext
Verifiability Approach und Model Statement
2. Lügner berichten NICHT
mehr „nicht-überprüfbare Details“
Wahrheitsstatus: F = 1.13 ηp2= .012
Intervention: F = 3.61* ηp2= .060
A x B: F = 2.48 ηp2= .042
0
5
10
15
20
25
IP IP+MS MS
mittlere Häufigkeiten
Anzahl nicht-überprüfbarer Details
wahr
erfunden
www.allpsy2.de18André Körner & Marc Urban ∙ Professur für Allgemeine und Biopsychologie ∙ Technische Universität Chemnitz
Lügendetektion im Versicherungskontext
Verifiability Approach und Model Statement
3. Wahrheitssager haben KEINEN
höheren Prozentsatz an „überprüfbaren Details“
Wahrheitsstatus: F = 0.07 ηp2= .001
Intervention: F = 0.83 ηp2= .001
A x B: F = 1.96 ηp2= .033
0
1
IP IP+MS MS
mittlere Häufigkeiten
überprüfbare Details / Gesamtdetails
wahr
erfunden
www.allpsy2.de19André Körner & Marc Urban ∙ Professur für Allgemeine und Biopsychologie ∙ Technische Universität Chemnitz
Lügendetektion im Versicherungskontext
Verifiability Approach und Model Statement
Diskriminanzanalysen mit Wahrheitsstatus der Berichte als
klassifizierender Variable:
4. Prozentsatz „überprüfbarer Details“
OHNE diagnostischen Wert
in der Bedingung „IP+MS“ oder „nur IP“
Prädiktor
Prozentsatz
überprüfbarer
Details
überprüfbare
Details
nicht
überprüfbare
Details
Bedingung
IP + MS n. s. n. s. *
nur IP n. s. n. s. n. s.
nur MS n. s. n. s. n. s.
www.allpsy2.de20André Körner & Marc Urban ∙ Professur für Allgemeine und Biopsychologie ∙ Technische Universität Chemnitz
Lügendetektion im Versicherungskontext
Verifiability Approach und Model Statement
χ²(1) = 4.6, Wilks´λ = 0.89, p = .03, kanonische Korrelation r = .34
ROC Analyse: AUC = .683
Explorativ: Signifikante Diskriminanzanalyse in
der Bedingung IP + MS mit dem Prädiktor
„nicht überprüfbare Details“
Vorhergesagt
wahr falsch
Original
wahr 70 30
falsch 40 60
Anmerkung.
Alle Werte in %.
Durchschnittliche Genauigkeit = 65%
0,0
0,2
0,4
0,6
0,8
1,0
0,0 0,2 0,4 0,6 0,8 1,0
Sensitivität
1 -Spezifität
www.allpsy2.de21André Körner & Marc Urban ∙ Professur für Allgemeine und Biopsychologie ∙ Technische Universität Chemnitz
Lügendetektion im Versicherungskontext
Verifiability Approach und Model Statement
Agenda
Vergleich mit bisherigen Studien, Ausblick
Ergebnisse
Fragestellung, Methode, Kodierung
Problemlage Versicherungsbetrug,
Verifiability Approach
www.allpsy2.de22André Körner & Marc Urban ∙ Professur für Allgemeine und Biopsychologie ∙ Technische Universität Chemnitz
Lügendetektion im Versicherungskontext
Verifiability Approach und Model Statement
Vergleich mit bisherigen Studien
VA in der vorliegenden Studie kaum wirksam
Wenn, dann nicht-signifikante Tendenzen… jedoch teilweise
Entgegen! den Hypothesen und bisherigen Befunden
Diskriminanzwert von 65% deutlich unter den bisherigen Studien
(80%, Harvey et al., 2016; 90%, Harvey et al., 2017)
Dabei konzeptionelle Replikation der Studie von Harvey et al. (2017)
Mögliche Gründe für abweichende Ergebnisse:
-Setting der Studiendurchführung: (online vs. Labor)
-Vorbereitungszeit bzw. fehlender Zeitdruck
-Verbreitung von Videoüberwachung in DE vs. GB
-Unterschiede im Kodiersystem / Unterschiede der Sprache
www.allpsy2.de23André Körner & Marc Urban ∙ Professur für Allgemeine und Biopsychologie ∙ Technische Universität Chemnitz
Lügendetektion im Versicherungskontext
Verifiability Approach und Model Statement
Ausblick
Replikation der bisherigen Befunde zum VA im
Versicherungskontext durch andere Forschergruppe
steht noch aus
Multi-Center-Studien & einheitliche Kodierschemata hilfreich
Pre-Registrierung sollte Standard sein
Künstliches Design in Forschungsstudien bisher:
VA in der realen Welt vielleicht wirksamer?
