تعلم آلي قابل للتفسير باستخدام SHAP يتنبأ بالسلوك الصادق من سمات الشخصية والبيانات الفسيولوجية

لماذا يهم هذا البحث

نحب أن نعتبر أنفسنا أشخاصًا صادقين، ومع ذلك فإن الإغراءات الصغيرة—مثل زيادة بند في تقرير مصاريف، أو المبالغة في درجة، أو أخذ تغيير بسيط بهدوء—موجودة في كل مكان. يطرح هذا الدراسة سؤالًا لافتًا: هل يمكن التنبؤ بأعمال صغيرة من عدم الأمانة مقدمًا من خلال من نكون وكيف تتفاعل أجسامنا في اللحظة؟ من خلال مزج اختبارات الشخصية، وأجهزة الاستشعار القابلة للارتداء، والخوارزميات الحاسوبية الحديثة، يستكشف الباحثون ما إذا كانت دلائل دقيقة في سماتنا وفسيولوجيتنا يمكنها التنبؤ بموعد احتمال أن نميل إلى تحريف الحقيقة.

كيف تم إعداد الدراسة

جند الفريق 58 طالبًا جامعيًا أتمّموا أولًا استبيانًا نمطيًا للشخصية يُدعى HEXACO، الذي يقيس ستة ميول واسعة مثل الانفتاح، والتنظيم، والفضول، أو التواضع. بعد ذلك، وُصل المشاركون بأجهزة استشعار بسيطة: حزام صدري لنشاط القلب، ومستشعرات إصبع لقياس العرق وتغير النبض. سجلت هذه الأجهزة تحولات دقيقة في أنماط معدل ضربات القلب، والنشاط الكهربائي في الجلد، وقوة نبض الدم في الإصبع—إشارات غالبًا ما تتغير عندما يشعر الناس بالتوتر أو الصراع.

لعبة تدعو إلى أكاذيب صغيرة

لمراقبة اختيارات حقيقية، استخدم الباحثون لعبة رمي عملة محوسبة تشجع الخداع بهدوء. في كل من 100 تجربة، خمّن اللاعبون وجه العملة، وعرضت النتيجة الحقيقية، ثم أبلغوا عما إذا كان تخمينهم صحيحًا، ومكّنتهم من الحصول على مكافأة نقدية صغيرة عن كل «فوز» أبلغوا عنه. لأن الكمبيوتر كان يتحكم سرًا في عدد الانتصارات الحقيقية والخسائر، استطاع العلماء أن يروا بالضبط متى ادعى المشارك خطأً أنه خمّن بشكل صحيح. وُصفت كل تجربة بأنها صادقة أو غير أمينة بناءً على ما إذا كان التقرير يطابق النتيجة الفعلية، ما أعطى الفريق سجلًا واضحًا لمئات القرارات الأخلاقية الصغيرة.

تعليم الحواسيب قراءة الدلائل

مسلحين بدرجات من اختبار الشخصية وقراءات جسدية لحظية، درّب الباحثون ثمانية نماذج مختلفة لتعلم الآلة—أنظمة حاسوبية تبحث عن أنماط معقدة في البيانات. بنوا ثلاثة أنواع من المتنبئين: واحد باستخدام سمات الشخصية فقط، وآخر باستخدام الإشارات الفسيولوجية فقط، وثالث يجمع بينهما. للحفاظ على نزاهة النتائج، قسموا البيانات إلى مجموعات تدريب واختبار واستخدموا التحقق المتقاطع، وهي طريقة معيارية تتحقق من مدى تعميم النموذج إلى ما بعد البيانات التي تم تدريبه عليها. كانت المقاييس الرئيسية هي إحصائية تسمى AUC، التي تعكس مدى تمييز النموذج بين التجارب غير الأمينة والصادقة عبر عتبات متعددة.

