TEDxWinnipeg
Jeff Hancock: The future of lying
Jeff Hancock: 3 tipos de mentiras (digitais)
Filmed:
Readability: 3.3
1,347,124 views
Quem é que nunca enviou uma mensagem de texto a dizer "Estou a caminho" quando não era verdade ou falsearam um pouco a verdade no seu perfil de encontros online? Mas Jeff Hancock não acredita que o anonimato da internet encoraje a desonestidade. Na verdade, ele diz que a procura e permanência de informação online pode até manter-nos honestos.
Jeff Hancock - Psychologist
Jeff Hancock studies how we interact by email, text message and social media blips, seeking to understand how technology mediates communication. Full bio
Jeff Hancock studies how we interact by email, text message and social media blips, seeking to understand how technology mediates communication. Full bio
Double-click the English transcript below to play the video.
00:16
Let me tell you, it has been a fantastic month for deception.
0
381
3713
Deixem-me dizer-vos, tem sido um mês
fantástico para fraudes.
fantástico para fraudes.
00:19
And I'm not even talking about the American presidential race. (Laughter)
1
4094
4253
E nem sequer estou a falar da corrida
presidencial americana. (Risos)
presidencial americana. (Risos)
00:24
We have a high-profile journalist caught for plagiarism,
2
8347
4335
Temos uma jornalista de alto nível apanhada por plágio,
00:28
a young superstar writer whose book involves
3
12682
2932
um famoso jovem escritor, cujo livro envolve
00:31
so many made up quotes that they've pulled it from the shelves;
4
15614
3305
tantas citações já criadas que foi retirado das prateleiras;
00:34
a New York Times exposé on fake book reviews.
5
18919
2598
uma exposição do New York Times sobre
críticas de livros falsas.
críticas de livros falsas.
00:37
It's been fantastic.
6
21517
1409
Tem sido fantástico.
00:38
Now, of course, not all deception hits the news.
7
22926
3851
Agora, é claro, nem todas as fraudes chegam às notícias.
00:42
Much of the deception is everyday. In fact, a lot of research
8
26777
3679
Grande parte do engano é quotidiano. Na
verdade, muitos estudos
verdade, muitos estudos
00:46
shows that we all lie once or twice a day, as Dave suggested.
9
30456
4331
mostram que todos nós mentimos uma ou duas vezes
por dia, tal como Dave sugeriu.
por dia, tal como Dave sugeriu.
00:50
So it's about 6:30 now, suggests that most of us should have lied.
10
34787
2933
Por isso são perto de 06h30 agora, o que sugere que a maioria de nós deve ter mentido.
00:53
Let's take a look at Winnipeg. How many of you,
11
37720
1900
Vamos olhar para Winnipeg. Quantos de vocês,
00:55
in the last 24 hours -- think back -- have told a little fib,
12
39620
2927
nas últimas 24 horas - pensem de novo -
disseram uma pequena mentira,
disseram uma pequena mentira,
00:58
or a big one? How many have told a little lie out there?
13
42547
3551
ou uma grande? Quantos já disseram
uma mentirinha aí?
uma mentirinha aí?
01:01
All right, good. These are all the liars.
14
46098
1904
Certo, excelente. Estes são todos os mentirosos.
01:03
Make sure you pay attention to them. (Laughter)
15
48002
3293
Certifiquem-se que lhes prestem atenção. (Risos)
01:07
No, that looked good, it was about two thirds of you.
16
51295
2146
Não, isso pareceu bem, foram cerca
de dois terços de vocês.
de dois terços de vocês.
01:09
The other third didn't lie, or perhaps forgot,
17
53441
2852
O outro terço não mentiu, ou talvez esqueceu-se,
01:12
or you're lying to me about your lying, which is very,
18
56293
2660
ou então estão-me a mentir acerca da vossa
mentira, o que é muito,
mentira, o que é muito,
01:14
very devious. (Laughter) This fits with a lot of the research,
19
58953
4050
muito desonesto. (Risos) Isto enquadra-se
com muita pesquisa,
com muita pesquisa,
01:18
which suggests that lying is very pervasive.
20
63003
3354
que sugere que a mentira é uma prática comum.
01:22
It's this pervasiveness, combined with the centrality
21
66357
3961
É esta abrangência, combinada com a centralidade
01:26
to what it means to be a human, the fact that we can
22
70318
2440
do que significa ser humano, o facto
de que nós podemos
de que nós podemos
01:28
tell the truth or make something up,
23
72758
1880
dizer a verdade ou inventar algo,
01:30
that has fascinated people throughout history.
24
74638
2851
que fascinou as pessoas ao longo da história.
01:33
Here we have Diogenes with his lantern.
25
77489
2629
Aqui temos Diógenes com sua lanterna.
01:36
Does anybody know what he was looking for?
26
80118
2680
Alguém sabe de que é que ele estava à procura?
01:38
A single honest man, and he died without finding one
27
82798
3784
De um único homem honesto, e
morreu sem encontrar um
morreu sem encontrar um
01:42
back in Greece. And we have Confucius in the East
28
86582
3017
na Grécia. E temos Confúcio no Oriente
01:45
who was really concerned with sincerity,
29
89599
2377
que estava realmente preocupado com a sinceridade,
01:47
not only that you walked the walk or talked the talk,
30
91976
3084
não só que percorressem o caminho
ou dissessem o correto,
ou dissessem o correto,
01:50
but that you believed in what you were doing.
31
95060
3154
mas que acreditassem no que estavam a fazer.
01:54
You believed in your principles.
32
98214
2006
Que acreditassem nos vossos princípios.
01:56
Now my first professional encounter with deception
33
100220
2931
O meu primeiro encontro profissional com o engano
01:59
is a little bit later than these guys, a couple thousand years.
34
103151
3463
é um pouco mais tarde do que estes
senhores, um par de mil anos.
senhores, um par de mil anos.
02:02
I was a customs officer for Canada back in the mid-'90s.
35
106614
3799
Eu era um funcionário da alfândega para o
Canadá na década de 90.
Canadá na década de 90.
02:06
Yeah. I was defending Canada's borders.
36
110413
2826
Sim. Eu estava a defender as fronteiras do Canadá.
02:09
You may think that's a weapon right there. In fact,
37
113239
3782
Você pode pensar que é uma arma
ali mesmo. Na verdade
ali mesmo. Na verdade
02:12
that's a stamp. I used a stamp to defend Canada's borders. (Laughter)
38
117021
5030
que é um carimbo. Eu usei um carimbo para
defender as fronteiras do Canadá. (Risos)
defender as fronteiras do Canadá. (Risos)
02:17
Very Canadian of me. I learned a lot about deception
39
122051
3537
Muito canadense de mim. Eu aprendi
muito sobre o engano
muito sobre o engano
02:21
while doing my duty here in customs,
40
125588
3055
ao fazer o meu trabalho aqui na alfândega,
02:24
one of which was that most of what I thought I knew about deception was wrong,
41
128643
2884
uma delas era que a maioria do que eu pensava que
sabia sobre o engano estava errado,
sabia sobre o engano estava errado,
02:27
and I'll tell you about some of that tonight.
