TEDGlobal 2011
Pamela Meyer: How to spot a liar
Pamela Meyer: Como detectar um mentiroso
Filmed:
Readability: 3.8
28,415,176 views
Em qualquer dia, mentem para nós de 10 a 200 vezes, e as pistas para detectar estas mentiras podem ser sutis e contra-intuitivas . Pamela Meyer, autora de "Liespotting" (Detectando mentiras), mostra maneiras usadas por quem é treinado para reconhecer tentativas de engano -- e ela argumenta que honestidade é um valor que vale a pena preservar.
Pamela Meyer - Lie detector
Pamela Meyer thinks we’re facing a pandemic of deception, but she’s arming people with tools that can help take back the truth. Full bio
Pamela Meyer thinks we’re facing a pandemic of deception, but she’s arming people with tools that can help take back the truth. Full bio
Double-click the English transcript below to play the video.
00:15
Okay, now I don't want to alarm anybody in this room,
0
0
5000
Ok, eu não quero alarmar ninguém neste auditório,
00:20
but it's just come to my attention
1
5000
2000
mas chamou minha atenção o fato
00:22
that the person to your right is a liar.
2
7000
2000
de que a pessoa à sua direita é uma mentirosa.
00:24
(Laughter)
3
9000
2000
(Risos)
00:26
Also, the person to your left is a liar.
4
11000
3000
E a pessoa à sua esquerda também é uma mentirosa.
00:29
Also the person sitting in your very seats is a liar.
5
14000
3000
Ainda, a pessoa sentada exatamente na sua cadeira é uma mentirosa.
00:32
We're all liars.
6
17000
2000
Todos nós somos mentirosos.
00:34
What I'm going to do today
7
19000
2000
O que vou fazer hoje
00:36
is I'm going to show you what the research says about why we're all liars,
8
21000
3000
é mostrar a vocês o que as pesquisas revelam sobre por que somos todos mentirosos,
00:39
how you can become a liespotter
9
24000
2000
como você pode tornar-se um detector de mentiras,
00:41
and why you might want to go the extra mile
10
26000
3000
e por que você talvez queira ir além,
00:44
and go from liespotting to truth seeking,
11
29000
3000
ir da detecção de mentiras à busca pela verdade,
00:47
and ultimately to trust building.
12
32000
2000
e finalmente à construção de confiança.
00:49
Now speaking of trust,
13
34000
3000
Agora, falando sobre verdade,
00:52
ever since I wrote this book, "Liespotting,"
14
37000
3000
desde que escrevi o livro "Liespotting" (Detectando Mentiras),
00:55
no one wants to meet me in person anymore, no, no, no, no, no.
15
40000
3000
ninguém mais quer me encontrar pessoalmente, não, não, não, não.
00:58
They say, "It's okay, we'll email you."
16
43000
3000
Eles dizem: "Deixa pra lá, nós te mandaremos um email."
01:01
(Laughter)
17
46000
2000
(Risos)
01:03
I can't even get a coffee date at Starbucks.
18
48000
4000
Eu não consigo sequer marcar um encontro no Starbucks para tomar café.
01:07
My husband's like, "Honey, deception?
19
52000
2000
Meu marido diz: "Querida, mentira?
01:09
Maybe you could have focused on cooking. How about French cooking?"
20
54000
3000
Talvez você devesse ter focado em culinária. Que tal culinária francesa?"
01:12
So before I get started, what I'm going to do
21
57000
2000
Então, antes de começar, o que eu vou fazer
01:14
is I'm going to clarify my goal for you,
22
59000
3000
é esclarecer meu objetivo para vocês,
01:17
which is not to teach a game of Gotcha.
23
62000
2000
que não é o de ensinar um jogo de "Te peguei".
01:19
Liespotters aren't those nitpicky kids,
24
64000
2000
Pessoas que detectam mentiras não são aquelas crianças espertinhas,
01:21
those kids in the back of the room that are shouting, "Gotcha! Gotcha!
25
66000
3000
aquelas crianças no fundo da sala gritando, "Te peguei! Te peguei!
01:24
Your eyebrow twitched. You flared your nostril.
26
69000
3000
Sua sobrancelha se contorceu. Você dilatou sua narina.
01:27
I watch that TV show 'Lie To Me.' I know you're lying."
27
72000
3000
Eu assisto aquele programa de TV 'Lie To Me' (Minha pra Mim). Eu sei que você está mentindo"
01:30
No, liespotters are armed
28
75000
2000
Não, quem detecta mentira está equipado
01:32
with scientific knowledge of how to spot deception.
29
77000
3000
com conhecimento científico sobre como identificar tentativas de engano.
01:35
They use it to get to the truth,
30
80000
2000
Eles o usam para chegar à verdade
01:37
and they do what mature leaders do everyday;
31
82000
2000
e fazem o que líderes maduros fazem todos os dias;
01:39
they have difficult conversations with difficult people,
32
84000
3000
eles têm conversas difíceis com pessoas difíceis,
01:42
sometimes during very difficult times.
33
87000
2000
às vezes em tempos muito difíceis.
01:44
And they start up that path
34
89000
2000
E eles começam esse caminho
01:46
by accepting a core proposition,
35
91000
2000
por aceitar uma proposição fundamental,
01:48
and that proposition is the following:
36
93000
2000
que é a seguinte:
01:50
Lying is a cooperative act.
37
95000
3000
mentir é um ato cooperativo.
01:53
Think about it, a lie has no power whatsoever by its mere utterance.
38
98000
4000
Pense nisso, uma mentira não tem poder algum meramente por ser expressa.
01:57
Its power emerges
39
102000
2000
Seu poder surge
01:59
when someone else agrees to believe the lie.
40
104000
2000
quando alguém concorda em acreditar na mentira.
02:01
So I know it may sound like tough love,
41
106000
2000
Eu sei que isso pode soar um pouco duro,
02:03
but look, if at some point you got lied to,
42
108000
4000
mas veja, se alguma vez você foi enganado,
02:07
it's because you agreed to get lied to.
43
112000
2000
é por que você concordou em ser enganado.
02:09
Truth number one about lying: Lying's a cooperative act.
44
114000
3000
Verdade número um sobre mentir: mentir é um ato cooperativo.
02:12
Now not all lies are harmful.
45
117000
2000
Nem todas as mentiras são nocivas.
02:14
Sometimes we're willing participants in deception
46
119000
3000
Às vezes, nós estamos dispostos a participar da mentira
02:17
for the sake of social dignity,
47
122000
3000
em consideração à dignidade social,
02:20
maybe to keep a secret that should be kept secret, secret.
