[论文解读] 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 0

一句话总结

本文提出 ROLESafe，一种基于角色的仿真人参与干预，面向使用 Experiencer、Helper、Observer 模式的老年人，通过 GPT-4o 后端实现，较静态材料更有效地提升在线诈骗线索识别。Experiencer 和 Helper 在短期内获得的提升更显著，随访时组间差异不显著。

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.

研究动机与目标

• 解决面向老年人的互动式、多视角反诈骗教育的空缺。
• 探究基于角色的仿真（Experiencer、Helper、Observer）是否优于静态学习材料。
• 考察不同角色如何影响对诈骗线索的识别与学习结果。
• 以金融和健康领域的真实世界诈骗线索为基础进行学习。

提出的方法

• 开发包含三个角色（Experiencer、Helper、Observer）和一个对照条件的 ROLESafe。
• 使用大语言模型（GPT-4o）模拟骗子与受害者的互动，受限于预定义的诈骗线索。
• 从金融和健康场景的中国情境案例分析中提取并整理在线诈骗线索。
• 实现类似微信的聊天界面， reflecting 老年人在中国的沟通习惯。
• 进行一项 between-subjects 研究，招募 144 位中国老年人，比较四组（对照、Experiencer、Helper、Observer）。
• 评估诈骗意识、用户体验，并在一个月随访期对线索识别进行评估。

实验结果

研究问题

• RQ1 RQ1：基于角色的仿真学习如何影响 Experiencer、Helper、Observer 与对照组的老年人诈骗意识？
• RQ2 RQ2：仿真学习中的不同角色（Experiencer、Helper、Observer）如何影响老年人对在线诈骗意识？

主要发现

• 基于角色的仿真在提升诈骗线索识别方面优于静态学习材料。
• Experiencer 和 Helper 条件在即时后测中比对照组取得更大提升。
• Helper 条件的线索识别表现高于 Observer。
• 随访（约一个月后）未出现显著的组间差异。
• 定性反馈为面向老年人定制的防诈教育设计改进提供了依据。