42
131527
1752
e eu vou contar-vos sobre algumas delas esta noite.
02:29
But even since just 1995, '96, the way we communicate
43
133279
4074
Mas mesmo desde 1995, '96, a
forma como comunicamos
forma como comunicamos
02:33
has been completely transformed. We email, we text,
44
137353
3297
foi completamente transformada. Enviamos
"emails", mensagens de texto,
"emails", mensagens de texto,
02:36
we skype, we Facebook. It's insane.
45
140650
2613
usamos o skype, o Facebook. É uma loucura.
02:39
Almost every aspect of human communication's been changed,
46
143263
3261
Quase todos os aspetos da comunicação
humana mudaram,
humana mudaram,
02:42
and of course that's had an impact on deception.
47
146524
2560
e é claro que isso teve um impacto no engano.
02:44
Let me tell you a little bit about a couple of new deceptions
48
149084
2583
Deixem-me falar-vos um pouco sobre um
par de novas mentiras
par de novas mentiras
02:47
we've been tracking and documenting.
49
151667
2376
que temos acompanhado e documentado.
02:49
They're called the Butler, the Sock Puppet
50
154043
4244
São chamadas o Mordomo, o Fantoche de Meias
02:54
and the Chinese Water Army.
51
158287
2081
e o Exército Chinês Aquático.
02:56
It sounds a little bit like a weird book,
52
160368
1897
Soa um pouco como um livro estranho,
02:58
but actually they're all new types of lies.
53
162265
2133
mas na verdade são todos os novos tipos de mentiras.
03:00
Let's start with the Butlers. Here's an example of one:
54
164398
3045
Vamos começar com os Mordomos. Aqui está um exemplo de um:
03:03
"On my way." Anybody ever written, "On my way?"
55
167443
3113
"A caminho." Alguém já escreveu, "a caminho?"
03:06
Then you've also lied. (Laughter)
56
170556
3763
Então também já mentiu. (Risos)
03:10
We're never on our way. We're thinking about going on our way.
57
174319
4197
Nós nunca estamos a caminho. Estamos
a pensar em ir a caminho.
a pensar em ir a caminho.
03:14
Here's another one: "Sorry I didn't respond to you earlier.
58
178516
2763
Aqui está outra: "Desculpe não ter
respondido mais cedo.
respondido mais cedo.
03:17
My battery was dead." Your battery wasn't dead.
59
181279
1965
Estava sem bateria." A vossa bateria não tinha acabado.
03:19
You weren't in a dead zone.
60
183244
1876
Não estavam numa uma zona sem rede.
03:21
You just didn't want to respond to that person that time.
61
185120
1953
Simplesmente não quiseram responder àquela
pessoa naquele momento.
pessoa naquele momento.
03:22
Here's the last one: You're talking to somebody,
62
187073
1797
Aqui está a última: Estão a falar com alguém,
03:24
and you say, "Sorry, got work, gotta go."
63
188870
2490
e dizem, "Desculpe, tenho trabalho, tenho que ir."
03:27
But really, you're just bored. You want to talk to somebody else.
64
191360
3797
Mas, na verdade, estão apenas entediados.
Querem falar com outra pessoa qualquer.
Querem falar com outra pessoa qualquer.
03:31
Each of these is about a relationship,
65
195157
2416
Cada uma destas é sobre uma relação,
03:33
and this is a 24/7 connected world. Once you get my cell phone number,
66
197573
4405
e este é um mundo ligado 24/7. Assim que obtenham
o meu número de telemóvel,
o meu número de telemóvel,
03:37
you can literally be in touch with me 24 hours a day.
67
201978
2965
podem literalmente estar em contacto
comigo 24 horas por dia.
comigo 24 horas por dia.
03:40
And so these lies are being used by people
68
204943
2369
E então estas mentiras estão a ser
usadas por pessoas
usadas por pessoas
03:43
to create a buffer, like the butler used to do,
69
207312
2826
para criar uma reserva, como o Mordomo
costumava fazer,
costumava fazer,
03:46
between us and the connections to everybody else.
70
210138
3407
entre nós e as ligações com todas
as outras pessoas.
as outras pessoas.
03:49
But they're very special. They use ambiguity
71
213545
1707
Mas elas são muito especiais.
Usam a ambiguidade
Usam a ambiguidade
03:51
that comes from using technology. You don't know
72
215252
2061
que vem do uso da tecnologia. Vocês não sabem
03:53
where I am or what I'm doing or who I'm with.
73
217313
2948
onde estou ou o que estou a fazer ou com quem estou.
03:56
And they're aimed at protecting the relationships.
74
220261
2491
E elas estão destinadas a proteger as relações.
03:58
These aren't just people being jerks. These are people
75
222752
2581
Isto não são apenas pessoas a comportar-se
como idiotas. São pessoas
como idiotas. São pessoas
04:01
that are saying, look, I don't want to talk to you now,
76
225333
2376
que estão a dizer, olha, eu não
quero falar contigo agora,
quero falar contigo agora,
04:03
or I didn't want to talk to you then, but I still care about you.
77
227709
2424
ou não queria falar contigo na altura, mas
continuo a importar-me contigo.
continuo a importar-me contigo.
04:06
Our relationship is still important.
78
230133
2400
A nossa relação continua a ser importante.
04:08
Now, the Sock Puppet, on the other hand,
79
232533
1514
Agora, o Fantoche de Meias, por outro lado,
04:09
is a totally different animal. The sock puppet isn't
80
234047
2343
é um animal totalmente diferente. O Fantoche
das Meias não é
das Meias não é
04:12
about ambiguity, per se. It's about identity.
81
236390
3065
sobre ambiguidade, por si só. É sobre identidade.
04:15
Let me give you a very recent example,
82
239455
2002
Deixem-me dar-vos um exemplo muito recente,
04:17
as in, like, last week.
83
241457
1514
como talvez, na semana passada.
04:18
Here's R.J. Ellory, best-seller author in Britain.
84
242971
3268
Aqui está R.J. Ellory, um dos autores mais
vendidos na Grã-Bretanha.
vendidos na Grã-Bretanha.
04:22
Here's one of his bestselling books.
85
246239
2020
Aqui está um dos seus livros mais vendidos.
04:24
Here's a reviewer online, on Amazon.
86
248259
3413
Aqui está um crítico online, na Amazon.
