使用盗版软件、赌博及浏览色情网站等是难以计量的行为，人们往往会顾虑诚实所带来的后果，令了解及处理这些问题有一定困难。不过，一项研究显示，要在保密的原则下得到较为真实的答案，其实是有可能的。

香港科大的关树建、苏家培及谭嘉因进行有关软件盗版的研究时尝试采用一个不常用于信息科技研究的方法-随机响应技巧（randomized response technique, RRT）。他们发现研究敏感问题时，RRT比发问直接的问题更能令受访者诚实作答。

RRT将敏感问题混合无关痛痒的问题，让受访者选择回答，从而淡化羞愧或尴尬的感觉。例如，受访者可用「掷公字」方式决定回答两条问题其中一条，但只有他本人才知道钱币的「公」和「字」分别代表那一条问题。研究人员根据或然率判断受访者回答了那条问题，而非由他们亲口告知。

这个研究方法成功与否，在软件盗版等产业中非常重要-每年，盗版软件令信息科技业损失四百八十亿美元。研究人员经常表示研究结果受「失实的响应」所限制，但直到目前为止，这个问题仍未解决。

三位学者表示：「『失实的响应』即受访者的答案未有如实反映他的意见、看法、感受、意图或行为，可能是因为受访者认为问题或答案太敏感，又或者他们担心要因为其回应付上法律责任。这对行为研究造成很大的困难，令极度需要客观调查的领域缺乏研究数据。」

为了解决以上问题，三位学者进行了两项网上调查。在每项调查中，其中一组受访者须直接回答有关他们对盗版软件的态度、意图及行为的问题，另外两组则以RRT进行测试。RRT组别的受访者暗地从一至四之中选择一个号码，然后计算机屏幕上会出现随机数字，其中一组受访者须于随机数字与他们所拣选的号码吻合时回答问题，另一组则于随机数字与他们的号码不一样时回答。

RRT问题的字眼经过仔细修饰，将一条无关痛痒的问题与一条敏感问题放在一起，令受访者相信他们的响应并不会直接令其与不当行为扯上关系（例如，受访者须就「我拥有很多没有经过授权抄写的软件」或「我很喜欢旅游」作出回应）。

透过以上方法及或然率，三位学者确认RRT比直接发问获得更诚实的答案。

他们说：「与询问对盗版软件态度的问题相比，响应失实的情况于有关意图及行为方面的问题上较为严重。一般来说，RRT受访者较愿意揭露自己政治不正确或不法的态度、意图及行为。」

三位学者亦扩大了RRT的应用，探讨多个变量，就是惩罚的必然性和软件价格如何影响受访者的态度，以及这与盗版行为有什么关系。在此之前，RRT只应该于单变量问题。他们发现，其它研究可能过于强调态度与惩罚必然性的影响，却忽略了价格的重要性。

总括来说，研究证实使用RRT探讨敏感问题是有效的。三位学者表示：「我们的研究初步为研究人员提供了实证，释除他们进行软件盗版研究时有关响应失实的疑虑。若我们能更深入了解回应失实的程度以及其对因果关系的影响，将有助更有效地打击盗版活动。」

「其它敏感问题可能也有这种情况出现，例如信息保密、网络躲懒、非法入侵他人计算机、网上赌博及观看色情内容等。我们建议使用RRT来处理研究这些问题时所遇到的响应失实情况。」