高風(fēng)險場景下微表情高暴露的可能性實證研究

魯紹愿, 李婧婷, 東子朝, 王 港, 李 振, 馬崟桓, 王甦菁, 莊東哲

(1.中國科學(xué)院心理研究所, 北京 100101;2.中國科學(xué)院大學(xué)心理學(xué)系, 北京 100049;3.江蘇科技大學(xué), 江蘇鎮(zhèn)江 212000;4.濟寧職業(yè)技術(shù)學(xué)院, 山東濟寧 272000;5.中國人民公安大學(xué), 北京 100038)

0 引言

面部表情作為情感的外在表現(xiàn),分為微表情和宏表情,這兩種表情的區(qū)別在于持續(xù)時間和強度等。宏表情通常涉及整個面部范圍的運動,持續(xù)時間較長,在0.5 ～4 s 之間。 即使受到眨眼或吞咽等小范圍動作的影響,也可以很容易地識別宏表情[1]。 相反,微表情是自發(fā)的、微妙的、帶有情緒體驗的局部動作,持續(xù)0.04 ～0.2 s[2]。 當(dāng)人們試圖隱藏或抑制自己的真實情緒時,尤其是在高風(fēng)險場景下,即使宏表情可以被掩飾,微表情也會泄露出來,從而暴露出真實的情緒[3]。 因此,通過微表情分析識別隱藏情緒的研究正在迅速增多[5],主要集中在微表情自動化檢測和識別技術(shù)上。

隨著深度學(xué)習(xí)技術(shù)的出現(xiàn),計算機視覺在人臉情感識別方面取得了重大進(jìn)展。 多種面部線索被用作情感計算的特征。 如Benitez-Quiroz 等人提出,利用模型學(xué)習(xí)面部顏色特征,可以識別個體的面部表情[6]。 此外,微表情作為一種揭示人類情感的線索, 主要的數(shù)據(jù)庫有 CASME[7-9], SMIC[10],SAMM[11]和MMEW[12],大約1 000 個視頻樣本。 其中,由中國科學(xué)院心理研究所創(chuàng)建的CASME 系列數(shù)據(jù)庫(CASME、CASME Ⅱ、CAS(ME)2)已被來自50 多個國家的600 多個研究團(tuán)隊申請使用。 在這些數(shù)據(jù)庫的基礎(chǔ)上,很多學(xué)者對自動微表情分析進(jìn)行了大量的研究,如圖1 所示。 微表情自動分析包括微表情檢測和識別,微表情檢測是對未知視頻中的微表情片段進(jìn)行定位,微表情識別是對給定的視頻片段進(jìn)行表情分類。 微表情檢測的方法正在從手工特征差異比較方法[13-14]向深度學(xué)習(xí)方法[15-16]過渡。 同時,早期的微表情識別的方法是手工特征與機器學(xué)習(xí)[17-19]相結(jié)合,但目前主流的算法是基于深度學(xué)習(xí)識別微表情[20-22]。

圖1 自動微表情分析的研究趨勢

然而,與微表情自動分析研究相比,關(guān)于微表情背后的認(rèn)知和生理機制的研究卻很少。 這樣的研究是至關(guān)重要的,因為在更好地理解微表情背后心理活動的基礎(chǔ)上,可以發(fā)展出更準(zhǔn)確的分類方法。 最早關(guān)于微表情理論的研究是達(dá)爾文在《人與動物的表情》中提出,一些面部表情是無法抑制的,即便有極大的主觀努力也無法做到[23]。 而微表情最早是Haggard 和Isaacs 在臨床研究中發(fā)現(xiàn)的[24]。 他們認(rèn)為,微表情是由無意識的沖突抑制引發(fā)的一種快速且微弱的表情。 后來,Ekman 和Friesen 逐幀檢查了來訪者的訪談視頻,發(fā)現(xiàn)微表情的本質(zhì)是個體試圖抑制或管理自己的面部動作[25]。 這種無意識的情感泄露通常只會持續(xù)很短的時間,然后被隱藏或消失[4]。 研究者們普遍認(rèn)為,說謊者在高壓下可能會經(jīng)歷沉重的認(rèn)知負(fù)擔(dān),因為欺騙行為很可能會導(dǎo)致嚴(yán)重的后果,主要是被揭露后受到的懲罰[26],在這種情況下,自主和非自主的表情對抗會產(chǎn)生微表情。雖然許多實驗假設(shè)微表情與高風(fēng)險場景高度相關(guān),但沒有實證研究證明它們之間的關(guān)系。