04:27
My favorite, by Nicodemus Jones, is,
87
251672
2657
O meu favorito, por Nicodemus Jones, é,
04:30
"Whatever else it might do, it will touch your soul."
88
254329
3808
"Tudo o resto que possa fazer, vai tocar na tua alma."
04:34
And of course, you might suspect
89
258137
1403
E é claro, podem suspeitar
04:35
that Nicodemus Jones is R.J. Ellory.
90
259540
2627
que o Nicodemus Jones é R.J. Ellory.
04:38
He wrote very, very positive reviews about himself. Surprise, surprise.
91
262167
4687
Ele escreveu opiniões muito, muito positivas sobre si mesmo. Surpresa, surpresa.
04:42
Now this Sock Puppet stuff isn't actually that new.
92
266854
3260
Agora estas coisas de Fantoche de Meias não
são assim tão recentes.
são assim tão recentes.
04:46
Walt Whitman also did this back in the day,
93
270114
3167
Walt Whitman também o fez na sua altura,
04:49
before there was Internet technology. Sock Puppet
94
273281
3055
antes de existir a tecnologia da inernet.
O Fantoche de Meias
O Fantoche de Meias
04:52
becomes interesting when we get to scale,
95
276336
2768
torna-se interessante quando chegarmos a escala,
04:55
which is the domain of the Chinese Water Army.
96
279104
2518
que é o domínio do Exército Chinês Aquático.
04:57
Chinese Water Army refers to thousands of people
97
281622
2436
O Exército Chinês Aquático refere-se a milhares de pessoas
04:59
in China that are paid small amounts of money
98
284058
3048
na China que recebem pequenas quantias de dinheiro
05:03
to produce content. It could be reviews. It could be
99
287106
3034
para produzir conteúdo. Poderiam ser
comentários. Poderia ser
comentários. Poderia ser
05:06
propaganda. The government hires these people,
100
290140
2559
propaganda. O governo contrata estas pessoas,
05:08
companies hire them, all over the place.
101
292699
2628
as empresas contratam-nas, em todo o lado.
05:11
In North America, we call this Astroturfing,
102
295327
3617
Na América do Norte, chamamos a isto "Astroturfing",
05:14
and Astroturfing is very common now. There's a lot of concerns about it.
103
298944
3438
e o "Astroturfing" é agora bastante comum. Existem
imensas preocupações sobre o assunto.
imensas preocupações sobre o assunto.
05:18
We see this especially with product reviews, book reviews,
104
302382
3227
Vemos isto especialmente com análises de
produtos, críticas de livros,
produtos, críticas de livros,
05:21
everything from hotels to whether that toaster is a good toaster or not.
105
305609
4795
tudo desde hotéis até se aquela torradeira é
uma boa torradeira ou não.
uma boa torradeira ou não.
05:26
Now, looking at these three reviews, or these three types of deception,
106
310404
3918
Agora, olhando para estas três análises, ou
estes três tipos de engano,
estes três tipos de engano,
05:30
you might think, wow, the Internet is really making us
107
314322
2737
podem pensar, uau, a Internet está
mesmo a tornar-nos
mesmo a tornar-nos
05:32
a deceptive species, especially when you think about
108
317059
3209
numa espécie enganosa, especialmente
quando pensamos
quando pensamos
05:36
the Astroturfing, where we can see deception brought up to scale.
109
320268
4602
no "Astroturfing", onde podemos ver os
enganos em larga escala.
enganos em larga escala.
05:40
But actually, what I've been finding is very different from that.
110
324870
4738
Mas, na verdade, o que eu tenho vindo a
encontrar é muito diferente disso.
encontrar é muito diferente disso.
05:45
Now, let's put aside the online anonymous sex chatrooms,
111
329608
3249
Agora, vamos pôr de lado as salas de
chat online de sexo anónimo,
chat online de sexo anónimo,
05:48
which I'm sure none of you have been in.
112
332857
1899
nas quais tenho a certeza que nenhum
de vocês esteve.
de vocês esteve.
05:50
I can assure you there's deception there.
113
334756
2329
Posso garantir-vos que lá existem mentiras.
05:52
And let's put aside the Nigerian prince who's emailed you
114
337085
2709
E vamos deixar de lado o Príncipe Nigeriano
que lhe enviou um email
que lhe enviou um email
05:55
about getting the 43 million out of the country. (Laughter)
115
339794
3228
sobre como ter os 43 milhões fora do país.
(Risos)
(Risos)
05:58
Let's forget about that guy, too.
116
343022
1680
Vamos esquecer também esse indivíduo.
06:00
Let's focus on the conversations between our friends
117
344702
2944
Vamos concentrar-nos nas conversas
entre os nossos amigos
entre os nossos amigos
06:03
and our family and our coworkers and our loved ones.
118
347646
2147
e a nossa família e os nossos colegas de
trabalho e os nossos entes queridos.
trabalho e os nossos entes queridos.
06:05
Those are the conversations that really matter.
119
349793
2408
Essas são as conversas que realmente importam.
06:08
What does technology do to deception with those folks?
120
352201
4240
O que faz a tecnologia ao engano com estas pessoas?
06:12
Here's a couple of studies. One of the studies we do
121
356441
3075
Aqui estão alguns estudos. Um dos estudos que fazemos
06:15
are called diary studies, in which we ask people to record
122
359516
3371
são chamados estudos diários, nos quais
pedimos às pessoas para gravarem
pedimos às pessoas para gravarem
06:18
all of their conversations and all of their lies for seven days,
123
362887
3566
todas as suas conversas e todas as suas
mentiras durante sete dias,
mentiras durante sete dias,
06:22
and what we can do then is calculate how many lies took place
124
366453
3105
e o que podemos fazer é calcular quantas
mentiras existiram
mentiras existiram
06:25
per conversation within a medium, and the finding
125
369558
2948
por conversa dentro de um meio, e a descoberta
06:28
that we get that surprises people the most is that email
126
372506
2524
que temos que mais surpreende as
pessoas é que o email
pessoas é que o email
06:30
is the most honest of those three media.
127
375030
3279
é o mais honesto desses três meios de comunicação.
06:34
And it really throws people for a loop because we think,
128
378309
2401
E ele realmente lança as pessoas num
laço, porque pensamos,
laço, porque pensamos,
06:36
well, there's no nonverbal cues, so why don't you lie more?
129
380710
3736
bem, não há sinais não-verbais, então por
que é que não mentem mais?
que é que não mentem mais?
06:40
The phone, in contrast, the most lies.
130
384446
4304
No telefone, ao contrário, a maior parte mente.