(Sanktionen, Risiko entdeckt zu werden)
Nutzen des VA als Vorstufe und automatisiertes
Screeninginstrument? (z. B. Kleinberg, Nahari, & Verschuere, 2016)
www.allpsy2.de24André Körner & Marc Urban ∙ Professur für Allgemeine und Biopsychologie ∙ Technische Universität Chemnitz
Danke für Ihre Aufmerksamkeit
http://imgur.com/ccZ1F
51. Kongress der
Deutschen Gesellschaft für Psychologie
Frankfurt am Main, 15-20. September 2018
www.allpsy2.de25André Körner & Marc Urban ∙ Professur für Allgemeine und Biopsychologie ∙ Technische Universität Chemnitz
Lügendetektion im Versicherungskontext
Verifiability Approach und Model Statement
Quellen
Bond, C. F., & DePaulo, B. M. (2006). Accuracy of deception judgments. Personality and Social Psychology Review ,10(3),
214234. https://doi.org/10.1207/s15327957pspr1003_2
Harvey, A. C., Vrij, A., Leal, S., Lafferty, M., & Nahari, G. (2017). Insurance based lie detection: Enhancing the verifiability
approach with a model statement component. Acta Psychologica, 174, 18. https://doi.org/10.1016/j.actpsy.2017.01.001
Harvey, A. C., Vrij, A., Nahari, G., & Ludwig, K. (2016). Applying the Verifiability Approach to insurance claims settings:
Exploring the effect of the information protocol. Legal and Criminological Psychology, 22(1), 4759.
https://doi.org/10.1111/lcrp.12092
John, K. (Stand 2011). Versicherungsbetrug: aktuelle Entwicklungen, Muster und ihre Abwehr. Pressekonferenz des
Gesamtverbandes der Deutschen Versicherungswirtschaft e.V. Retrieved from http://www.gdv.de/wp-
content/uploads/2011/11/PK_Versicherungsbetrug_2011_Praes1_Versicherungsbetrug_in_Deutschland_GfK_KarstenJo
hn_n4.pdf Gesamtverband der Deutschen Versicherungswirtschaft e.V. 2017
Knoll, J. (2011). Management von Betrugsrisiken in Versicherungsunternehmen. Baden-Baden: Nomos.
Leal, S., Vrij, A., Warmelink, L., Vernham, Z., & Fisher, R. P. (2015). You cannot hide your telephone lies: Providing a model
statement as an aid to detect deception in insurance telephone calls. Legal and Criminological Psychology, 20(1), 129
146. https://doi.org/10.1111/lcrp.12017
Nahari, G., Vrij, A., & Fisher, R. P. (2014a). Exploiting liars' verbal strategies by examining the verifiability of details. Legal and
Criminological Psychology, 19(2), 227239. https://doi.org/10.1111/j.2044-8333.2012.02069.x
Nahari, G., Vrij, A., & Fisher, R. P. (2014b). The Verifiability Approach: Countermeasures facilitate its ability to discriminate
between truths and lies. Applied Cognitive Psychology, 28(1), 122128. https://doi.org/10.1002/acp.2974
Oberlader, V. A., Naefgen, C., Koppehele-Gossel, J., Quinten, L., Banse, R., & Schmidt, A. F. (2016). Validity of content-
based techniques to distinguish true and fabricated statements: A meta-analysis. Law and Human Behavior, 40(4), 440
457. https://doi.org/10.1037/lhb0000193
Vrij, A. (2008). Detecting lies and deceit: Pitfalls and opportunities (2nd ed.). Wiley series in the psychology of crime, policing
and law. Chichester, England, Hoboken, NJ: John Wiley & Sons.
... The AP-LS and iiiRG search did not result in any source. We also searched on ResearchGate where we found a source written in German (Körner & Urban, 2018), which would have been excluded because of the language inclusion criterion, and a paper by Verschuere, Schutte, Van Opzeeland, and Kool (May, 20, 2020) which is unpublished source. Finally, from the first authors of previous VA publications (Bogaard, Boskovic, Harvey, Kleinberg, Jupe, Nahari, Vrij) only Boskovic currently has a VA paper submitted for review. ...
... The AP-LS and iiiRG search did not result in any source. We also searched on ResearchGate where we found a source written in German (Körner & Urban, 2018), which would have been excluded because of the language inclusion criterion, and a paper by Verschuere, Schutte, Van Opzeeland, and Kool (May, 20, 2020) which is unpublished source. Finally, from the first authors of previous VA publications (Bogaard, Boskovic, Harvey, Kleinberg, Jupe, Nahari, Vrij) only Boskovic currently has a VA paper submitted for review. ...