48
125000
3000
talvez para manter secreto um segredo que deve ser mantido secreto.
02:23
We say, "Nice song."
49
128000
2000
Nós dizemos: "Música legal."
02:25
"Honey, you don't look fat in that, no."
50
130000
3000
"Querida, você não está gorda, não"
02:28
Or we say, favorite of the digiratti,
51
133000
2000
Ou dizemos, a favorita da elite digital,
02:30
"You know, I just fished that email out of my spam folder.
52
135000
3000
"Sabe, acabei de encontrar aquele email na minha caixa de spam.
02:33
So sorry."
53
138000
3000
Foi mal."
02:36
But there are times when we are unwilling participants in deception.
54
141000
3000
Mas há momentos em que participamos da mentira sem estarmos dispostos.
02:39
And that can have dramatic costs for us.
55
144000
3000
E isso pode ter custos dramáticos para nós.
02:42
Last year saw 997 billion dollars
56
147000
3000
No ano passado foram 997 bilhões de dólares
02:45
in corporate fraud alone in the United States.
57
150000
4000
somente em fraudes corporativas nos Estados Unidos.
02:49
That's an eyelash under a trillion dollars.
58
154000
2000
Isso é um cílio sob um trilhão de dólares.
02:51
That's seven percent of revenues.
59
156000
2000
São 7% das receitas.
02:53
Deception can cost billions.
60
158000
2000
Mentira pode custar bilhões.
02:55
Think Enron, Madoff, the mortgage crisis.
61
160000
3000
Pense na Enron, em Madoff, na crise imobiliária.
02:58
Or in the case of double agents and traitors,
62
163000
3000
Ou no caso de agentes duplos e traidores,
03:01
like Robert Hanssen or Aldrich Ames,
63
166000
2000
como Robert Hanssen ou Aldrich Ames,
03:03
lies can betray our country,
64
168000
2000
mentiras podem trair nosso país,
03:05
they can compromise our security, they can undermine democracy,
65
170000
3000
podem comprometer nossa segurança, enfraquecer a democracia,
03:08
they can cause the deaths of those that defend us.
66
173000
3000
podem causar a morte daqueles que nos defendem.
03:11
Deception is actually serious business.
67
176000
3000
Mentira é, na verdade, coisa séria.
03:14
This con man, Henry Oberlander,
68
179000
2000
Esse golpista, Henry Oberlander,
03:16
he was such an effective con man
69
181000
2000
ele era um golpista tão bom
03:18
British authorities say
70
183000
2000
que as autoridades britânicas dizem
03:20
he could have undermined the entire banking system of the Western world.
71
185000
3000
que ele poderia ter minado todo o sistema bancário do mundo ocidental.
03:23
And you can't find this guy on Google; you can't find him anywhere.
72
188000
2000
E você não encontra esse sujeito no Google; você não o encontra em lugar algum.
03:25
He was interviewed once, and he said the following.
73
190000
3000
Ele foi entrevistado uma vez e disse o seguinte:
03:28
He said, "Look, I've got one rule."
74
193000
2000
"Olha, eu tenho uma regra ."
03:30
And this was Henry's rule, he said,
75
195000
3000
E essa era a regra de Henry, ele disse.
03:33
"Look, everyone is willing to give you something.
76
198000
2000
"Veja bem, todo mundo está disposto a te dar algo.
03:35
They're ready to give you something for whatever it is they're hungry for."
77
200000
3000
As pessoas estão prontas pra te dar algo em troca do que quer que seja que desejem muito."
03:38
And that's the crux of it.
78
203000
2000
E este é o ponto crucial.
03:40
If you don't want to be deceived, you have to know,
79
205000
2000
Se você não quer ser enganado, você deve saber,
03:42
what is it that you're hungry for?
80
207000
2000
o que é que você deseja muito?
03:44
And we all kind of hate to admit it.
81
209000
3000
E todos nós meio que odiamos admitir.
03:47
We wish we were better husbands, better wives,
82
212000
3000
Nós gostaríamos que fôssemos melhores maridos, melhores esposas,
03:50
smarter, more powerful,
83
215000
2000
mais inteligentes, mais poderosos,
03:52
taller, richer --
84
217000
2000
mais altos, mais ricos --
03:54
the list goes on.
85
219000
2000
e a lista continua.
03:56
Lying is an attempt to bridge that gap,
86
221000
2000
Mentir é uma tentativa de preencher esta lacuna,
03:58
to connect our wishes and our fantasies
87
223000
2000
de conectar nossos desejos e fantasias
04:00
about who we wish we were, how we wish we could be,
88
225000
3000
sobre quem gostaríamos de ser
04:03
with what we're really like.
89
228000
3000
com quem realmente somos.
04:06
And boy are we willing to fill in those gaps in our lives with lies.
90
231000
3000
E nós estamos dispostos a preencher estas lacunas nas nossas vidas com mentiras.
04:09
On a given day, studies show that you may be lied to
91
234000
3000
Em um dia qualquer, estudos mostram que podem mentir pra você
04:12
anywhere from 10 to 200 times.
92
237000
2000
de 10 a 200 vezes.
04:14
Now granted, many of those are white lies.
93
239000
3000
Agora, sem dúvida, muitas destas mentiras são inofensivas.
04:17
But in another study,
94
242000
2000
Mas outro estudo
04:19
it showed that strangers lied three times
95
244000
2000
mostrou que pessoas que não se conhecem mentiram três vezes
04:21
within the first 10 minutes of meeting each other.
96
246000
2000
durante os primeiros 10 minutos em que se conheceram.
04:23
(Laughter)
97
248000
2000
(Risos)
04:25
Now when we first hear this data, we recoil.
98
250000
3000
Quando ouvimos pela primeira vez estes dados, nós recuamos.
04:28
We can't believe how prevalent lying is.
99
253000
2000
Não conseguimos acreditar quão dominante a mentira é.
04:30
We're essentially against lying.
100
255000
2000
Nós somos essencialmente contrários a mentir.
04:32
But if you look more closely,
101
257000
2000
Mas se você olhar mais de perto,
04:34
the plot actually thickens.
102
259000
2000
o enredo se complica.
04:36
We lie more to strangers than we lie to coworkers.
103
261000
3000
Nós mentimos mais para estranhos do que mentimos para companheiros de trabalho.
04:39
Extroverts lie more than introverts.
104
264000
4000
Extrovertidos mentem mais que introvertidos.
04:43
Men lie eight times more about themselves
105
268000
3000
Homens mentem 8 vezes mais sobre si próprios
04:46
than they do other people.