模擬犯罪范式具有較高的生態(tài)效度,它模擬了一個現(xiàn)實中用于決策的風(fēng)險場景。 在模擬犯罪研究中,為了激勵被試提供無罪釋放的動機[27],成功作弊的被試會得到獎勵(更多酬勞),失敗的被試會受到懲罰(做數(shù)學(xué)題)[28]。 而選擇不說謊的被試不會得到任何額外的獎勵和懲罰。 因此對于被試而言,高風(fēng)險往往意味著高回報,被試可以根據(jù)獎懲設(shè)置自愿選擇[29-30]。 此外,研究表明,與正常人相比,嫌疑人在回答與犯罪相關(guān)的問題時有更明顯的生理反應(yīng),包括皮膚電導(dǎo)增加、呼吸抑制更大、心率下降更明顯等[31]。 因此在隱藏信息測試(CIT)過程中,通過與真實回答作進(jìn)行比較,研究人員可以識別針對欺騙反應(yīng)的特定生理指標(biāo)[32],從而區(qū)分說謊者和非說謊者[31]。

由于微表情能夠識別隱藏情緒的特性,使微表情在公安偵訊、國家安全等領(lǐng)域具有巨大的應(yīng)用潛力。 為了保證微表情分析在這類高風(fēng)險場景下的可靠性和有效性,我們在本文中進(jìn)行了實證研究,探討微表情的產(chǎn)生機制。 具體來說,為了滿足高生態(tài)效度、可行性和倫理要求,在本研究中使用模擬犯罪范式研究欺騙行為,使用CIT 方法進(jìn)行基于定向反應(yīng)假說的欺騙檢測實驗過程。 CIT 方法是一種標(biāo)準(zhǔn)化的、易于復(fù)制的程序,且不需要專業(yè)的訓(xùn)練[33],因此未經(jīng)訓(xùn)練的審訊者也能夠很好地完成。 此外,實驗通過設(shè)置不同的獎懲規(guī)則,模擬兩種風(fēng)險水平下的欺騙檢測場景,既具有真實性也符合倫理要求。 本實驗?zāi)康氖茄芯匡L(fēng)險場景和微表情之間的關(guān)系,從而驗證微表情的產(chǎn)生機制假設(shè):與低風(fēng)險場景相比,當(dāng)個體在高風(fēng)險場景中存在欺騙行為時,會產(chǎn)生更多的微表情。

1 方法

在本文中,我們使用了模擬犯罪和CIT 的組合范式,旨在揭示欺騙檢測中微表情的基本原理。 基于此微表情持續(xù)時間的定義,本實驗探索了模擬犯罪場景下兩種風(fēng)險水平的微表情表達(dá)規(guī)律。 在CIT問題詢問中也進(jìn)行了創(chuàng)新,加入與問題同步的提示圖片作為視覺刺激,目的是增加被試的認(rèn)知負(fù)荷,從而收集到生態(tài)效度高的微表情樣本。 分析數(shù)據(jù)時,對實驗中錄制的視頻進(jìn)行編碼,以識別微表情的起始幀和結(jié)束幀。 通過編碼微表情視頻的起始幀,可以截取到相應(yīng)區(qū)間的生理信號,即皮膚電活動(EDA)。 通過對數(shù)據(jù)模態(tài)的擴展,我們可以從多個維度分析微表情。 本實驗旨在探討不同風(fēng)險水平下,生理指標(biāo)是否有顯著變化,微表情泄露程度是否有顯著差異。