06:44
Again and again and again we see the phone is the device
131
388750
1946
Uma vez e outra e outra vemos que
o telefone é o dispositivo
o telefone é o dispositivo
06:46
that people lie on the most, and perhaps because of the Butler Lie ambiguities I was telling you about.
132
390696
4718
no qual as pessoas mais mentem e talvez devido às mentiras ambíguas do Mordomo das quais eu vos falei.
06:51
This tends to be very different from what people expect.
133
395414
3975
Isso tende a ser muito diferente do que aquilo
que as pessoas esperam.
que as pessoas esperam.
06:55
What about résumés? We did a study in which we had
134
399389
3224
E os currículos? Fizemos um estudo no qual tivemos
06:58
people apply for a job, and they could apply for a job
135
402613
2544
pessoas a candidatar-se para um emprego,
e eles podiam candidatar-se
e eles podiam candidatar-se
07:01
either with a traditional paper résumé, or on LinkedIn,
136
405157
3514
ou com um currículo tradicional em
papel, ou no LinkedIn,
papel, ou no LinkedIn,
07:04
which is a social networking site like Facebook,
137
408671
2822
que é um site de redes sociais como o Facebook,
07:07
but for professionals -- involves the same information as a résumé.
138
411493
3567
mas para profissionais - envolve as mesmas
informações que um currículo.
informações que um currículo.
07:10
And what we found, to many people's surprise,
139
415060
2614
E o que encontramos, para surpresa
de muitas pessoas,
de muitas pessoas,
07:13
was that those LinkedIn résumés were more honest
140
417674
2795
foi o que os currículos do LinkedIn eram mais honestos
07:16
on the things that mattered to employers, like your
141
420469
1824
sobre as coisas que importavam para os
empregadores, como as suas
empregadores, como as suas
07:18
responsibilities or your skills at your previous job.
142
422293
4151
responsabilidades ou as suas habilidades
no trabalho anterior.
no trabalho anterior.
07:22
How about Facebook itself?
143
426444
2296
E sobre o próprio Facebook?
07:24
You know, we always think that hey, there are these
144
428740
1882
Sabem, pensamos sempre que ei, há estas
07:26
idealized versions, people are just showing the best things
145
430622
2129
versões idealizadas, as pessoas apenas
mostram as melhores coisas
mostram as melhores coisas
07:28
that happened in their lives. I've thought that many times.
146
432751
2656
que aconteceram nas suas vidas. Eu
pensei isso muitas vezes.
pensei isso muitas vezes.
07:31
My friends, no way they can be that cool and have good of a life.
147
435407
3068
Os meus amigos, de maneira nenhuma podiam
ser tão fixes e ter tão boa vida.
ser tão fixes e ter tão boa vida.
07:34
Well, one study tested this by examining people's personalities.
148
438475
3821
Bem, um estudo testou isto ao examinar as
personalidades das pessoas.
personalidades das pessoas.
07:38
They had four good friends of a person judge their personality.
149
442296
4218
Eles tinham quatro bons amigos de uma pessoa
a julgar a sua personalidade.
a julgar a sua personalidade.
07:42
Then they had strangers, many strangers,
150
446514
1956
E depois tinham estranhos, muitos estranhos,
07:44
judge the person's personality just from Facebook,
151
448470
2528
a julgar a personalidade da pessoa
apenas a partir do Facebook,
apenas a partir do Facebook,
07:46
and what they found was those judgments of the personality
152
450998
2429
e o que eles encontraram foi que esses
julgamentos de personalidade
julgamentos de personalidade
07:49
were pretty much identical, highly correlated,
153
453427
2509
eram praticamente idênticos, altamente correlacionadas,
07:51
meaning that Facebook profiles really do reflect our actual personality.
154
455936
4373
o que significa que os perfis do Facebook realmente refletem a nossa personalidade real.
07:56
All right, well, what about online dating?
155
460309
2572
Certo, bem, e então o namoro online?
07:58
I mean, that's a pretty deceptive space.
156
462881
1500
Quer dizer, esse é um espaço bastante enganoso.
08:00
I'm sure you all have "friends" that have used online dating. (Laughter)
157
464381
3535
Tenho certeza de que todos têm "amigos" que já
usaram os encontros online. (Risos)
usaram os encontros online. (Risos)
08:03
And they would tell you about that guy that had no hair
158
467916
2058
E eles contavam-vos sobre aquele homem
que não tinha cabelo
que não tinha cabelo
08:05
when he came, or the woman that didn't look at all like her photo.
159
469974
3030
quando chegou, ou a mulher que não se
parecia de todo com sua foto.
parecia de todo com sua foto.
08:08
Well, we were really interested in it, and so what we did
160
473004
3136
Bem, nós estávamos realmente interessados
nisso, e então o que fizemos
nisso, e então o que fizemos
08:12
is we brought people, online daters, into the lab,
161
476140
3107
foi trazer pessoas, utilizadores dos encontros
online, para o laboratório,
online, para o laboratório,
08:15
and then we measured them. We got their height
162
479247
1480
e, em seguida, medimo-los. Tiramos a sua altura
08:16
up against the wall, we put them on a scale, got their weight --
163
480727
3881
contra a parede, colocámo-los numa escala,
tiramos o seu peso --
tiramos o seu peso --
08:20
ladies loved that -- and then we actually got their driver's license to get their age.
164
484608
3895
as senhoras adoraram isso - e depois obtivemos as suas cartas de condução para ter as suas idades.
08:24
And what we found was very, very interesting.
165
488503
4311
E o que encontramos foi muito, muito interessante.
08:28
Here's an example of the men and the height.
166
492814
3929
Aqui está um exemplo dos homens e da altura.
08:32
Along the bottom is how tall they said they were in their profile.
167
496743
2470
Na parte inferior é quão altos eles disseram
que eram nos seus perfis.
que eram nos seus perfis.
08:35
Along the y-axis, the vertical axis, is how tall they actually were.
168
499213
4862
Ao longo do eixo y, o eixo vertical, é quão
altos eles realmente eram.
altos eles realmente eram.
08:39
That diagonal line is the truth line. If their dot's on it,
169
504075
3076
Aquela linha diagonal é a linha da verdade. Se
o ponto está sobre ela,
o ponto está sobre ela,
08:43
they were telling exactly the truth.
170
507151
1554
eles estavam a dizer exatamente a verdade.
08:44
Now, as you see, most of the little dots are below the line.
171
508705
3113
Agora, como vêem, a maioria dos pequenos
pontos está abaixo da linha.
pontos está abaixo da linha.
08:47
What it means is all the guys were lying about their height.
172
511818
2867
O que significa que é todos os homens estavam
a mentir sobre sua altura.
a mentir sobre sua altura.
