[論文レビュー] Experiencer, Helper, or Observer: Online Fraud Intervention for Older Adults Through Role-based Simulation

Yue Deng, Chen, Xiaowei+3 more|arXiv (Cornell University)|Jan 18, 2026

Cybercrime and Law Enforcement Studies被引用数 0

ひとこと要約

論文は、Experiencer、Helper、Observerモードを用いたROLESafeという役割ベースのシミュレーション介入を紹介し、静的資料と比較してオンライン詐欺の合図識別を改善することを示す。ExperiencerとHelperは短期的な gains がより強く、フォローアップ時には群間差は見られない。

ABSTRACT

Online fraud is a critical global threat that disproportionately targets older adults. Prior anti-fraud education for older adults has largely relied on static, traditional instruction that limits engagement and real-world transfer, whereas role-based simulation offers realistic yet low-risk opportunities for practice. Moreover, most interventions situate learners as victims, overlooking that fraud encounters often involve multiple roles, such as bystanders who witness scams and helpers who support victims. To address this gap, we developed ROLESafe, an anti-fraud educational intervention in which older adults learn through different learning roles, including Experiencer (experiencing fraud), Helper (assisting a victim), and Observer (witnessing fraud). In a between-subjects study with 144 older adults in China, we found that the Experiencer and Helper roles significantly improved participants' ability to identify online fraud. These findings highlight the promise of role-based, multi-perspective simulations for enhancing fraud awareness among older adults and provide design implications for future anti-fraud education.

研究の動機と目的

• 高齢者向け反詐欺教育の対話的・複数視点のギャップを埋める。
• 役割ベースのシミュレーション（Experiencer、Helper、Observer）が静的学習資料より優れているかを調査する。
• 異なる役割が詐欺の合図認識と学習成果に与える影響を examine する。
• 金融・医療文脈における現実の詐欺合図を基盤として学習を定着させる。

提案手法

• Experiencer、Helper、Observerの三つの役割と対照条件を含むROLESafeを開発する。
• LLMs（GPT-4o）を用いて詐欺師と被害者の相互作用を模擬し、事前定義の詐欺合図によって制約を加える。
• 金融・医療文脈の中国語-contextケース分析からオンライン詐欺合図を抽出・精選する。
• 中国の高齢者のコミュニケーション習慣を反映したWeChat風チャットインターフェースを実装する。
• 4群（対照、Experiencer、Helper、Observer）を比較する144人の中国人高齢者を対象とした被験者間研究を実施する。
• 詐欺認識、ユーザー体験を評価し、合図識別の1か月フォローアップを実施する。

実験結果

リサーチクエスチョン

• RQ1 RQ1：役割ベースのシミュレーション学習は、Experiencer、Helper、Observer、対照群のいずれにおいて高齢者の詐欺認識にどのような影響を与えるか。
• RQ2 RQ2：シミュレーション学習内の異なる役割（Experiencer、Helper、Observer）は、高齢者のオンライン詐欺認識にどう影響するか。

主な発見

• 役割ベースのシミュレーションは、静的学習資料よりも詐欺の合図識別を改善する。
• 直後のポストテストでは、ExperiencerおよびHelper条件が対照群より大きな向上を示す。
• Helper条件はObserverより合図識別の性能が高い。
• フォローアップ（約1か月後）では、群間差は有意ではない。
• 定性的フィードバックは、高齢者向け詐欺教育の設計改善に情報を提供する。