1.1 被試

實驗共招募62 名被試,所有被試的平均年齡為21.22 歲,年齡標(biāo)準(zhǔn)差為0.95,兩兩分為一組,獲得31 組有效數(shù)據(jù)。 在每組中,一名被試是模擬犯罪和接受審問的被試,另一名被試是審問過程中的審訊員。 各組設(shè)置滿足以下條件:每組的被試是同性別的(實驗中共有15 對男性和16 對女性);每組被試彼此不認(rèn)識,來自不同學(xué)?；蛲粚W(xué)校不同專業(yè);所有被試的年齡在18 ～26 歲之間;均無精神病史、無心理或認(rèn)知障礙;均為右利手。

1.2 設(shè)備和材料

實驗設(shè)備:一個BIOPAC MP160 多通道生理儀器;一個Intel RealSense D415 深度攝像機;一個陣列麥克風(fēng)和兩臺帶有兩個顯示器的計算機。 具體來說,實驗使用一對11 mm 接觸的Ag-AgCl121 一次性電極,填充等滲凝膠,收集EDA 信號。 傳感器放置在非優(yōu)勢手手指指腹下方,并用醫(yī)用膠帶固定。 實驗中以以200 Hz 的采樣率記錄數(shù)據(jù),設(shè)備導(dǎo)出數(shù)據(jù)是相對于每個被試的基線水平的變化值。 深度相機的分辨率為1 280 720 像素,幀率為30 fps。

實驗需要兩個房間分別執(zhí)行兩項任務(wù)。 設(shè)置模擬犯罪室和模擬審訊室,使被試在整個實驗中充分體驗執(zhí)行實際偷竊行為和接受審訊的過程。 為了提高偷竊動機,我們設(shè)置了兩個等級的獎懲規(guī)則,允許被試自主選擇。 在審訊過程中,使用深度相機收集面部圖像,并使用陣列麥克風(fēng)記錄語音對話。 模擬訊問過程采用CIT 問題和開放式問題。 當(dāng)被試回答CIT 問題時,他們面前的顯示器會同時顯示相關(guān)問題中提到的關(guān)鍵線索的圖片,以增加被試在模擬審問中的視覺刺激和認(rèn)知負(fù)荷。 最后以開放性問題結(jié)束審訊過程。 通過設(shè)置不同的獎懲規(guī)則,本研究模擬兩種不同水平的欺騙風(fēng)險,探討高、低風(fēng)險場景下的微表情暴露程度。

1.2.1 模擬犯罪室設(shè)置

圖2 和圖3 呈現(xiàn)了房間的布局和關(guān)鍵線索。 門的左邊掛著一把傘。 一張長桌子放在離門1 m 遠(yuǎn)的地方。 一個筆記本放在桌子上,其中一頁上寫著行李箱的密碼:320。 另外一張桌子下的行李箱里有一套鑰匙和一個立方體(五面為白色,一面為黃色箭頭)。 桌子右邊1 m 的地方有一把椅子。 椅子后面放著一個柜子。 手提箱里的鑰匙可以打開柜子上的鎖。 第一個抽屜里有一個手電筒,第二個抽屜是空的。 第三個抽屜里有一個鼠標(biāo),鼠標(biāo)下面壓著兩張100 元的鈔票。

圖2 模擬犯罪室設(shè)置

圖3 模擬犯罪室內(nèi)的線索

1.2.2 模擬審訊室設(shè)置

在入口1 m 處有一張長桌子,桌子后面放著一把椅子(被試的座位),桌子中間有一個電腦顯示屏,如圖4 所示。 在顯示屏前放置陣列麥克風(fēng),在顯示屏上方放置Intel RealSense D415 深度攝像機,在顯示屏后放置BIOPAC MP160 多通道生理儀。 在桌子的左右兩側(cè),有一個輔助燈;桌子的前面是審訊員的座位,生理儀器數(shù)據(jù)顯示放在桌子的旁邊,前面右邊是陪審員(主試)的座位。