106
271000
2000
do que sobre outras pessoas.
04:48
Women lie more to protect other people.
107
273000
3000
Mulheres mentem mais para proteger outras pessoas.
04:51
If you're an average married couple,
108
276000
3000
Se vocês são um casal normal,
04:54
you're going to lie to your spouse
109
279000
2000
você vai mentir para seu companheiro
04:56
in one out of every 10 interactions.
110
281000
2000
uma vez a cada 10 interações.
04:58
Now you may think that's bad.
111
283000
2000
E vocês podem achar isso ruim.
05:00
If you're unmarried, that number drops to three.
112
285000
2000
Se você não é casado, esse número cai para três interações.
05:02
Lying's complex.
113
287000
2000
Mentir é complexo.
05:04
It's woven into the fabric of our daily and our business lives.
114
289000
3000
Está costurado no tecido de nossa vida cotidiana e de nossa vida profissional.
05:07
We're deeply ambivalent about the truth.
115
292000
2000
Nós somos profundamente ambivalentes em relação à verdade.
05:09
We parse it out on an as-needed basis,
116
294000
2000
Nós a analisamos conforme for necessário,
05:11
sometimes for very good reasons,
117
296000
2000
às vezes por motivos muito bons,
05:13
other times just because we don't understand the gaps in our lives.
118
298000
3000
outras vezes só porque não compreendemos as lacunas em nossas vidas.
05:16
That's truth number two about lying.
119
301000
2000
Essa é a verdade número dois sobre mentir.
05:18
We're against lying,
120
303000
2000
Nós somos contra o ato de mentir,
05:20
but we're covertly for it
121
305000
2000
mas secretamente o apoiamos
05:22
in ways that our society has sanctioned
122
307000
2000
de maneiras que a sociedade tem aprovado
05:24
for centuries and centuries and centuries.
123
309000
2000
por séculos e séculos.
05:26
It's as old as breathing.
124
311000
2000
Isso é tão velho como respirar.
05:28
It's part of our culture, it's part of our history.
125
313000
2000
É parte de nossa cultura, é parte de nossa história.
05:30
Think Dante, Shakespeare,
126
315000
3000
Pense em Dante, em Shakespeare,
05:33
the Bible, News of the World.
127
318000
3000
na Bíblia, no News of the World (Notícias do Mundo).
05:36
(Laughter)
128
321000
2000
(Risos)
05:38
Lying has evolutionary value to us as a species.
129
323000
2000
Mentir tem um valor evolutivo para nós como espécie.
05:40
Researchers have long known
130
325000
2000
Pesquisadores sabem há muito tempo
05:42
that the more intelligent the species,
131
327000
2000
que quanto mais inteligente é uma espécie,
05:44
the larger the neocortex,
132
329000
2000
quanto maior é o neocórtex,
05:46
the more likely it is to be deceptive.
133
331000
2000
mais propensa a ser mentirosa ela é.
05:48
Now you might remember Koko.
134
333000
2000
Vocês talvez se lembrem de Koko.
05:50
Does anybody remember Koko the gorilla who was taught sign language?
135
335000
3000
Alguém aqui se lembra de Koko, a gorila que aprendeu a linguagem de sinais?
05:53
Koko was taught to communicate via sign language.
136
338000
3000
Koko foi ensinada a comunicar-se em linguagem de sinais.
05:56
Here's Koko with her kitten.
137
341000
2000
Aqui está Koko com seu gato.
05:58
It's her cute little, fluffy pet kitten.
138
343000
3000
É seu gatinho de estimação, fofo e peludo.
06:01
Koko once blamed her pet kitten
139
346000
2000
Uma vez, Koko culpou seu gato
06:03
for ripping a sink out of the wall.
140
348000
2000
de ter arrancado a pia da parede.
06:05
(Laughter)
141
350000
2000
(Risos)
06:07
We're hardwired to become leaders of the pack.
142
352000
2000
Nós somos programados para nos tornar líderes da matilha.
06:09
It's starts really, really early.
143
354000
2000
Começa muito, muito cedo.
06:11
How early?
144
356000
2000
Quão cedo?
06:13
Well babies will fake a cry,
145
358000
2000
Bem, bebês fingem chorar,
06:15
pause, wait to see who's coming
146
360000
2000
param, esperam para ver se alguém está vindo
06:17
and then go right back to crying.
147
362000
2000
e depois voltam a chorar.
06:19
One-year-olds learn concealment.
148
364000
2000
Com um ano de idade, aprendem dissimulação.
06:21
(Laughter)
149
366000
2000
(Risos)
06:23
Two-year-olds bluff.
150
368000
2000
Com 2 anos, já blefam.
06:25
Five-year-olds lie outright.
151
370000
2000
Aos 5 anos, mentem descaradamente.
06:27
They manipulate via flattery.
152
372000
2000
Eles manipulam por meio de adulação.
06:29
Nine-year-olds, masters of the cover up.
153
374000
3000
Aos 9 anos, mestres no encobrimento.
06:32
By the time you enter college,
154
377000
2000
À época em que você entra na universidade,
06:34
you're going to lie to your mom in one out of every five interactions.
155
379000
3000
você mente para sua mãe uma vez a cada cinco interações.
06:37
By the time we enter this work world and we're breadwinners,
156
382000
3000
Quando nós entramos no mercado de trabalho e sustentamos famílias,
06:40
we enter a world that is just cluttered
157
385000
2000
nós entramos num mundo que está cheio de
06:42
with spam, fake digital friends,
158
387000
2000
spams, amigos digitais falsos,
06:44
partisan media,
159
389000
2000
propaganda enganosa,
06:46
ingenious identity thieves,
160
391000
2000
engenhosos ladrões de identidade,
06:48
world-class Ponzi schemers,
161
393000
2000
golpistas de primeira categoria,
06:50
a deception epidemic --
162
395000
2000
uma epidemia de mentiras --
06:52
in short, what one author calls
163
397000
2000
em resumo, é o que um certo autor chama
06:54
a post-truth society.
164
399000
3000
de uma sociedade pós-verdade.
06:57
It's been very confusing
165
402000
2000
Tem sido muito confuso
06:59
for a long time now.
166
404000
3000
já há um bom tempo.
07:03
What do you do?
167
408000
2000
O que você pode fazer?
07:05
Well there are steps we can take
168
410000
2000
Bem, existem alguns passos que podemos dar
07:07
to navigate our way through the morass.
169
412000
2000
para passar pelo atoleiro.
07:09
Trained liespotters get to the truth 90 percent of the time.