08:50
In fact, they lied about their height about nine tenths of an inch,
173
514685
2941
Na verdade, eles mentiram sobre sua altura cerca de nove décimos de uma polegada (+/- 2cm),
08:53
what we say in the lab as "strong rounding up." (Laughter)
174
517626
6276
o que dizemos no laboratório como "forte arredondando para cima." (Risos)
08:59
You get to 5'8" and one tenth, and boom! 5'9".
175
523902
4503
Você tem 5'8 " (+/- 172cm) e um décimo, e
boom! 5'9 " (+/- 175cm).
boom! 5'9 " (+/- 175cm).
09:04
But what's really important here is, look at all those dots.
176
528405
1998
Mas o que é realmente importante aqui é
olhar para todos os pontos.
olhar para todos os pontos.
09:06
They are clustering pretty close to the truth. What we found
177
530403
2566
Eles estão aglomerados muito perto da
verdade. O que descobrimos
verdade. O que descobrimos
09:08
was 80 percent of our participants did indeed lie
178
532969
2408
foi que 80 por cento dos nossos participantes
mentiram realmente
mentiram realmente
09:11
on one of those dimensions, but they always lied by a little bit.
179
535377
3595
numa daquelas dimensões, mas mentiram
sempre por pouco.
sempre por pouco.
09:14
One of the reasons is pretty simple. If you go to a date,
180
538972
3024
Uma das razões é bastante simple. Se
vais para um encontro,
vais para um encontro,
09:17
a coffee date, and you're completely different than what you said,
181
541996
3601
um encontro para café, e és completamente
diferente do que disseste,
diferente do que disseste,
09:21
game over. Right? So people lied frequently, but they lied
182
545597
3619
fim de jogo. Certo? Então as pessoas mentiram frequentemente, mas mentiram
09:25
subtly, not too much. They were constrained.
183
549216
3469
subtilmente, não demasiado. Estavam restritas.
09:28
Well, what explains all these studies? What explains the fact
184
552685
2887
Bem, o que explicam todos estes estudos?
O que explica o facto de
O que explica o facto de
09:31
that despite our intuitions, mine included,
185
555572
4635
que apesar das nossas intuições, a minha incluída,
09:36
a lot of online communication, technologically-mediated
186
560207
3529
um grande parte da comunicação online,
comunicação mediada
comunicação mediada
09:39
communication, is more honest than face to face?
187
563736
4028
tecnologicamente, é mais honesta
do que cara a cara?
do que cara a cara?
09:43
That really is strange. How do we explain this?
188
567764
2489
Isso é muito estranho. Como podemos explica-lo?
09:46
Well, to do that, one thing is we can look at the deception-detection literature.
189
570253
3379
Bem, para isso, uma das coisas a que podemos
olhar é a literatura de engano-deteção.
olhar é a literatura de engano-deteção.
09:49
It's a very old literature by now, it's coming up on 50 years.
190
573632
4345
É uma literatura muito antiga agora, está a
chegar aos 50 anos.
chegar aos 50 anos.
09:53
It's been reviewed many times. There's been thousands of trials,
191
577977
2662
Foi revista muitas vezes. Têm existido
milhares de ensaios,
milhares de ensaios,
09:56
hundreds of studies, and there's some really compelling findings.
192
580639
3981
centenas de estudos, e existem algumas
conclusões realmente convincentes.
conclusões realmente convincentes.
10:00
The first is, we're really bad at detecting deception,
193
584620
3236
A primeira é que somos mesmo maus a detetar o engano,
10:03
really bad. Fifty-four percent accuracy on average when you have to tell
194
587856
4116
muito maus. Uma precisão média de cinquenta e
quatro por cento quando temos que dizer
quatro por cento quando temos que dizer
10:07
if somebody that just said a statement is lying or not.
195
591972
3384
se alguém que acabou de dizer uma afirmação
está a mentir ou não.
está a mentir ou não.
10:11
That's really bad. Why is it so bad?
196
595356
3192
Isso é muito mau. Por que é que é tão mau?
10:14
Well it has to do with Pinocchio's nose.
197
598548
2530
Bem, isso tem que ver com o nariz do Pinóquio.
10:16
If I were to ask you guys, what do you rely on
198
601078
2359
Se eu vos perguntasse, em que é
que vocês confiavam
que vocês confiavam
10:19
when you're looking at somebody and you want to find out
199
603437
2245
quando estão a olhar para alguém
e querem descobrir
e querem descobrir
10:21
if they're lying? What cue do you pay attention to?
200
605682
2930
se eles estão a mentir? A que sinais
prestavam atenção?
prestavam atenção?
10:24
Most of you would say that one of the cues you look at
201
608612
2430
A maioria de vocês diria que uma das
pistas a que olhava
pistas a que olhava
10:26
is the eyes. The eyes are the window to the soul.
202
611042
2728
eram os olhos. Os olhos são a janela da alma.
10:29
And you're not alone. Around the world, almost every culture,
203
613770
2403
E não está sozinho. Em todo o mundo,
em quase todas as culturas,
em quase todas as culturas,
10:32
one of the top cues is eyes. But the research
204
616173
2863
uma das principais indicações são olhos.
Mas a pesquisa
Mas a pesquisa
10:34
over the last 50 years says there's actually no reliable cue
205
619036
3824
ao longo dos últimos 50 anos diz que não há realmente nenhuma indicação confiável
10:38
to deception, which blew me away, and it's one of
206
622860
2997
para o engano, o que me surpreendeu muito, e é uma
10:41
the hard lessons that I learned when I was customs officer.
207
625857
2355
das mais duras lições que aprendi quando fui
funcionário da alfândega.
funcionário da alfândega.
10:44
The eyes do not tell us whether somebody's lying or not.
208
628212
2430
Os olhos não nos dizem se alguém está a mentir ou não.
10:46
Some situations, yes -- high stakes, maybe their pupils dilate,
209
630642
3018
Em algumas situações, sim - altos riscos,
talvez as suas pupilas dilatem,
talvez as suas pupilas dilatem,
10:49
their pitch goes up, their body movements change a little bit,
210
633660
3504
a sua densidade aumenta, os seus movimentos
de corpo mudam um pouco,
de corpo mudam um pouco,
10:53
but not all the time, not for everybody, it's not reliable.
211
637164
4832
mas não sempre, não para toda a
gente, não é confiável.
gente, não é confiável.
10:57
Strange. The other thing is that just because you can't see me
212
641996
3378
Estranho. A outra coisa é que só porque
não me consegues ver
não me consegues ver
11:01
doesn't mean I'm going to lie. It's common sense,
213
645374
2419
não significa que eu vá mentir. É de senso comum,
11:03
but one important finding is that we lie for a reason.
214
647793
2907
mas uma importante constatação é que
mentimos por uma razão.
mentimos por uma razão.
