Невербальные предикторы оценок достоверности/недостоверности сообщаемой информации

Проведен микроструктурный анализ восприятия людей в ходе непосредственного общения. Видеозаписи 15 фрагментов структурированной беседы в которой коммуниканты высказывали правдивые и ложные суждения подвергались комплексному кодированию. Каждый кадр длительностью 40 мс включал 51 невербальный признак/102 бинарных маркера, указывающие на состояния зон лица, характер движений головы, рук и туловища. По данным экспертной оценки рассчитывалась доля кадров, в которой присутствует каждый из маркеров на выделенных интервалах времени. Просматривая видеофрагменты 35 наблюдателей по внешним признакам интуитивно определяли моменты, когда коммуникант говорит правду, а когда — лжет. Анализировались частота и время встречаемости маркеров. Построены частотные регрессионные модели правдивых и ложных ответов коммуникантов. Показано, что требуемые оценки выполняются наблюдателем за 1,5—2 секунды до ответа. Высокочастотные признаки образуют устойчивое ядро впечатления о достоверности суждений коммуниканта, которое дополняется меняющимися низкочастотными признаками, объясняющими рост объяснительной способности регрессионных моделей. Выделены маркеры, содействующие адекватному восприятию достоверности/недостоверности сообщаемой информации. Описаны стилистика невербального поведения людей, реализующих альтернативные стратегии коммуникации.

В ведущихся в данном направлении психологических исследованиях выделяют три основных подхода: психофизиологический, объединяющий методы измерения и регистрация вегетативной активности (Lykken, 1998); с использованием методов анализа вербального материала, в числе которых критериальный контент анализ (CBCA) (Garrido & Masip, 2001) и экстраполяция техники мониторинга реальности (RM) (Alonso-Quecuty, 1990, 1995; Masip, Sporer, Garrido, & Herrero, 2005; Vrij, 2000); и невербальный подход, подчеркивающий важность наблюдения за невербальными сигналами для дифференциации правды и лжи (DePaulo, Zuckerman & Rosenthal, 1980; Kohnken, 1989; Masip & Garrido, 2000; Miller&Stiff, 1993; Vrij, 1998; Zuckerman, DePaulo, & Rosenthal, 1981). В рамках невербального подхода важно различать: фактические показатели обмана — невербальные сигналы, которые проявляются чаще, когда люди лгут, чем когда говорят правду; воспринимаемые индикаторы обмана — сигналы, которые заставляют наблюдателей думать, что проявляющие их лгут; и убеждения или стереотипы об индикаторах обмана — сигналы, которые, по утверждению людей, указывают на обман (Burgoon, Buller, & Woodall, 1994; DePaulo & Rosenthal, 1979; Zuckerman, Koestnerand & Driver, 1981).

Данная работа представляет собой дальнейший анализ экспериментальных данных, полученных при изучении особенностей восприятия динамических выражений лица (Барабанщиков, Жегалло, 2018). Задача настоящего исследования состояла в объяснении даваемых наивными наблюдателями оценок достоверности/недостоверности сообщаемой информации в рамках линейной регрессионной модели, опирающейся на экспертную оценку комплекса невербальных признаков.

Методы исследования

Процедура. В качестве стимульного материала использовались фрагменты видеозаписей искусственных и естественной коммуникативных ситуаций. В искусственно сконструированных ситуациях, проходивших в форме профессионального интервью, испытуемый должен был описать лицо якобы знакомого ему человека, отобранного им из набора имеющихся фотоизображений. В одном случае надо было дать такое описание, чтобы экспериментатор не догадался о ком идет речь, а в другом — чтобы узнал описываемого человека. Подчеркивалось, что участнику грозила «смертельная опасность», если в первом случае интервьюер догадается, кого скрывает интервьюируемый. Во втором случае эта угроза отсутствовала. Естественная коммуникативная ситуация представляла собой фрагмент структурированной автобиографической беседы, основанной на выявлении факторов риска (вредных привычек, агрессии, нравственных ценностей) (Барабанщиков, Носуленко, Самойленко, Хозе, 2015).

Несмотря на то, что искусственные ситуации носили игровой характер и в реальности респондентам ничего не угрожало, испытуемые отмечали, что в ходе беседы стремились максимально точно исполнить требования инструкции, испытывая глубокие эмоциональные переживания. Важную роль в создании внутреннего напряжения сыграли как значимость легенда («смертельно опасная ситуация»), так и артистизм интервьюера, ведущего допрос «террориста».