170
414000
3000
Pessoas treinadas para detectar mentira chegam à verdade 90% das vezes.
07:12
The rest of us, we're only 54 percent accurate.
171
417000
3000
O resto de nós tem uma precisão de 54%.
07:15
Why is it so easy to learn?
172
420000
2000
Por que é tão fácil aprender a detectar mentiras?
07:17
There are good liars and there are bad liars. There are no real original liars.
173
422000
3000
Existem bons e maus mentirosos. Não existem mentirosos originais de verdade.
07:20
We all make the same mistakes. We all use the same techniques.
174
425000
3000
Todos cometemos os mesmos erros. Todos usamos as mesmas técnicas.
07:23
So what I'm going to do
175
428000
2000
Então o que vou fazer
07:25
is I'm going to show you two patterns of deception.
176
430000
2000
é mostrar dois padrões usados para mentir.
07:27
And then we're going to look at the hot spots and see if we can find them ourselves.
177
432000
3000
Então vamos olhar algumas zonas críticas e ver se conseguimos encontrar esses padrões.
07:30
We're going to start with speech.
178
435000
3000
Vamos começar com a fala.
07:33
(Video) Bill Clinton: I want you to listen to me.
179
438000
2000
(Video) Bill Clinton: Quero que me ouçam.
07:35
I'm going to say this again.
180
440000
2000
Eu vou dizer novamente.
07:37
I did not have sexual relations
181
442000
3000
Eu não tive relações sexuais
07:40
with that woman, Miss Lewinsky.
182
445000
4000
com aquela mulher, senhorita Lewinsky.
07:44
I never told anybody to lie,
183
449000
2000
Eu nunca disse a ninguém para mentir,
07:46
not a single time, never.
184
451000
2000
nem uma única vez, nunca.
07:48
And these allegations are false.
185
453000
3000
E essas alegações são falsas.
07:51
And I need to go back to work for the American people.
186
456000
2000
E eu preciso voltar a trabalhar pelo povo americano.
07:53
Thank you.
187
458000
2000
Obrigado.
07:58
Pamela Meyer: Okay, what were the telltale signs?
188
463000
3000
Pamela Meyer: Ok, quais foram os sinais que o acusaram?
08:01
Well first we heard what's known as a non-contracted denial.
189
466000
4000
Bem, primeiro ouvimos o que é conhecido como uma negação não contraída (did not).
08:05
Studies show that people who are overdetermined in their denial
190
470000
3000
Estudos mostram que pessoas exageradamente determinadas em sua negação
08:08
will resort to formal rather than informal language.
191
473000
3000
recorrem à linguagem formal (did not) no lugar da linguagem informal (didn't).
08:11
We also heard distancing language: "that woman."
192
476000
3000
Nós também ouvimos distanciamento: "aquela mulher"
08:14
We know that liars will unconsciously distance themselves
193
479000
2000
Nós sabemos que mentirosos inconscientemente se distanciam
08:16
from their subject
194
481000
2000
do sujeito de sua mentira
08:18
using language as their tool.
195
483000
3000
usando a linguagem como ferramenta.
08:21
Now if Bill Clinton had said, "Well, to tell you the truth ... "
196
486000
3000
Se Bill Clinton tivesse dito: "Bom, pra falar a verdade...",
08:24
or Richard Nixon's favorite, "In all candor ... "
197
489000
2000
ou a favorita de Richard Nixon: "Com toda a sinceridade...",
08:26
he would have been a dead giveaway
198
491000
2000
ele poderia ter se entregado facilmente
08:28
for any liespotter than knows
199
493000
2000
para qualquer um que conheça
08:30
that qualifying language, as it's called, qualifying language like that,
200
495000
3000
essa linguagem qualificativa, como ela é chamada; uma linguagem como essa
08:33
further discredits the subject.
201
498000
2000
desacredita a pessoa ainda mais.
08:35
Now if he had repeated the question in its entirety,
202
500000
3000
Mas se tivéssemos repetido a pergunta na íntegra
08:38
or if he had peppered his account with a little too much detail --
203
503000
4000
ou se ele tivesse adicionado detalhes demais a seu discurso --
08:42
and we're all really glad he didn't do that --
204
507000
2000
e estamos todos contentes porque ele não fez isso --
08:44
he would have further discredited himself.
205
509000
2000
ele teria se comprometido ainda mais.
08:46
Freud had it right.
206
511000
2000
Freud tinha razão.
08:48
Freud said, look, there's much more to it than speech:
207
513000
3000
Freud disse, olha, há muito mais do que a fala:
08:51
"No mortal can keep a secret.
208
516000
3000
"Nenhum mortal pode manter um segredo.
08:54
If his lips are silent, he chatters with his fingertips."
209
519000
3000
Se seus lábios estão em silêncio, ele fala com os dedos."
08:57
And we all do it no matter how powerful you are.
210
522000
3000
E todos nós fazemos isso, não importa quanto você seja poderoso.
09:00
We all chatter with our fingertips.
211
525000
2000
Nós todos falamos com nossos dedos.
09:02
I'm going to show you Dominique Strauss-Kahn with Obama
212
527000
3000
Vou mostrar a vocês Dominique Strauss-Kahn com Obama
09:05
who's chattering with his fingertips.
213
530000
3000
que está falando com os dedos.
09:08
(Laughter)
214
533000
3000
(Risos)
09:11
Now this brings us to our next pattern,
215
536000
3000
Isso nos leva ao nosso segundo padrão,
09:14
which is body language.
216
539000
3000
que é linguagem corporal.
09:17
With body language, here's what you've got to do.
217
542000
3000
Com linguagem corporal, eis o que você deve fazer.
09:20
You've really got to just throw your assumptions out the door.
218
545000
3000
Você tem que jogar suas pressuposições pela janela.
09:23
Let the science temper your knowledge a little bit.
219
548000
2000
Deixe a ciência temperar um pouco o seu conhecimento
09:25
Because we think liars fidget all the time.
220
550000
3000
Porque nós pensamos que mentirosos ficam agitados o tempo todo.
09:28
Well guess what, they're known to freeze their upper bodies when they're lying.
221
553000
3000
Bom, adivinha, eles são conhecidos por congelar a parte superior do corpo quando estão mentindo.
09:31
We think liars won't look you in the eyes.
222
556000
3000
Nós pensamos que mentirosos não olham nos olhos.
09:34
Well guess what, they look you in the eyes a little too much
223
559000
2000
Adivinha, eles olham nos olhos um pouco demais
09:36
just to compensate for that myth.
224
561000
2000
para compensar esse mito.