Article
The Verifiability Approach (VA) is a verbal veracity tool that assumes that truth tellers provide more details that can be verified and obtain a higher ratio of such details (verifiable details/total details) than liars. A VA meta-analysis was conducted. Results showed that truth tellers reported more verifiable details than liars (k = 20, N = 1532, g = 0.42). The effect was moderated by the presence of the information protocol and by the nature of the statement (event-related or not). Truth tellers reported a higher ratio of verifiable details than liars (k = 18, N = 1359, g = 0.49). The effect was moderated by the medium through which the statement was provided. Unverifiable details did not discriminate truth tellers from liars (k = 15, N = 957, g = −0.25). In conclusion, results showed good potential for the use the VA, although replications and field studies are needed.
Article
Full-text available
Within the scope of judicial decisions, approaches to distinguish between true and fabricated statements have been of particular importance since ancient times. Although methods focusing on “prototypical” deceptive behavior (e.g., psychophysiological phenomena, nonverbal cues) have largely been rejected with regard to validity, content-based techniques constitute a promising approach and are well established within the applied forensic context. The basic idea of this approach is that experience-based and non-experience-based statements differ in their content-related quality. In order to test the validity of the most prominent content-based techniques, Criteria-Based Content Analysis (CBCA) and Reality Monitoring (RM), we conducted a comprehensive meta-analysis on English- and German-language studies. Based on a variety of decision criteria, 56 studies were included revealing an overall effect size of g = 1.03 (95% CI [0.78, 1.27], Q = 420.06, p < .001, I² = 92.48%, N = 3429). There was no significant difference in the effectiveness of CBCA and RM. Additionally, we investigated a number of moderator variables such as characteristics of participants, statements, and judgment procedures, as well as general study characteristics. Results showed that the application of all CBCA criteria outperformed any incomplete CBCA criteria set. Furthermore, statement classification based on discriminant functions revealed higher discrimination rates than decisions based on sum scores. Finally, unpublished studies showed higher effect sizes than studies published in peer-reviewed journals. All results are discussed in terms of their significance for future research (e.g., developing standardized decision rules) and practical application (e.g., user training, applying complete criteria set).
Article
Full-text available
We analyze the accuracy of deception judgments, synthesizing research results from 206 documents and 24,483 judges. In relevant studies, people attempt to discriminate lies from truths in real time with no special aids or training. In these circumstances, people achieve an average of 54% correct lie-truth judgments, correctly classifying 47% of lies as deceptive and 61% of truths as nondeceptive. Relative to cross-judge differences in accuracy, mean lie-truth discrimination abilities are nontrivial, with a mean accuracy d of roughly .40. This produces an effect that is at roughly the 60th percentile in size, relative to others that have been meta-analyzed by social psychologists. Alternative indexes of lie-truth discrimination accuracy correlate highly with percentage correct, and rates of lie detection vary little from study to study. Our meta-analyses reveal that people are more accurate in judging audible than visible lies, that people appear deceptive when motivated to be believed, and that individuals regard their interaction partners as honest. We propose that people judge others' deceptions more harshly than their own and that this double standard in evaluating deceit can explain much of the accumulated literature.
Article
Purpose: The Verifiability Approach (VA) is verbal lie detection tool that has shown promise when applied to insurance claims settings. This study examined the effectiveness of incorporating a Model Statement comprised of checkable information to the VA protocol for enhancing the verbal differences between liars and truth tellers. Method: The study experimentally manipulated supplementing (or withholding) the VA with a Model Statement. It was hypothesised that such a manipulation would (i) encourage truth tellers to provide more verifiable details than liars and (ii) encourage liars to report more unverifiable details than truth tellers (compared to the no model statement control). As a result, it was hypothesized that (iii) the model statement would improve classificatory accuracy of the VA. Participants reported 40 genuine and 40 fabricated insurance claim statements, in which half the liars and truth tellers where provided with a model statement as part of the VA procedure, and half where provide no model statement. Results: All three hypotheses were supported. In terms of accuracy, the model statement increased classificatory rates by the VA considerably from 65.0% to 90.0%. Conclusion: Providing interviewee's with a model statement prime consisting of checkable detail appears to be a useful refinement to the VA procedure.