11:06
We lie to protect ourselves or for our own gain
215
650700
2367
Mentimos nos proteger-mos ou para
nosso próprio ganho
nosso próprio ganho
11:08
or for somebody else's gain.
216
653067
2827
ou para o ganho de outra pessoa.
11:11
So there are some pathological liars, but they make up
217
655894
1930
Existem alguns mentirosos patológicos,
mas eles compõem
mas eles compõem
11:13
a tiny portion of the population. We lie for a reason.
218
657824
3513
uma pequena parcela da população.
Mentimos por uma razão.
Mentimos por uma razão.
11:17
Just because people can't see us doesn't mean
219
661337
1631
Só porque as pessoas não nos conseguem
ver não significa
ver não significa
11:18
we're going to necessarily lie.
220
662968
2271
que vamos necessariamente mentir.
11:21
But I think there's actually something much more
221
665239
1553
Mas eu acho que na realidade há algo muito mais
11:22
interesting and fundamental going on here. The next big
222
666792
3274
interessante e fundamental a acontecer
aqui. A próxima grande
aqui. A próxima grande
11:25
thing for me, the next big idea, we can find by going
223
670066
3797
coisa para mim, a próxima grande ideia,
podemos encontrar olhando
podemos encontrar olhando
11:29
way back in history to the origins of language.
224
673863
3139
bastante para atrás na história das
origens da linguagem.
origens da linguagem.
11:32
Most linguists agree that we started speaking somewhere
225
677002
3887
A maioria dos linguistas concorda que
começamos a falar algures
começamos a falar algures
11:36
between 50,000 and 100,000 years ago. That's a long time ago.
226
680889
3168
entre 50,000 e 100,000 anos atrás. Isso
foi há muito tempo atrás.
foi há muito tempo atrás.
11:39
A lot of humans have lived since then.
227
684057
2616
Muitos seres humanos viveram desde então.
11:42
We've been talking, I guess, about fires and caves
228
686673
2423
Nós temos falado, eu acho, sobre fogos e cavernas
11:44
and saber-toothed tigers. I don't know what they talked about,
229
689096
3107
e tigres dentes-de-sabre. Eu não sei sobre
o que é que eles falaram,
o que é que eles falaram,
11:48
but they were doing a lot of talking, and like I said,
230
692203
2518
mas eles estavam a falar muito e, como eu disse,
11:50
there's a lot of humans evolving speaking,
231
694721
2545
existem muito humanos a evoluir a fala,
11:53
about 100 billion people in fact.
232
697266
2806
cerca de 100 biliões de pessoas, de facto.
11:55
What's important though is that writing only emerged
233
700072
2782
O que é importante, porém, é que a
escrita somente surgiu
escrita somente surgiu
11:58
about 5,000 years ago. So what that means is that
234
702854
3587
à cerca de 5,000 anos atrás. O que isso significa é que
12:02
all the people before there was any writing,
235
706441
2392
todas as pessoas de antes de existir qualquer escrita,
12:04
every word that they ever said, every utterance
236
708833
5586
todas as palavras que eles alguma vez
disseram, todas as expressões
disseram, todas as expressões
12:10
disappeared. No trace. Evanescent. Gone.
237
714419
4752
desapareceram. Nenhum vestígio.
Desvanecidas. Desaparecidas.
Desvanecidas. Desaparecidas.
12:15
So we've been evolving to talk in a way in which
238
719171
4065
Então evoluímos para falar de uma forma na qual
12:19
there is no record. In fact, even the next big change
239
723236
5917
não existem registos. Na verdade, até mesmo
a próxima grande mudança
a próxima grande mudança
12:25
to writing was only 500 years ago now,
240
729153
2468
para a escrita foi agora há apenas 500 anos atrás,
12:27
with the printing press, which is very recent in our past,
241
731621
2379
com a imprensa escrita, que é muito
recente no nosso passado,
recente no nosso passado,
12:29
and literacy rates remained incredibly low right up until World War II,
242
734000
4242
e as taxas de alfabetização permaneceram incrivelmente baixas até à segunda Guerra Mundial,
12:34
so even the people of the last two millennia,
243
738242
3384
por isso até o povo dos últimos dois milénios,
12:37
most of the words they ever said -- poof! -- disappeared.
244
741626
5032
a maioria das palavras que disseram - poof! -desapareceram.
12:42
Let's turn to now, the networked age.
245
746658
3591
Vamos passar para agora, a idade da rede.
12:46
How many of you have recorded something today?
246
750249
4712
Quantos de vocês gravaram algo hoje?
12:50
Anybody do any writing today? Did anybody write a word?
247
754961
3177
Alguém escreveu alguma coisa hoje?
Alguém escreveu uma palavra?
Alguém escreveu uma palavra?
12:54
It looks like almost every single person here recorded something.
248
758138
4226
Parece que quase todas as pessoas aqui gravaram algo.
12:58
In this room, right now, we've probably recorded more
249
762364
3048
Nesta sala, neste momento, provavelmente gravamos mais
13:01
than almost all of human pre-ancient history.
250
765412
4542
do que quase toda a história humana pré-antiga.
13:05
That is crazy. We're entering this amazing period
251
769954
3230
Isso é uma loucura. Estamos a entrar num incrível período
13:09
of flux in human evolution where we've evolved to speak
252
773184
4015
de fluxo na evolução humana, onde evoluímos para falar
13:13
in a way in which our words disappear, but we're in
253
777199
2701
de uma forma na qual as nossas palavras
desaparecem, mas estamos num
desaparecem, mas estamos num
13:15
an environment where we're recording everything.
254
779900
2903
ambiente onde gravamos tudo.
13:18
In fact, I think in the very near future, it's not just
255
782803
2337
Na verdade, eu acho que num futuro
muito próximo, não será apenas
muito próximo, não será apenas
13:21
what we write that will be recorded, everything we do
256
785140
2349
aquilo que escrevemos que será
gravado, tudo o que fazemos
gravado, tudo o que fazemos
13:23
will be recorded.
257
787489
2333
será gravado.
13:25
What does that mean? What's the next big idea from that?
258
789822
4456
O que é que isso significa? Qual é a próxima
grande ideia a partir disso?
grande ideia a partir disso?
13:30
Well, as a social scientist, this is the most amazing thing
259
794278
4250
Bem, como cientista social, isto é a
coisa mais surpreendente
coisa mais surpreendente
13:34
I have ever even dreamed of. Now, I can look at
260
798528
3547
com a qual eu nunca sonhei. Agora, posso olhar para
13:37
all those words that used to, for millennia, disappear.
261
802075
3611
todas aquelas palavras que costumavam,
durante milénios, desaparecer.
durante milénios, desaparecer.
13:41
I can look at lies that before were said and then gone.