09:38
We think warmth and smiles
225
563000
2000
Nós pensamos que sorrisos e calor humano
09:40
convey honesty, sincerity.
226
565000
2000
demonstram honestidade, sinceridade.
09:42
But a trained liespotter
227
567000
2000
Mas uma pessoa treinada para detectar mentiras
09:44
can spot a fake smile a mile away.
228
569000
2000
pode identificar um sorriso falso a uma milha de distância.
09:46
Can you all spot the fake smile here?
229
571000
3000
Você consegue identificar o sorriso falso aqui?
09:50
You can consciously contract
230
575000
2000
Você pode contrair conscientemente
09:52
the muscles in your cheeks.
231
577000
3000
os músculos das bochechas.
09:55
But the real smile's in the eyes, the crow's feet of the eyes.
232
580000
3000
Mas o verdadeiro sorriso está nos olhos, os pés-de-galinha nos cantos dos olhos.
09:58
They cannot be consciously contracted,
233
583000
2000
Eles não podem ser contraídos conscientemente,
10:00
especially if you overdid the Botox.
234
585000
2000
especialmente se você abusou do Botox.
10:02
Don't overdo the Botox; nobody will think you're honest.
235
587000
3000
Não abuse do Botox, ninguém vai acreditar que você é honesto.
10:05
Now we're going to look at the hot spots.
236
590000
2000
Agora vamos olhar para os sinais, as pistas.
10:07
Can you tell what's happening in a conversation?
237
592000
2000
Você consegue dizer o que está acontecendo em uma conversa?
10:09
Can you start to find the hot spots
238
594000
3000
Consegue identificar esses sinais
10:12
to see the discrepancies
239
597000
2000
para ver as discrepâncias
10:14
between someone's words and someone's actions?
240
599000
2000
entre as palavras e as ações de uma pessoa?
10:16
Now I know it seems really obvious,
241
601000
2000
Eu sei que agora parece bastante óbvio,
10:18
but when you're having a conversation
242
603000
2000
mas quando você está conversando
10:20
with someone you suspect of deception,
243
605000
3000
com alguém de quem você suspeita,
10:23
attitude is by far the most overlooked but telling of indicators.
244
608000
3000
a atitude é de longe o indicador mais negligenciado e o mais acusador.
10:26
An honest person is going to be cooperative.
245
611000
2000
Uma pessoa honesta vai ser cooperativa.
10:28
They're going to show they're on your side.
246
613000
2000
Vai mostrar que está ao seu lado.
10:30
They're going to be enthusiastic.
247
615000
2000
Vai demonstrar entusiasmo.
10:32
They're going to be willing and helpful to getting you to the truth.
248
617000
2000
Estará disposta e o ajudará a chegar à verdade.
10:34
They're going to be willing to brainstorm, name suspects,
249
619000
3000
Estará disposta a discutir idéias, nomear suspeitos,
10:37
provide details.
250
622000
2000
fornecer detalhes.
10:39
They're going to say, "Hey,
251
624000
2000
Vai dizer: "Ei,
10:41
maybe it was those guys in payroll that forged those checks."
252
626000
3000
talvez tenham sido aqueles caras do financeiro que forjaram os cheques."
10:44
They're going to be infuriated if they sense they're wrongly accused
253
629000
3000
Vai ficar furiosa se sentir que está sendo acusada injustamente
10:47
throughout the entire course of the interview, not just in flashes;
254
632000
2000
durante todo o curso da entrevista, não apenas em partes;
10:49
they'll be infuriated throughout the entire course of the interview.
255
634000
3000
vai ficar furiosa durante todo o curso da entrevista.
10:52
And if you ask someone honest
256
637000
2000
E se você perguntar a alguém honesto
10:54
what should happen to whomever did forge those checks,
257
639000
3000
o que deveria acontecer com quem quer que tenha forjado os cheques,
10:57
an honest person is much more likely
258
642000
2000
a pessoa honesta é muito mais propensa
10:59
to recommend strict rather than lenient punishment.
259
644000
4000
a recomendar punições rígidas em vez de castigos brandos.
11:03
Now let's say you're having that exact same conversation
260
648000
2000
Vamos dizer que você está tendo exatamente esta mesma conversa
11:05
with someone deceptive.
261
650000
2000
com alguém enganador.
11:07
That person may be withdrawn,
262
652000
2000
Esta pessoa pode se retrair,
11:09
look down, lower their voice,
263
654000
2000
ficar na defensiva, falar mais baixo,
11:11
pause, be kind of herky-jerky.
264
656000
2000
pausar, agir de maneira desastrada
11:13
Ask a deceptive person to tell their story,
265
658000
2000
Peça a uma pessoa mentirosa para contar uma história,
11:15
they're going to pepper it with way too much detail
266
660000
3000
ela vai temperar com detalhes demais
11:18
in all kinds of irrelevant places.
267
663000
3000
em todos os tipos de situações irrelevantes.
11:21
And then they're going to tell their story in strict chronological order.
268
666000
3000
E vai contar a história de maneira estritamente cronológica.
11:24
And what a trained interrogator does
269
669000
2000
E o que um interrogador treinado faz
11:26
is they come in and in very subtle ways
270
671000
2000
é chegar e, sutilmente,
11:28
over the course of several hours,
271
673000
2000
no decorrer de várias horas,
11:30
they will ask that person to tell that story backwards,
272
675000
3000
pedir à pessoa para contar a história de trás para frente,
11:33
and then they'll watch them squirm,
273
678000
2000
vê-la contorcer-se,
11:35
and track which questions produce the highest volume of deceptive tells.
274
680000
3000
e identificar quais perguntas produziram o maior volume de respostas enganosas.
11:38
Why do they do that? Well we all do the same thing.
275
683000
3000
Por que eles fazem isso? Bem, todos nós fazemos a mesma coisa.
11:41
We rehearse our words,
276
686000
2000
Ensaiamos nossas palavras,
11:43
but we rarely rehearse our gestures.
277
688000
2000
mas raramente ensaiamos nossos gestos.
11:45
We say "yes," we shake our heads "no."
278
690000
2000
Nós dizemos "sim", mas balançamos nossas cabeças dizendo "não".
11:47
We tell very convincing stories, we slightly shrug our shoulders.
279
692000
3000
Contamos histórias bastante convincentes e encolhemos os ombros levemente.
11:50
We commit terrible crimes,
280
695000
2000
Cometemos crimes terríveis
11:52
and we smile at the delight in getting away with it.
281
697000
3000
e sorrimos deliciados ao nos safarmos.
11:55
Now that smile is known in the trade as "duping delight."