ما الذي بدا أنه الأكثر أهمية

من بين جميع النماذج، كان نهج قائم على الشخصية يُدعى AdaBoost الأفضل، حيث بلغ AUC قويًا يقارب 0.84. هذا يعني أن السمات الثابتة وحدها كانت جيدة بشكل مفاجئ في تحديد أي التجارب ستكون غير أمينة. عندما استخدم الباحثون المؤشرات الفسيولوجية فقط، أو جمعوا السمات والفسيولوجيا، كان الأداء أقل قليلًا، لكنه لا يزال محترمًا. للاطلاع داخل هذه النماذج «صندوقية» سهلت التفسير، استخدموا طريقة تفسيرية تسمى SHAP، التي تعطي كل ميزة درجة مساهمة. بالنسبة للشخصية، كانت أقوى الروابط الإيجابية مع عدم الأمانة هي ارتفاع الانفتاح على التجربة وارتفاع الانبساط، في حين أن انخفاض الضميرية دفع التنبؤات نحو الغش. بالمقابل، لعبت سمة الصدق–التواضع—التي غالبًا ما تبرز في أعمال سابقة—دورًا ثانويًا فقط في هذا السياق المحدد منخفض المخاطر.

ما تكشفه الجسد أثناء الإغراء

حملت الإشارات الفسيولوجية أيضًا دلائل، وإن لم تكن بالقوة نفسها كالسمات. برزت أنماط في تباين معدل ضربات القلب منخفض التردد جدًا كمتنبئ جسدي رئيسي: كانت القيم الأعلى مرتبطة باحتمال أكبر لأن تُوسم التجربة على أنها غير أمينة. إشارة مهمة أخرى كانت سعة نبض الإصبع، التي تميل إلى الانخفاض عندما تضيق الأوعية الدموية تحت التأهب أو التوتر؛ كان انخفاض سعة النبض مرتبطًا بزيادة التنبؤ بعدم الأمانة. وساهمت مقاييس توصيل الجلد، التي تعكس تغيرات طفيفة في التعرق، لكن إلى حد أقل. يقترح المؤلفون أن حتى الغش الطفيف في لعبة بسيطة يمكن أن يثير ردود فعل جسدية دقيقة مرتبطة بالتوتر أو الصراع أو الإثارة، وإن كانت هذه الإشارات قد تتلاشى عند متوسطها عبر مهمة طويلة.

القيود، والأسئلة المفتوحة، والأهمية في العالم الحقيقي

بينما عملت النماذج جيدًا لهذه اللعبة المختبرية، يؤكد المؤلفون عدة تحفّظات. شملت الدراسة مجموعة صغيرة نسبيًا من البالغين الشباب من سياق ثقافي واحد، لذا قد لا تعمم النتائج على فئات عمرية أكبر أو أكثر تنوعًا أو على مواقف عالية المخاطر حيث تكون السمعة والعلاقات على المحك. قُسمت القياسات الفسيولوجية على كامل الجلسة بدلاً من ربطها بالتجارب الفردية، ما قد يكون أضعف قوتها التنبؤية. ولأن العديد من سمات الشخصية مترابطة، ينبغي تفسير الأهمية المسندة لأي سمة منفردة بحذر. ومع ذلك، يقدم العمل مخططًا أوليًا لدمج الاستبيانات والإشارات الحيوية والخوارزميات القابلة للتفسير لفهم كيف يشكل الناتج الشخصي والحالات الجسدية صدقنا اليومي.

ماذا يعني هذا لصدقنا اليومي

بعبارات بسيطة، يوحي هذا البحث أن الغش السريع والمنخفض التكلفة ليس عشوائيًا: إنه يعكس مزيجًا من الميول المستمرة—مثل الفضول أو الانبساط أو الانضباط—والتهيّجات الجسدية العابرة التي تسجل عندما نواجه إغراءً. تُظهر الدراسة أن الحواسيب قادرة على تعلّم قراءة هذه الأنماط بما يكفي لتقديم تنبؤات تتجاوز الصدفة حول من سيحرف الحقيقة في تجربة معينة، ولماذا. ورغم أن هذه الطريقة بعيدة عن أن تكون أداة لحكم على الأفراد في الحياة الواقعية، فإنها تشير إلى سبل أكثر دقة لدراسة الصدق، وقد تساعد في المستقبل المؤسسات على تصميم بيئات وإجراءات حماية تقلل من جاذبية الأكاذيب الصغيرة ولكن المكلفة.

الاستشهاد: Meng, Y., Chen, Y., Zhang, Z. et al. Interpretable machine learning with SHAP predicts honest behavior from personality traits and physiological data. Sci Rep 16, 13457 (2026). https://doi.org/10.1038/s41598-026-41677-y

الكلمات المفتاحية: السلوك غير الأمين, سمات الشخصية, الإشارات الفسيولوجية, تعلم الآلة, اتخاذ القرار الأخلاقي