Article
Lie detection in insurance claim settings is difficult as liars can easily incorporate deceptive statements within descriptions of otherwise truthful events. We examined whether the Verifiability Approach (VA) could be used effectively in insurance settings. According to the VA, liars avoid disclosing details that they think can be easily checked, whereas truth tellers are forthcoming with verifiable details. The study experimentally manipulated notifying claimants about the interviewer's intention to check their statements for verifiable details (the ‘Information Protocol’). It was hypothesized that such an instruction would (1) encourage truth tellers to provide more verifiable details than liars and to report identifiable witnesses who had witnessed the event within their statements, and (2) would enhance the diagnostic accuracy of the VA. Participants reported 40 genuine and 40 fabricated insurance claim statements, in which half the liars and truth tellers were notified about the interviewer's intention to check their statements for verifiable details. Both hypotheses were supported. In terms of accuracy, notifying claimants about the interviewer's intention to check their statements for verifiable details increased accuracy rates from around chance level to around 80%. The VA, including the information protocol, can be used in insurance settings.
Article
Deception research regarding insurance claims is rare but relevant given the financial loss in terms of fraud. In Study 1, a field study in a large multinational insurance fraud detection company, truth telling mock claimants (N = 19) and lying mock claimants (N = 21) were interviewed by insurance company telephone operators. These operators classified correctly only 50% of these truthful and lying claimants, but their task was particularly challenging: Claimants said little, and truthful and deceptive statements did not differ in quality (measured with Criteria-Based Content Analysis [CBCA]) or plausibility. In Study 2, a laboratory experiment, participants in the experimental condition (N = 43) were exposed to an audiotaped truthful and detailed account of an event that was unrelated to insurance claims (a day at the motor races). The number of words, quality of the statement (measured with CBCA), and plausibility of the participants' accounts were compared with participants who were not given a model statement (N = 40). The participants who had listened to the model statement provided longer statements than control participants, truth tellers obtained higher CBCA scores than liars, and only in the model statement condition did truth tellers sound more plausible than liars. Providing participants with a model statement is thus an innovative and successful tool to elicit cues to deception. Providing such a model has the potential to enhance performance in insurance call interviews, and, as we argue, in many other interview settings.
Article
SUMMARY According to the verifiability approach, liars tend to provide details that cannot be checked by the investigator and awareness of this increases the investigator's ability to detect lies. In the present experiment, we replicated previous findings in a more realistic paradigm and examined the vulnerability of the verifiability approach to countermeasures. For this purpose, we collected written statements from 44 mock criminals (liars) and 43 innocents (truth tellers), whereas half of them were told before writing the statements that the verifiability of their statements will be checked. Results showed that ‘informing’ encouraged truth tellers but not liars to provide more verifiable details and increased the ability to detect lies. These findings suggest that verifiability approach is less vulnerable to countermeasures than other lie detection tools. On the contrary, in the current experiment, notifying interviewees about the mechanism of the approach benefited lie detection. Copyright © 2013 John Wiley & Sons, Ltd.
Article
Background We examined the hypothesis that liars will report their activities strategically and will, if possible, avoid mentioning details that can be verified by the investigator. MethodA total of 38 participants wrote a statement in which they told the truth or lied about their activities during a recent 30-minute period. Two coders counted the frequency of occurrence of details that can be verified and that cannot be verified. ResultsLiars, compared with truth tellers, included fewer details that can be verified and an equal number of details that cannot be verified in their statement, and the ratio between verifiable and unverifiable details was smaller in liars compared with truth tellers. High percentages of truth tellers and liars were classified correctly based on the frequency counting of verifiable details (79%) or the ratio between verifiable and unverifiable details (71%). Those percentages were higher than the percentage that could be classified correctly (63%) based on verifiable and unverifiable detail combined. We compared our verifiability approach with other theoretical approaches as to why differences in detail between truth tellers and liars emerge.
Versicherungsbetrug: aktuelle Entwicklungen, Muster und ihre Abwehr
  • K John
John, K. (Stand 2011). Versicherungsbetrug: aktuelle Entwicklungen, Muster und ihre Abwehr. Pressekonferenz des Gesamtverbandes der Deutschen Versicherungswirtschaft e.V. Retrieved from http://www.gdv.de/wpcontent/uploads/2011/11/PK_Versicherungsbetrug_2011_Praes1_Versicherungsbetrug_in_Deutschland_GfK_KarstenJo hn_n4.pdf Gesamtverband der Deutschen Versicherungswirtschaft e.V. 2017
Management von Betrugsrisiken in Versicherungsunternehmen
  • J Knoll
Knoll, J. (2011). Management von Betrugsrisiken in Versicherungsunternehmen. Baden-Baden: Nomos.
Wiley series in the psychology of crime, policing and law
  • A Vrij
Vrij, A. (2008). Detecting lies and deceit: Pitfalls and opportunities (2nd ed.). Wiley series in the psychology of crime, policing and law. Chichester, England, Hoboken, NJ: John Wiley & Sons.