282
700000
3000
Este sorriso é conhecido no meio como "duping delight" (deleite do enganador).
11:58
And we're going to see that in several videos moving forward,
283
703000
3000
E vamos vê-lo em diversos vídeos a seguir,
12:01
but we're going to start -- for those of you who don't know him,
284
706000
2000
mas vamos começar -- para aqueles que não o conhecem,
12:03
this is presidential candidate John Edwards
285
708000
3000
este é o candidato a presidente John Edwards
12:06
who shocked America by fathering a child out of wedlock.
286
711000
3000
que chocou o país por ter um filho fora do casamento.
12:09
We're going to see him talk about getting a paternity test.
287
714000
3000
Vamos vê-lo falar sobre fazer um exame de paternidade.
12:12
See now if you can spot him
288
717000
2000
Veja se consegue percebê-lo
12:14
saying, "yes" while shaking his head "no,"
289
719000
2000
dizendo "sim" enquanto balança a cabeça em sinal de "não"
12:16
slightly shrugging his shoulders.
290
721000
2000
e encolhendo ligeiramente os ombros.
12:18
(Video) John Edwards: I'd be happy to participate in one.
291
723000
2000
(Vídeo) John Edwards: Eu ficaria feliz em fazê-lo.
12:20
I know that it's not possible that this child could be mine,
292
725000
3000
Eu sei que não é possível que essa criança seja minha,
12:23
because of the timing of events.
293
728000
2000
por causa das datas dos acontecimentos.
12:25
So I know it's not possible.
294
730000
2000
Eu sei que não é possível.
12:27
Happy to take a paternity test,
295
732000
2000
Ficaria feliz em fazer o teste de paternidade,
12:29
and would love to see it happen.
296
734000
2000
e adoraria ver isso acontecer.
12:31
Interviewer: Are you going to do that soon? Is there somebody --
297
736000
3000
Entrevistador: Vai fazer o teste em breve? Há alguém --
12:34
JE: Well, I'm only one side. I'm only one side of the test.
298
739000
3000
JE: Bem, eu sou só um lado. Eu sou só um lado do teste.
12:37
But I'm happy to participate in one.
299
742000
3000
Mas fico feliz em fazê-lo.
12:40
PM: Okay, those head shakes are much easier to spot
300
745000
2000
PM: Ok, a forma como ele balança a cabeça é muito mais fácil de identificar
12:42
once you know to look for them.
301
747000
2000
uma vez que você sabe o que procurar.
12:44
There're going to be times
302
749000
2000
Vai haver ocasiões
12:46
when someone makes one expression
303
751000
2000
em que alguém faz uma expressão
12:48
while masking another that just kind of leaks through in a flash.
304
753000
3000
enquanto esconde outra que vaza por um instante.
12:52
Murderers are known to leak sadness.
305
757000
2000
Assassinos são conhecidos por deixar vazar tristeza.
12:54
Your new joint venture partner might shake your hand,
306
759000
2000
Seu novo parceiro de negócios pode apertar sua mão,
12:56
celebrate, go out to dinner with you
307
761000
2000
comemorar, sair para jantar com você
12:58
and then leak an expression of anger.
308
763000
3000
e então deixar escapar uma expressão de raiva.
13:01
And we're not all going to become facial expression experts overnight here,
309
766000
3000
E nós não vamos nos tornar especialistas em expressões faciais da noite para o dia aqui,
13:04
but there's one I can teach you that's very dangerous, and it's easy to learn,
310
769000
3000
mas tem uma que posso ensinar e que é muito perigosa, porém fácil de aprender,
13:07
and that's the expression of contempt.
311
772000
3000
e é a expressão do desprezo.
13:10
Now with anger, you've got two people on an even playing field.
312
775000
3000
Com a raiva, você tem duas pessoas jogando de igual para igual.
13:13
It's still somewhat of a healthy relationship.
313
778000
2000
Ainda é de certa forma uma relação saudável.
13:15
But when anger turns to contempt,
314
780000
2000
Mas quando a raiva se torna desprezo,
13:17
you've been dismissed.
315
782000
2000
você foi expulso do jogo.
13:19
It's associated with moral superiority.
316
784000
2000
Desprezo está associado à superioridade moral.
13:21
And for that reason, it's very, very hard to recover from.
317
786000
3000
E por esta razão, é muito, muito difícil se recuperar dele.
13:24
Here's what it looks like.
318
789000
2000
É assim que se parece.
13:26
It's marked by one lip corner
319
791000
2000
Está marcado por um canto do lábio
13:28
pulled up and in.
320
793000
2000
contraído para cima e para dentro.
13:30
It's the only asymmetrical expression.
321
795000
3000
É a única expressão assimétrica.
13:33
And in the presence of contempt,
322
798000
2000
E na presença de desprezo,
13:35
whether or not deception follows --
323
800000
2000
sendo ou não seguido por engano --
13:37
and it doesn't always follow --
324
802000
2000
e nem sempre é seguido --
13:39
look the other way, go the other direction,
325
804000
2000
olhe para o outro lado, vá para a outra direção,
13:41
reconsider the deal,
326
806000
2000
reconsidere o acordo,
13:43
say, "No thank you. I'm not coming up for just one more nightcap. Thank you."
327
808000
4000
diga: "Não, obrigado. Não estou chegando só para mais uma saideira. Obrigado."
13:47
Science has surfaced
328
812000
2000
A ciência encontrou
13:49
many, many more indicators.
329
814000
2000
muitos e muitos outros indicadores.
13:51
We know, for example,
330
816000
2000
Nós sabemos, por exemplo,
13:53
we know liars will shift their blink rate,
331
818000
2000
que mentirosos mudam a frequência com que piscam os olhos,
13:55
point their feet towards an exit.
332
820000
2000
apontam os pés em direção a uma saída.
13:57
They will take barrier objects
333
822000
2000
Pegam objetos como barreiras
13:59
and put them between themselves and the person that is interviewing them.
334
824000
3000
e os colocam entre si e a pessoa que os está entrevistando.
14:02
They'll alter their vocal tone,
335
827000
2000
Mudam seu tom de voz,
14:04
often making their vocal tone much lower.
336
829000
3000
frequentemente deixando-o bem mais baixo.
14:07
Now here's the deal.
337
832000
2000
O negócio é o seguinte.
14:09
These behaviors are just behaviors.
338
834000
3000
Estes comportamentos são apenas comportamentos.
14:12
They're not proof of deception.
339
837000
2000
Não provam uma mentira.
14:14
They're red flags.
