[논문 리뷰] Experiencer, Helper, or Observer: Online Fraud Intervention for Older Adults Through Role-based Simulation

Yue Deng, Chen, Xiaowei외 3명|arXiv (Cornell University)|2026. 01. 18.

Cybercrime and Law Enforcement Studies인용 수 0

한 줄 요약

본 논문은 Experiencer, Helper, 및 Observer 모드로 구성된 역할 기반 시뮬레이션 개입인 ROLESafe를 도입하며, GPT-4o 백엔드로 구현되어 정적 자료에 비해 온라인 사기 단서 식별을 향상시키고자 한다. Experiencer 및 Helper가 단기 이득이 더 크고, 추적 조사에서 그룹 간 차이는 없다.

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.

연구 동기 및 목표

• 노인을 위한 인터랙티브하고 다각적 관점을 반영한 사기 방지 교육의 격차를 해소한다.
• 역할 기반 시뮬레이션(Experiencer, Helper, Observer)이 정적 학습 자료보다 우수한지 조사한다.
• 다른 역할이 사기 단서 인식 및 학습 결과에 어떻게 영향을 미치는지 검토한다.
• 재정 및 건강 맥락에 걸친 실제 사기 단서를 바탕으로 학습을 강화한다.

제안 방법

• 세 가지 역할(Experiencer, Helper, Observer)과 대조 조건으로 ROLESafe를 개발한다.
• 사기꾼과 피해자 상호작용을 시뮬레이션하기 위해 LLM(GPT-4o)를 사용하되, 사전에 정의된 사기 단서에 의해 제약한다.
• 재정 및 건강 맥락에서 중국 맥락의 사례 분석으로부터 온라인 사기 단서를 추출하고 선별한다.
• 중국 내 노인들의 의사소통 습관을 반영하기 위해 WeChat 스타일 채팅 인터페이스를 구현한다.
• 대상 간 연구를 통해 144명의 중국 노인을 모집하고 네 그룹(대조, Experiencer, Helper, Observer)을 비교한다.
• 사기 인식, 사용자 경험을 평가하고 단서 인식에 대한 1개월 추적 조사를 수행한다.

실험 결과

연구 질문

• RQ1 RQ1: 역할 기반 시뮬레이션 학습이 Experiencer, Helper, Observer 및 대조군에서 노인들의 사기 인식에 어떻게 영향을 미치는가?
• RQ2 RQ2: 시뮬레이션 학습 내의 서로 다른 역할(Experiencer, Helper, Observer)이 노인들의 온라인 사기 인식에 어떤 영향을 미치는가?

주요 결과

• 역할 기반 시뮬레이션이 사기 단서 식별 향상에서 정적 학습 자료보다 우수하다.
• 즉각적 사후 테스트에서 Experiencer 및 Helper 조건이 대조군보다 더 큰 이득을 보였다.
• Helper 조건이 Observer보다 단서 식별 성능이 더 높다.
• 추적 조사(약 1개월 후)에서 그룹 간 유의미한 차이가 나타나지 않았다.
• 정성적 피드백은 노인 맞춤형 사기 교육 설계 개선에 정보를 제공한다.