圖4 模擬審訊室設(shè)置

1.2.3 審訊過程

在模擬審訊室中,我們使用54 個CIT 問題和開放式問題與被試進(jìn)行交流。 測謊過程中的所有問題都是基于模擬犯罪室內(nèi)的關(guān)鍵線索,如圖3 所示。只有一個問題的線索真實存在于模擬犯罪室中,其他問題的線索都是假的。 要求被試對任務(wù)相關(guān)的CIT 問題作否定回答,對與個人相關(guān)的CIT 問題作肯定回答。 每一組問題中與任務(wù)不相關(guān)的問題即干擾問題,以確保被試認(rèn)真傾聽每一個問題并進(jìn)行不同的回答。 審訊問題例如:

①對于與任務(wù)相關(guān)的CIT 問題,“桌子上有信封嗎?”,要求被試回答:“沒有”;

②對于與個人有關(guān)的CIT 問題,被問及者要回答“是”;

③對于開放式問題,被試需要根據(jù)自己的場景和想法做出陳述。

1.3 程序

在本實驗中,被試首先被要求單獨進(jìn)入模擬犯罪室完成風(fēng)險決策任務(wù)。 具體來說,我們鼓勵被試根據(jù)房間里的線索找到隱藏的現(xiàn)金。 在找到現(xiàn)金后,被試可以獨立選擇是否偷竊即完成高風(fēng)險任務(wù)或低風(fēng)險任務(wù)。 高風(fēng)險和低風(fēng)險的任務(wù)是由他們的行為決定的,如把錢放在口袋里即選擇了高風(fēng)險任務(wù)。 整個任務(wù)流程如圖5 的上半部分所示。 在這一過程中,審訊員并不在場。 然后被試需要寫下他們的選擇,并把它們放在信封里。 直到模擬審訊結(jié)束后,將打開信封進(jìn)行結(jié)果評估。

在完成模擬犯罪過程后,被試進(jìn)行模擬審訊任務(wù),在此過程中我們記錄了視頻、音頻和生理數(shù)據(jù)。被試回答一些與任務(wù)相關(guān)或不相關(guān)(與個人相關(guān))的問題,并回答一些開放式問題。 對于與任務(wù)相關(guān)的問題,被試應(yīng)該給出否定的回答,即“不是”。 對與任務(wù)無關(guān)的問題即一些個人相關(guān)的問題,被試應(yīng)該給出肯定的答案,回答“是”。 對于開放式問題,要求被試根據(jù)實際情況如實回答。

最后,我們根據(jù)被試在模擬犯罪過程中的選擇和被試在模擬審問任務(wù)中的表現(xiàn)來確定被試的報酬。 如果被試選擇了高風(fēng)險的任務(wù),而審訊員判斷準(zhǔn)確,即被試沒有成功欺騙審訊員,只能得到30 元的基本費用。 此外,被試還將被罰150 道基礎(chǔ)數(shù)學(xué)問題,并要求在10 min 內(nèi)完成,準(zhǔn)確率在95%以上。如果被試選擇了高風(fēng)險的任務(wù),但審訊員判斷錯誤,即為被試成功欺騙審訊員,將獲得30 元的基本費用,并獲得他們之前偷竊的200 元額外現(xiàn)金。 如果被試選擇了一個低風(fēng)險的任務(wù),但審訊員判斷錯誤,那么被試將獲得30 元的基本費用和額外的30 元作為獎勵。 否則,如果審訊員有同樣的判斷,也就是說,被試沒有成功對審訊員說謊,這個被試會收到30 元基本費用,以及與上述相同的處罰。 模擬審訊過程中的判斷見圖5 的下半部分。