340
839000
2000
São sinais vermelhos.
14:16
We're human beings.
341
841000
2000
Nós somos seres humanos.
14:18
We make deceptive flailing gestures all over the place all day long.
342
843000
3000
Fazemos gestos enganosos o tempo todo, por toda parte.
14:21
They don't mean anything in and of themselves.
343
846000
2000
Eles não significam nada por si mesmos.
14:23
But when you see clusters of them, that's your signal.
344
848000
3000
Mas quando você vê grupos, aí está seu sinal.
14:26
Look, listen, probe, ask some hard questions,
345
851000
3000
Olhe, ouça, teste, faça perguntas difíceis,
14:29
get out of that very comfortable mode of knowing,
346
854000
3000
saia daquele modo confortável de saber.
14:32
walk into curiosity mode, ask more questions,
347
857000
3000
ponha-se em modo de curiosidade, faça mais perguntas,
14:35
have a little dignity, treat the person you're talking to with rapport.
348
860000
3000
tenha um pouco dignidade, trate com compreensão a pessoa com quem você está conversando.
14:38
Don't try to be like those folks on "Law & Order" and those other TV shows
349
863000
3000
Não seja como aqueles caras do "Lei & Ordem" e de outros programas de TV
14:41
that pummel their subjects into submission.
350
866000
2000
que agridem os suspeitos até que fiquem submissos.
14:43
Don't be too aggressive, it doesn't work.
351
868000
3000
Não seja agressivo demais, não funciona.
14:46
Now we've talked a little bit
352
871000
2000
Agora conversamos um pouco
14:48
about how to talk to someone who's lying
353
873000
2000
sobre como falar com alguém que está mentindo
14:50
and how to spot a lie.
354
875000
2000
e como detectar uma mentira.
14:52
And as I promised, we're now going to look at what the truth looks like.
355
877000
3000
E, como prometi, vamos agora ver com que a verdade se parece.
14:55
But I'm going to show you two videos,
356
880000
2000
Vou mostrar a vocês dois vídeos,
14:57
two mothers -- one is lying, one is telling the truth.
357
882000
3000
duas mães -- uma mentindo e outra falando a verdade.
15:00
And these were surfaced
358
885000
2000
Estes vídeos foram encontrados
15:02
by researcher David Matsumoto in California.
359
887000
2000
pelo pesquisador David Matsumoto, na Califórnia.
15:04
And I think they're an excellent example
360
889000
2000
E eu acho que são um exemplo
15:06
of what the truth looks like.
361
891000
2000
de como é a verdade.
15:08
This mother, Diane Downs,
362
893000
2000
Essa mãe, Diane Downs,
15:10
shot her kids at close range,
363
895000
2000
atirou em seus filhos à queima roupa,
15:12
drove them to the hospital
364
897000
2000
levou-os ao hospital
15:14
while they bled all over the car,
365
899000
2000
enquanto eles sangravam pelo carro todo,
15:16
claimed a scraggy-haired stranger did it.
366
901000
2000
afirmou que um estranho magro e cabeludo fez isso.
15:18
And you'll see when you see the video,
367
903000
2000
E vocês verão no vídeo,
15:20
she can't even pretend to be an agonizing mother.
368
905000
2000
ela não consegue fingir ser uma mãe em agonia.
15:22
What you want to look for here
369
907000
2000
O que você deve procurar aqui
15:24
is an incredible discrepancy
370
909000
2000
é uma discrepância incrível
15:26
between horrific events that she describes
371
911000
2000
entre os eventos horríveis que ela descreve
15:28
and her very, very cool demeanor.
372
913000
2000
e o comportamento muito, muito calmo dela.
15:30
And if you look closely, you'll see duping delight throughout this video.
373
915000
3000
E se você prestar atenção, vai ver o "duping delight" (deleite do enganador) no vídeo.
15:33
(Video) Diane Downs: At night when I close my eyes,
374
918000
2000
(Vídeo) Diane Downs: À noite quando eu fecho meus olhos,
15:35
I can see Christie reaching her hand out to me while I'm driving,
375
920000
3000
posso ver Christie aproximando sua mão de mim enquanto eu dirigia,
15:38
and the blood just kept coming out of her mouth.
376
923000
3000
e o sangue saindo sem parar da sua boca.
15:41
And that -- maybe it'll fade too with time --
377
926000
2000
Talvez isso passe com o tempo,
15:43
but I don't think so.
378
928000
2000
mas eu acho que não.
15:45
That bothers me the most.
379
930000
3000
Isso é o que mais me aborrece.
15:55
PM: Now I'm going to show you a video
380
940000
2000
PM: Agora vou mostrar um vídeo
15:57
of an actual grieving mother, Erin Runnion,
381
942000
2000
de uma mãe verdadeiramente de luto, Erin Runnion,
15:59
confronting her daughter's murderer and torturer in court.
382
944000
4000
confrontando na corte o assassino e torturador de sua filha.
16:03
Here you're going to see no false emotion,
383
948000
2000
Aqui você não vai ver nenhuma emoção falsa,
16:05
just the authentic expression of a mother's agony.
384
950000
3000
apenas a autêntica expressão de agonia de uma mãe.
16:08
(Video) Erin Runnion: I wrote this statement on the third anniversary
385
953000
2000
(Vídeo) Erin Runnion: Eu escrevi esta declaração no terceiro aniversário
16:10
of the night you took my baby,
386
955000
2000
da noite em que você tirou de mim meu bebê,
16:12
and you hurt her,
387
957000
2000
e você a machucou,
16:14
and you crushed her,
388
959000
2000
e a esmagou,
16:16
you terrified her until her heart stopped.
389
961000
4000
você a aterrorizou até que seu coração parou.
16:20
And she fought, and I know she fought you.
390
965000
3000
E ela lutou, eu sei que ela lutou.
16:23
But I know she looked at you
391
968000
2000
Mas eu sei que ela olhou pra você
16:25
with those amazing brown eyes,
392
970000
2000
com aqueles maravilhosos olhos castanhos,
16:27
and you still wanted to kill her.
393
972000
3000
e você ainda quis matá-la.
16:30
And I don't understand it,
394
975000
2000
E eu não entendo o porquê,
16:32
and I never will.
395
977000
3000
e nunca vou entender.
16:35
PM: Okay, there's no doubting the veracity of those emotions.
396
980000
4000
OM: Ok, não há dúvida sobre a veracidade destas emoções.
16:39
Now the technology around what the truth looks like
397
984000
3000
Agora a tecnologia e a ciência acerca
16:42
is progressing on, the science of it.