262
805686
4248
Eu posso para olhar mentiras que antes eram
ditas e, em seguida, esquecidas.
ditas e, em seguida, esquecidas.
13:45
You remember those Astroturfing reviews that we were
263
809934
3520
Lembram-se daqueles comentários de
"Astroturfing" de que estávamos
"Astroturfing" de que estávamos
13:49
talking about before? Well, when they write a fake review,
264
813454
3503
a falar antes? Bem, quando eles
escrevem uma crítica falsa,
escrevem uma crítica falsa,
13:52
they have to post it somewhere, and it's left behind for us.
265
816957
2704
eles têm que publicá-la nalgum lugar,
e é deixado para trás, para nós.
e é deixado para trás, para nós.
13:55
So one thing that we did, and I'll give you an example of
266
819661
2435
Portanto, uma das coisas que fizemos, e eu
vou dar-vos um exemplo através
vou dar-vos um exemplo através
13:57
looking at the language, is we paid people
267
822096
2495
da visusalização da linguagem, é que
pagamos a pessoas
pagamos a pessoas
14:00
to write some fake reviews. One of these reviews is fake.
268
824591
3535
para escrever alguns comentários falsos.
Um destes comentários é falso.
Um destes comentários é falso.
14:04
The person never was at the James Hotel.
269
828126
1943
A pessoa nunca esteve no James Hotel.
14:05
The other review is real. The person stayed there.
270
830069
2922
O outro comentário é real. A pessoa ficou lá.
14:08
Now, your task now is to decide
271
832991
3527
Agora, a vossa tarefa é decidir
14:12
which review is fake?
272
836518
4073
qual dos comentários é falso?
14:16
I'll give you a moment to read through them.
273
840591
4186
Vou-vos dar um momento para os lerem.
14:20
But I want everybody to raise their hand at some point.
274
844777
2287
Mas quero que todos levantem a mão
em algum momento.
em algum momento.
14:22
Remember, I study deception. I can tell if you don't raise your hand.
275
847064
4231
Lembrem-se, eu estudo o engano. Eu sei
ver se não levantam a mão.
ver se não levantam a mão.
14:27
All right, how many of you believe that A is the fake?
276
851295
4570
Tudo bem, quantos acreditam que o "A" é o falso?
14:33
All right. Very good. About half.
277
857894
2142
Está bem. Muito bom. Cerca de metade.
14:35
And how many of you think that B is?
278
860036
3615
E quantos pensam que é o "B"?
14:39
All right. Slightly more for B.
279
863651
2529
Certo. Um pouco mais para "B".
14:42
Excellent. Here's the answer.
280
866180
2592
Excelente. Aqui está a resposta.
14:44
B is a fake. Well done second group. You dominated the first group. (Laughter)
281
868772
6581
"B" é a falsa. Muito bem segundo grupo.
Dominaram o primeiro grupo. (Risos)
Dominaram o primeiro grupo. (Risos)
14:51
You're actually a little bit unusual. Every time we demonstrate this,
282
875353
2846
Vocês são na verdade um pouco incomuns.
Cada vez que demonstramos isto,
Cada vez que demonstramos isto,
14:54
it's usually about a 50-50 split, which fits
283
878199
2746
geralmente trata-se de uma divisão de 50-50, que se encaixa
14:56
with the research, 54 percent. Maybe people here
284
880945
2646
com a pesquisa, 54 por cento. Talvez as pessoas aqui
14:59
in Winnipeg are more suspicious and better at figuring it out.
285
883591
3770
em Winnipeg sejam mais suspeitas e melhor a entender isto.
15:03
Those cold, hard winters, I love it.
286
887361
2688
Os frios, duros invernos, adorei.
15:05
All right, so why do I care about this?
287
890049
3054
Tudo bem, então por que é que eu me importo com isto?
15:09
Well, what I can do now with my colleagues in computer science
288
893103
3268
Bem, o que eu posso fazer agora com os meus
colegas em ciência da computação
colegas em ciência da computação
15:12
is we can create computer algorithms that can analyze
289
896371
3232
é que podemos criar algoritmos de
computador que podem analisar
computador que podem analisar
15:15
the linguistic traces of deception.
290
899603
2900
os traços linguísticos do engano.
15:18
Let me highlight a couple of things here
291
902503
1833
Permitam-me destacar algumas coisas aqui
15:20
in the fake review. The first is that liars tend to think
292
904336
3443
no comentário falso. A primeira é que os
mentirosos tendem a pensar
mentirosos tendem a pensar
15:23
about narrative. They make up a story:
293
907779
1588
sobre a narrativa. Eles inventam uma história:
15:25
Who? And what happened? And that's what happened here.
294
909367
3186
Quem? E o que aconteceu? E foi o que aconteceu aqui.
15:28
Our fake reviewers talked about who they were with
295
912553
2289
Os nossos críticos falsos falaram
sobre com quem estavam
sobre com quem estavam
15:30
and what they were doing. They also used the first person singular, I,
296
914842
4765
e o que estavam a fazer. Também usaram a
primeira pessoa do singular, eu,
primeira pessoa do singular, eu,
15:35
way more than the people that actually stayed there.
297
919607
2469
muito mais do que as pessoas que realmente lá estiveram.
15:37
They were inserting themselves into the hotel review,
298
922076
4696
Eles estavam a inserir-se na crítica ao hotel,
15:42
kind of trying to convince you they were there.
299
926772
1696
de certo modo a tentar convencê-los de que estiveram lá.
15:44
In contrast, the people that wrote the reviews that were actually there,
300
928468
4015
Em contraste, as pessoas que escreveram os
comentários e estiveram mesmo lá,
comentários e estiveram mesmo lá,
15:48
their bodies actually entered the physical space,
301
932483
2432
os seus corpos entraram mesmo no espaço físico,
15:50
they talked a lot more about spatial information.
302
934915
2899
falaram muito mais sobre informações espaciais.
15:53
They said how big the bathroom was, or they said,
303
937814
2517
Disseram o quão grande a casa de banho era, ou disseram,
15:56
you know, here's how far shopping is from the hotel.
304
940331
4520
você sabem, isto é a distância a que o centro
comercial fica do hotel.
comercial fica do hotel.
16:00
Now, you guys did pretty well. Most people perform at chance at this task.
305
944851
4161
Agora, vocês saíram-se muito bem. A maioria das
pessoas executam esta tarefa à sorte.
pessoas executam esta tarefa à sorte.
16:04
Our computer algorithm is very accurate, much more accurate
306
949012
2758
O nosso algoritmo de computador é muito
preciso, muito mais preciso
preciso, muito mais preciso
16:07
than humans can be, and it's not going to be accurate all the time.
307
951770
3291
do que os seres humanos podem ser, e
não vai ser correto sempre.
não vai ser correto sempre.