圖5 模擬犯罪室和審訊程序圖

1.4 數(shù)據(jù)分析

我們對實驗中記錄的原始數(shù)據(jù)分別進(jìn)行處理,包括微表情視頻的標(biāo)注和生理數(shù)據(jù)的分析。 由Intel RealSense D415 深度相機錄制的視頻樣本被輸入微表情編碼與共享系統(tǒng)MECSS①http://mecss.psych.ac.cn/進(jìn)行編碼。 本研究使用的MECSS 是中國科學(xué)院心理研究所開發(fā)的微表情編碼系統(tǒng)。 在微表情編碼后,根據(jù)標(biāo)注的時間區(qū)間截取對應(yīng)的生理信號,EDA 作為情感和交感神經(jīng)的敏感、標(biāo)準(zhǔn)的生理指標(biāo)[34]被輸入到Social Science 26.0 SPSS 的Statistical Package 中進(jìn)行分析,用于證明在高危環(huán)境中的有效性。

本實驗使用了雙人編碼的方法,編碼人員以0.5 倍的速度觀看每個被試的審訊視頻,并在MECSS 系統(tǒng)上標(biāo)注出與情緒相關(guān)的面部動作。 在編碼過程中,只關(guān)注有情感意義的表情,排除由眨眼和說話引起的表情。 根據(jù)Intelr RealSenseTM D415 相機的參數(shù),15 幀意味著500 ms 的持續(xù)時間。 根據(jù)微表情持續(xù)時間的定義,我們以500 ms(15 幀)為基礎(chǔ),將錄像中已標(biāo)注的面部表情分為微表情和宏表情。然而,在視頻采集過程中幀丟失是不可避免的。 考慮到誤差的存在,我們將微表情的幀數(shù)判別標(biāo)準(zhǔn)定為小于等于16 幀。 為了避免實驗者效應(yīng),兩位編碼員都沒有參與實驗設(shè)計和數(shù)據(jù)收集過程(包括選擇的風(fēng)險場景和詢問內(nèi)容)。 詳細(xì)的微表情編碼方法請參考CASME 系列數(shù)據(jù)庫的文章[7-9,37]。 最終兩名編碼人員協(xié)商了雙重編碼的結(jié)果。 共編碼648 個表情,排除135 個表情,排除率為20.8%,其中15.8%為重復(fù)表情;5%是不一致的。 每個表情起始幀和結(jié)束幀被用來編碼EDA 數(shù)據(jù)對應(yīng)的時間區(qū)間。

2 結(jié)果

本實驗使用深度相機和BIOPAC 共采集31 組數(shù)據(jù)。 人工標(biāo)注面部表情起始幀和終止幀后,截取相應(yīng)時間區(qū)間內(nèi)的EDA 變化值。 我們利用SPSS 軟件的方差分析檢驗各組間差異,采用Levene 程序檢驗方差齊性,比較被試在不同風(fēng)險場景下的平均值和標(biāo)準(zhǔn)差。

2.1 個體層面分析

本實驗分析了31 名被試的數(shù)據(jù),其中18 名被試選擇了高風(fēng)險場景,13 名被試選擇了低風(fēng)險場景。

首先,我們比較了高風(fēng)險和低風(fēng)險下微表情的平均數(shù)量。 高風(fēng)險和低風(fēng)險的人均微表情數(shù)之比為1.53。 本文報告的統(tǒng)計結(jié)果來自95%置信水平下的獨立樣本t檢驗,差異無統(tǒng)計學(xué)意義,t(29) =-1.467,p= 0.153,d= 0.541。 然而,高風(fēng)險組(M=6.28,SD=4.39)產(chǎn)生的微表情數(shù)量高于低風(fēng)險組(M=4.08,SD=3.71),如表1 所示。 也就是說,在高風(fēng)險的情況下,微表情有較高的泄漏可能性的趨勢,如圖6 所示。 箱線圖分別表示高風(fēng)險和低風(fēng)險下的微表情數(shù)量。 水平線表示平均值,同心圓表示中位數(shù)。 從圖中可以看出,高風(fēng)險下微表情的暴露量更大。

