基于认知负荷取向的欺骗检测研究

Deception detection has always been an important research issue in psychology. Recent years, researchers proposed cognitive load approach to deception detection to increase differences between liars' and truth-tellers' behaviors. Based on this approach, researchers try to find reliable deception clues. However, there are still some problems to be solved, such as whether larger cognitive load facilitates deception detection or not. This project aims to investigate the influence of cognitive load on deception detection in the first study. The second study intends to search behavioral and physiological indicator by memory detection. In the last study, we will conduct individualized diagnose research of deceptive behavior using machine learning methods. This project will help researchers to further understand the relationship between cognitive load and deception detection, and will contribute to the deception detection in judicial field.

欺骗检测一直是心理学的重要研究问题。近年来研究者提出认知负荷取向的欺骗检测方法，通过增加认知负荷诱发欺骗者和诚实者更大的行为差异，进而寻找欺骗线索。然而增加认知负荷是否促进欺骗检测，目前研究结果并不一致，并且基于该方法所获得的欺骗线索仍存在可靠性不足等问题。针对上述问题，研究一系统考察增加认知负荷是否促进欺骗检测。通过设置干扰任务增加个体的认知负荷，着重考察不同性质和难度的干扰任务对欺骗检测的影响。在此基础上，研究二采用合适的干扰任务探查增加认知负荷条件下的欺骗检测指标。不同于直接寻找欺骗线索，本研究通过检测欺骗者和诚实者在某些事件信息上的行为和生理差异寻找欺骗检测指标。研究三采用机器学习方法进行欺骗行为的个体诊断研究，检验所获得的指标用于个体诊断的有效性。本项目将有助于研究者进一步理解认知负荷与欺骗检测的关系，研究结果将有助于司法安防等领域的欺骗检测。

近年来，基于认知负荷取向的欺骗检测受到了研究者的广泛关注。本项目综合使用认知心理学实验方法和机器学习技术，开展基于认知负荷取向的欺骗检测研究。主要研究内容包括：一是构建基于认知负荷测谎的理论模型；二是探寻稳定有效的测谎指标。研究成果主要包括：（1）构建了基于认知负荷测谎的理论模型。欺骗者做虚假反应时会产生记忆—反应冲突，如果在冲突解决过程中增加其认知负荷，会导致冲突更难解决，使反应时增加及正确率降低，并体现于神经生理的变化。通过认知负荷的操纵，增加欺骗者和诚实者表现的差异，进而促进欺骗检测。（2）探讨了欺骗检测的行为和神经生理指标。在隐瞒信息测试中设置外源式干扰任务，获得了稳定有效的反应时指标。生理指标晚期P3波幅与欺骗检测相关。（3）考察了局部面部动作在表情感知/识别中的作用。注视朝向、嘴部运动影响个体的表情识别。本项目将有助于研究者进一步理解认知负荷与欺骗检测的关系，研究结果将有助于司法安防等领域的欺骗检测。