16:10
This isn't a deception-detection machine to tell
308
955061
2030
Isto não é uma máquina de deteção
de mentiras para dizer
de mentiras para dizer
16:12
if your girlfriend's lying to you on text messaging.
309
957091
2501
se tua namorada te está a mentir
nas mensagens escritas.
nas mensagens escritas.
16:15
We believe that every lie now, every type of lie --
310
959592
3564
Acreditamos que todas as mentiras agora,
todos os tipos de mentira -
todos os tipos de mentira -
16:19
fake hotel reviews, fake shoe reviews,
311
963156
3787
falsos comentários a hotéis, falsas críticas a sapatos,
16:22
your girlfriend cheating on you with text messaging --
312
966943
2914
a vossa namorada a enganar-vos
com mensagens de texto -
com mensagens de texto -
16:25
those are all different lies. They're going to have
313
969857
1505
estas são todas mentiras diferentes. Vão ter
16:27
different patterns of language. But because everything's
314
971362
2859
diferentes padrões de linguagem. Mas porque agora tudo
16:30
recorded now, we can look at all of those kinds of lies.
315
974221
4689
está gravado, podemos olhar para
todos estes tios de mentiras.
todos estes tios de mentiras.
16:34
Now, as I said, as a social scientist, this is wonderful.
316
978910
3993
Agora, como eu disse, enquanto cientista
social, isto é maravilhoso.
social, isto é maravilhoso.
16:38
It's transformational. We're going to be able to learn
317
982903
2087
É transformacional. Vamos ser capazes de aprender
16:40
so much more about human thought and expression,
318
984990
3802
muito mais sobre o pensamento humano e a expressão,
16:44
about everything from love to attitudes,
319
988792
4398
sobre tudo, desde o amor às atitudes,
16:49
because everything is being recorded now, but
320
993190
1960
porque agora tudo é gravado, mas
16:51
what does it mean for the average citizen?
321
995150
2404
o que é que isso significa para o cidadão comum?
16:53
What does it mean for us in our lives?
322
997554
2802
O que significa para nós nas nossas vidas?
16:56
Well, let's forget deception for a bit. One of the big ideas,
323
1000356
3673
Bem, vamos deixar de lado o engano por um
momento. Uma das grandes ideias,
momento. Uma das grandes ideias,
16:59
I believe, is that we're leaving these huge traces behind.
324
1004029
3688
acredito, é que estamos a deixar enormes traços para trás .
17:03
My outbox for email is massive,
325
1007717
3216
A minha caixa de saída do e-mail é enorme,
17:06
and I never look at it. I write all the time,
326
1010933
3337
e eu nunca olhar para ela. Eu escrevo a toda a hora,
17:10
but I never look at my record, at my trace.
327
1014270
3438
mas nunca olho para o meu registo, para o meu rasto.
17:13
And I think we're going to see a lot more of that,
328
1017708
1567
E acho que vamos ver muito mais disso,
17:15
where we can reflect on who we are by looking at
329
1019275
3161
onde podemos refletir sobre quem somos ao olhar para
17:18
what we wrote, what we said, what we did.
330
1022436
3618
o que escrevemos, o que dissemos, o que fizemos.
17:21
Now, if we bring it back to deception, there's a couple
331
1026054
2272
Agora, se tornarmos a falar no engano, há um par
17:24
of take-away things here.
332
1028326
1977
de coisas para tirar daqui.
17:26
First, lying online can be very dangerous, right?
333
1030303
4488
Em primeiro lugar, mentir online pode
ser muito perigoso, não é?
ser muito perigoso, não é?
17:30
Not only are you leaving a record for yourself on your machine,
334
1034791
2706
Não só estão a deixar um registo para vocês
mesmos na vossa máquina,
mesmos na vossa máquina,
17:33
but you're leaving a record on the person that you were lying to,
335
1037497
4275
como também estão a deixar um registo na
pessoa a quem estavam a mentir,
pessoa a quem estavam a mentir,
17:37
and you're also leaving them around for me to analyze
336
1041772
1760
e também estão a deixá-los por aí para eu analisar
17:39
with some computer algorithms.
337
1043532
1454
com alguns algoritmos de computador.
17:40
So by all means, go ahead and do that, that's good.
338
1044986
3173
Por isso, vão em frente e façam-no, isso é bom.
17:44
But when it comes to lying and what we want to do
339
1048159
4154
Mas quando se trata de mentir e do
que queremos fazer
que queremos fazer
17:48
with our lives, I think we can go back to
340
1052313
2553
com as nossas vidas, acho que podemos voltar a
17:50
Diogenes and Confucius. And they were less concerned
341
1054866
3749
Diógenes e Confúcio. E eles estavam
menos preocupados
menos preocupados
17:54
about whether to lie or not to lie, and more concerned about
342
1058615
2832
sobre se mentiam ou não, e mais preocupado com
17:57
being true to the self, and I think this is really important.
343
1061447
3285
ser fieis a si mesmos, e acho que isso
é verdadeiramente importante.
é verdadeiramente importante.
18:00
Now, when you are about to say or do something,
344
1064732
4183
Agora, quando estiverem prestes a dizer
ou fazer alguma coisa,
ou fazer alguma coisa,
18:04
we can think, do I want this to be part of my legacy,
345
1068915
4560
podemos pensar, será que quero que
isto seja parte do meu legado,
isto seja parte do meu legado,
18:09
part of my personal record?
346
1073475
2713
parte do meu registo pessoal?
18:12
Because in the digital age we live in now,
347
1076188
2657
Porque na era digital que agora vivemos,
18:14
in the networked age, we are all leaving a record.
348
1078845
4464
na época da rede, todos estamos
a deixamos um registo.
a deixamos um registo.
18:19
Thank you so much for your time,
349
1083309
1695
Muito obrigado pelo vosso tempo,
18:20
and good luck with your record. (Applause)
350
1085004
4447
e boa sorte com o vosso registo. (Aplausos)
ABOUT THE SPEAKER
Jeff Hancock - PsychologistJeff Hancock studies how we interact by email, text message and social media blips, seeking to understand how technology mediates communication.
Why you should listen
Jeff Hancock is fascinated by the words we choose when sending text messages, composing emails and writing online profiles. An Associate Professor of Cognitive Science and Communications at Cornell University, his research has focused on how people use deception and irony when communicating through cell phones and online platforms. His idea: that while the impersonality of online interaction can encourage mild fibbing, the fact that it leaves a permanent record of verifiable facts actually keeps us on the straight and narrow.
Hancock has also studied how we form impressions of others online, how we manage others' impressions of ourselves, and how individual personalities interact with online groups.
Jeff Hancock | Speaker | TED.com