表1 高風(fēng)險場景和低風(fēng)險場景的微表情組統(tǒng)計

圖6 高風(fēng)險和低風(fēng)險下微表情的差異圖

隨后,我們還比較了高風(fēng)險(t(29) =0.382,p=0.707,d=0.640 )和低風(fēng)險(M=11.85,SD=9.34)下的平均宏表情數(shù)的差異,發(fā)現(xiàn)高風(fēng)險(M=10.72,SD= 5.20)和低風(fēng)險(M= 11.85,SD=9.34)下的宏表情數(shù)差異不顯著。 但我們發(fā)現(xiàn),在95%置信水平下,每個被試的微和宏表情差異顯著,t(30) =4.336,p＜0.01,d=0.78。 宏表情的平均次數(shù)(M=11.19,SD=7.42)顯著高于微表情的平均次數(shù)(M=5.35,SD=4.20)。 但每個被試的微和宏表情數(shù)量之間不存在相關(guān)性(r(29) =0.26,p=0.15)。

2.2 表情層面分析

為了便于在EDA 中直接比較高風(fēng)險和低風(fēng)險場景,我們計算了表情區(qū)間內(nèi)EDA 的平均值。 此外,采用單因素方差分析(One-way ANOVA)評價模擬犯罪和CIT 設(shè)計在誘導(dǎo)生理覺醒方面的有效性。方差齊性檢驗的結(jié)果是假設(shè)方差相等不成立。 同時,最大振幅方差分析結(jié)果顯示,風(fēng)險的主效應(yīng)顯著,F(1,511) =13.82,p＜0.01,η2= 0.026。 低風(fēng)險場景下EDA 的變化(M=7.25,SD=9.79)明顯大于高風(fēng)險場景(M=4.46,SD=7.18)。

最后,對各表情的EDA 數(shù)據(jù)進(jìn)行被試間方差分析。 在收集的數(shù)據(jù)中,對于每個表情,將表情類型(微表情/宏表情)和風(fēng)險場景(高風(fēng)險/低風(fēng)險)進(jìn)行分組變量。 2*2 方差分析顯示,風(fēng)險場景對EDA的變化有顯著的主效應(yīng):F(1511) =4.85,p＜0.01,偏η2=0.01,低風(fēng)險場景(M=6.29,SD=9.78)的EDA 數(shù)據(jù)顯著高于高風(fēng)險場景(M=4.48,SD=7.18)。 同時,表情類型對EDA 的變化也有顯著的主效應(yīng),F(1511) =5.39,p＜0.01, 偏η2=0.01,宏表情的主效應(yīng)(M=6.33,SD=8.91)顯著高于微表情的主效應(yīng)(M=4.43,SD=7.23)。 表情類型與風(fēng)險場景之間存在顯著交互作用,F(1,511) =6.15,p＜0.05,偏η2=0.01。 相互作用效應(yīng)趨勢如圖7 所示。 表情類型與風(fēng)險場景的交互作用表明,不同風(fēng)險場景下的表情存在不同的生理機制。 同時,不同情景下表情的生理機制與表情類型高度相關(guān)[26]。因此,該結(jié)論表明,微表情出現(xiàn)在高風(fēng)險場景下的概率較高。

圖7 表情類型和風(fēng)險場景的交互作用圖

3 討論

在本節(jié)中,我們對實驗中被試的表現(xiàn)和實驗結(jié)果進(jìn)行討論,從而探討可能的原因。 首先討論被試的風(fēng)險偏好,然后區(qū)分被試在高風(fēng)險場景和低風(fēng)險場景中產(chǎn)生的不同心理過程,最后得出微表情在高風(fēng)險場景中更有可能出現(xiàn)的結(jié)論。

第一,不同風(fēng)險場景下收益權(quán)衡導(dǎo)致風(fēng)險偏好。本實驗的創(chuàng)新之處在于使用被試自愿選擇風(fēng)險場景的范式。 在收集的31 名被試中,有18 名被試自愿選擇高風(fēng)險,只有13 名被試選擇低風(fēng)險。 這種對回報的風(fēng)險偏好與以往的研究一致。 心理學(xué)研究表明,當(dāng)人們在不可避免的損失和額外收益之間做出選擇時,風(fēng)險偏好就會普遍存在[35]。 無論選擇高賭注還是低賭注,這個實驗都有可能獲得額外的獎勵和懲罰。 因此,在面對足夠的金錢誘惑時,參與模擬犯罪過程的被試表現(xiàn)出經(jīng)濟收益的風(fēng)險偏好,所以我們實驗中的被試出現(xiàn)了偏好高風(fēng)險的現(xiàn)象。

