提高在线招聘数据可信度:在使用ResearchMatch时检测欺诈参与者的迹象和策略

科学领域:

• 临床研究 临床研究
• 数据科学数据科学数据科学
• 公共卫生 公共卫生

背景情况:

• 在线招聘平台使参与者更容易获得研究.
• 欺诈性的受访者和机器人损害了在线研究中的数据完整性.
• 识别欺诈性答案对于可靠的研究结果至关重要.

研究的目的:

• 识别在线研究招聘中欺诈性受访者的指标.
• 通过使用ResearchMatch在一项研究中评估欺诈性回复的普遍性.
• 提高通过在线平台收集的数据的可信度.

主要方法:

• 通过ResearchMatch招募参与者进行关于压力和应对的研究.
• 使用Qualtrics进行在线调查.
• 将Qualtrics和ResearchMatch的数据进行比较,以选欺诈性受访者.

主要成果:

• 识别了欺诈性受访者的六个关键标志:可疑的元数据,假地址,常见的西方名字,不一致/重复的数据,大量的医疗信息和短暂的完成时间.
• 通过ResearchMatch联系了63,284个账户,获得了928份调查答复.
• 确定大约46%的调查答复是欺诈性的.

结论:

• 欺诈的受访者对研究数据的完整性构成重大威胁.
• 在这项研究中,近一半的回复是欺诈性的,这突显了在线招聘的一个关键问题.
• 研究人员必须严格选欺诈数据,以确保准确可靠的研究结果.