398
987000
3000
de com que a verdade se parece estão progredindo.
16:45
We know for example
399
990000
2000
Nós sabemos, por exemplo,
16:47
that we now have specialized eye trackers and infrared brain scans,
400
992000
3000
que existem agora equipamentos especializados para os olhos e scanner infravermelho para o cérebro,
16:50
MRI's that can decode the signals that our bodies send out
401
995000
3000
máquinas de ressonância magnética que podem decodificar os sinais que nossos corpos enviam
16:53
when we're trying to be deceptive.
402
998000
2000
quando estamos tentando mentir.
16:55
And these technologies are going to be marketed to all of us
403
1000000
3000
E essas tecnologias serão comercializadas para todos nós
16:58
as panaceas for deceit,
404
1003000
2000
como panaceias para a mentira,
17:00
and they will prove incredibly useful some day.
405
1005000
3000
e se mostrarão incrívelmente úteis algum dia.
17:03
But you've got to ask yourself in the meantime:
406
1008000
2000
Mas no meio tempo você deve se perguntar:
17:05
Who do you want on your side of the meeting,
407
1010000
2000
quem você quer ao seu lado em uma reunião,
17:07
someone who's trained in getting to the truth
408
1012000
3000
alguém treinado para chegar à verdade
17:10
or some guy who's going to drag a 400-pound electroencephalogram
409
1015000
2000
ou alguém que vai levar um aparelho de eletroencefalograma de 200kgs
17:12
through the door?
410
1017000
2000
pela porta?
17:14
Liespotters rely on human tools.
411
1019000
4000
Pessoas que detectam mentiras usam ferramentas humanas.
17:18
They know, as someone once said,
412
1023000
2000
Elas sabem, como alguém um dia disse,
17:20
"Character's who you are in the dark."
413
1025000
2000
"Caráter é quem você é no escuro"
17:22
And what's kind of interesting
414
1027000
2000
E o que é interessante
17:24
is that today we have so little darkness.
415
1029000
2000
é que hoje nós temos pouca escuridão.
17:26
Our world is lit up 24 hours a day.
416
1031000
3000
Nosso mundo é iluminado 24 horas por dia.
17:29
It's transparent
417
1034000
2000
É transparente
17:31
with blogs and social networks
418
1036000
2000
com blogs e redes sociais,
17:33
broadcasting the buzz of a whole new generation of people
419
1038000
2000
difundindo o ruído de uma nova geração de pessoas
17:35
that have made a choice to live their lives in public.
420
1040000
3000
que escolheram viver suas vidas em público.
17:38
It's a much more noisy world.
421
1043000
4000
É um mundo muito mais barulhento.
17:42
So one challenge we have
422
1047000
2000
Então um desafio que temos
17:44
is to remember,
423
1049000
2000
é lembrar
17:46
oversharing, that's not honesty.
424
1051000
3000
que compartilhar demais não é honestidade.
17:49
Our manic tweeting and texting
425
1054000
2000
Nossa mania de tuitar e enviar mensagens
17:51
can blind us to the fact
426
1056000
2000
pode nos cegar para o fato
17:53
that the subtleties of human decency -- character integrity --
427
1058000
3000
de que as sutilezas da decência humana -- integridade de caráter --
17:56
that's still what matters, that's always what's going to matter.
428
1061000
3000
ainda é o que importa, sempre será o que realmente importa.
17:59
So in this much noisier world,
429
1064000
2000
E nesse mundo mais barulhento,
18:01
it might make sense for us
430
1066000
2000
pode fazer sentido para nós
18:03
to be just a little bit more explicit
431
1068000
2000
sermos um poucos mais explícitos
18:05
about our moral code.
432
1070000
3000
em relação ao nosso código moral.
18:08
When you combine the science of recognizing deception
433
1073000
2000
Quando você combina a ciência de reconhecer mentiras
18:10
with the art of looking, listening,
434
1075000
2000
com a arte de ver e ouvir,
18:12
you exempt yourself from collaborating in a lie.
435
1077000
3000
você se isenta de participar em uma mentira.
18:15
You start up that path
436
1080000
2000
Você começa o caminho
18:17
of being just a little bit more explicit,
437
1082000
2000
de ser um pouco mais explícito,
18:19
because you signal to everyone around you,
438
1084000
2000
porque você sinaliza para todos ao seu redor,
18:21
you say, "Hey, my world, our world,
439
1086000
3000
você diz: "Ei, meu mundo, nosso mundo,
18:24
it's going to be an honest one.
440
1089000
2000
vai ser um mundo honesto.
18:26
My world is going to be one where truth is strengthened
441
1091000
2000
Meu mundo será aquele em que a verdade é reforçada
18:28
and falsehood is recognized and marginalized."
442
1093000
3000
e a falsidade será reconhecida e marginalizada."
18:31
And when you do that,
443
1096000
2000
E quando você faz isso,
18:33
the ground around you starts to shift just a little bit.
444
1098000
3000
o chão ao seu redor começa a mudar um pouco.
18:36
And that's the truth. Thank you.
445
1101000
3000
E essa é a verdade. Obrigada.
18:39
(Applause)
446
1104000
5000
(Aplausos)
ABOUT THE SPEAKER
Pamela Meyer - Lie detectorPamela Meyer thinks we’re facing a pandemic of deception, but she’s arming people with tools that can help take back the truth.
Why you should listen
Social media expert Pamela Meyer can tell when you’re lying. If it’s not your words that give you away, it’s your posture, eyes, breathing rate, fidgets, and a host of other indicators. Worse, we are all lied to up to 200 times a day, she says, from the white lies that allow society to function smoothly to the devastating duplicities that bring down corporations and break up families.
Working with a team of researchers over several years, Meyer, who is CEO of social networking company Simpatico Networks, collected and reviewed most of the research on deception that has been published, from such fields as law-enforcement, military, psychology and espionage. She then became an expert herself, receiving advanced training in deception detection, including multiple courses of advanced training in interrogation, microexpression analysis, statement analysis, behavior and body language interpretation, and emotion recognition. Her research is synthetized in her bestselling book Liespotting.
More profile about the speakerWorking with a team of researchers over several years, Meyer, who is CEO of social networking company Simpatico Networks, collected and reviewed most of the research on deception that has been published, from such fields as law-enforcement, military, psychology and espionage. She then became an expert herself, receiving advanced training in deception detection, including multiple courses of advanced training in interrogation, microexpression analysis, statement analysis, behavior and body language interpretation, and emotion recognition. Her research is synthetized in her bestselling book Liespotting.
Pamela Meyer | Speaker | TED.com