第二,本文統(tǒng)計結(jié)果支持高風(fēng)險與微表情高度相關(guān)的假設(shè)。 實驗結(jié)果表明,在高風(fēng)險場景中產(chǎn)生的微表情比例高于低風(fēng)險場景,這證實了Ekman 等人的觀點,即微表情作為泄露信息的線索,適用于高風(fēng)險的欺騙檢測[25]。 此外,被試在低風(fēng)險下的欺騙行為不是不偷錢,而是假裝偷了錢。 因為沒有不道德的行為,這種結(jié)構(gòu)使被試缺乏緊張感和罪惡感[36]。 因此,在低風(fēng)險場景下,人們通常認(rèn)為自己的欺騙行為并沒有想象的那么嚴(yán)重,所以當(dāng)欺騙發(fā)生時,他們的表情泄露得更少。 在本實驗中,高風(fēng)險場景下的面部表情泄露與低風(fēng)險場景下的面部表情泄露相比雖然沒有統(tǒng)計學(xué)上的顯著性差異,但是存在高風(fēng)險下微表情產(chǎn)生更多的趨勢,也就是說,在高風(fēng)險場景下產(chǎn)生的微表情數(shù)量更多。 這很可能是因為人們在成功實施欺騙的時候會產(chǎn)生一種成就感,這種成就感受到道德的約束時被壓抑,而在高風(fēng)險下會更難以控制,最終產(chǎn)生情緒泄露,以微表情的形式表現(xiàn)出來。 因此,相比低風(fēng)險場景,個體在高風(fēng)險場景時更可能產(chǎn)生表情線索的泄露——微表情。

第三,不同的風(fēng)險場景和不同的表情類型下EDA 指標(biāo)存在顯著差異,且兩者存在交互作用。EDA 指標(biāo)作為情感和交感神經(jīng)的敏感、標(biāo)準(zhǔn)的生理指標(biāo),可以一定程度上反映出被試內(nèi)心的真實心理狀態(tài),也就是說,在高風(fēng)險和低風(fēng)險場景下被試的交感神經(jīng)活動存在顯著的差異,同時,在微表情和宏表情下被試的情緒和情感也存在顯著的差異;另外,實驗結(jié)果還可以證明在風(fēng)險場景和表情類型的交互作用下,被試的生理和心理狀態(tài)都存在不同。

4 結(jié)論

綜上所述,本研究探討了高、低風(fēng)險場景下生理指標(biāo)的差異以及高風(fēng)險場景對微表情的影響。 (1)實驗結(jié)果證明了一個以前沒有被實證研究的結(jié)論:微表情有更高的概率發(fā)生在高風(fēng)險場景下在生理指標(biāo)上;(2)不同場景(高風(fēng)險/低風(fēng)險)下產(chǎn)生的不同表情(微表情/宏表情)的EDA 指標(biāo)存在顯著的差異;(3)表情類型(微表情/宏表情)和風(fēng)險場景(高風(fēng)險/低風(fēng)險)存在相互的影響。 因此,在未來的微表情提取和分析中,需要更多地關(guān)注高風(fēng)險場景。并且, 這一結(jié)論為后續(xù)微表情研究提供了生理機制基礎(chǔ)。

本文的研究使用EDA 來區(qū)分高風(fēng)險和低風(fēng)險場景。 在未來的研究中,更多的生理指標(biāo)可以添加到分析過程中。 另外,被試人數(shù)的限制也可能是導(dǎo)致實驗結(jié)果沒有顯著差異的原因。 因此,未來可以通過增加被試數(shù)量開展進(jìn)一步的結(jié)果分析。 同時,我們將嘗試在更多的高風(fēng)險范式中捕捉微表情,并研究相應(yīng)的微表情生成機制。