Всего в качестве стимульного материала было использовано 15 видеофрагментов (5 — ситуация «правда», 5 — ситуация «ложь», 5 — «интервью»). Продолжительность каждого фрагмента составляла 60 с, частота — 25 кадров/с, продолжительность одного кадра — 40 мс. Задача испытуемого состояла в том, чтобы во время просмотра видео определить по
выражению лица натурщика те фрагменты беседы, когда последний выглядит искренним и вызывает доверие у наблюдателя — говорит правду (ответ — на клавиатуре ПК «стрелка вправо», «правда»), или не вызывает доверие, лжет (ответ — «стрелка влево», «ложь»).

Испытуемые. В исследовании приняли участие 12 мужчин и 23 женщины в возрасте от 18 до 49 лет (средний возраст — 24,7 лет) с нормальным или скорректированным до нормального зрением. У всех испытуемых отсутствовал опыт оценки достоверности сообщаемой информации по невербальным признакам.

Обработка и анализ данных

Использованные в эксперименте видеофрагменты были подвергнуты экспертной оценке. Для каждого кадра кодировался комплекс из 51 невербального признака (табл.). Поскольку отдельному признаку может соответствовать несколько разных кодирующих значений, соответствующих разным вариантам его проявления, всего было получено 102 бинарных маркера (сигнала). Полученные данные объединялись путем усреднения на временных интервалах продолжительностью 480 мс (12 последовательных видеокадров). Таким образом, каждый видеофрагмент разбивался на 125 интервалов анализа. Для каждого интервала по данным, полученным в эксперименте, вычислялось: число оценок «правда», данных наблюдателями; число оценок «ложь», данных наблюдателями. По данным экспертной оценки рассчитывалась доля кадров, в которых присутствует каждый из маркеров. Например, если маркер присутствует на всех 12 кадрах из 12, то ему будет соответствовать значение — 1; на 9 кадрах из 12 — 0,75; на 6 кадрах — 0,5; на 3 кадрах — 0,25; если же полностью отсутствует — значение 0.Таким образом, выделенная информация представляет собой данные о выраженности 102 маркеров на 125*15=1875 интервалах анализа.

Мы полагаем, что даваемые участниками исследования оценки определяются комплексом маркеров, соответствующих состоянию натурщика в момент оценки, либо в предшествующие временные интервалы. Исходя из данного положения, для выделения искомого комплекса маркеров выполнялось построение множественной линейной регрессионной модели. Первоначально в модель включались все маркеры с частотой встречаемости, превышающей заданный порог. Исключение незначимых маркеров выполнялось пошагово, на каждом шаге проводилось вычисление информационного критерия Акаике (AIC), из модели исключался маркер, обеспечивающий максимальное уменьшение значения критерия. Остановка процедуры выполнялась, когда исключение любого из оставшихся маркеров не уменьшало значение критерия (Hastie, Pregibon, 1992). Анализ выполнялся в среде статистической обработки R (RCoreTeam, 2017). 

Таблица

Невербальные признаки, выделяемые при экспертной оценке видео

 Результаты и их обсуждение

Анализ частот встречаемости маркеров (табл., последняя колонка) показывает, что из 102 маркеров17 встречаются не более 5 раз; 10 — от 5 до 10 раз; 10 — от 10 до 20 раз; 9    — от 20 до 30 раз; 8 — от 30 до 40 раз, 48 — 40 и более раз. Для оценки значимости редко встречающихся маркеров было выполнено построение частных регрессионных моделей, объясняющих оценки «правда» и «ложь» с помощью комплекса маркеров, соответствующих состоянию натурщика на текущем интервале анализа (в течение которого были даны оценки), либо одном из предшествующих интервалов анализа. Глубина анализа составила 40 интервалов (19 с). Количество включаемых в анализ маркеров варьировалось. В анализ включались маркеры с частотой встречаемости: не менее 40 раз; не менее 20 раз; не менее 10    раз; не менее 5 раз (рис).

При минимальном пороге отбора (частота встречаемости маркеров — выше 5 раз) наилучшая объяснительная способность соответствует моделям глубиной 4 интервала анализа (-1,5 с. от времени оценки). Для оценок «правда» доля объясняемой дисперсии составляет 0,162, для оценок «ложь» — 0,166. Также для оценок «ложь» следует отметить поздние модели с высокой объяснительной способностью: при глубине анализа 26 интервалов — 0,115; при глубине анализа 36 интервалов — 0,117. При последовательном исключении относительно редко встречающихся маркеров максимум объяснительной способности для оценок «правда» соответствует моделям глубиной 3—4 интервала. Величина объясняемой дисперсии последовательно снижается до 0,136 при отборе маркеров с частотой встречае­мости выше 40. Максимум объяснительной способности для оценок «ложь» соответствует моделям с глубиной анализа 4 интервала и последовательно снижается до 0,141 при отборе маркеров с частотой встречаемости выше 40. Эффективность поздних моделей снижается до уровня «шума».

Структура ранних моделей, включающих разный объем маркеров, хорошо согласована. Модели, включающие только высокочастотные признаки, формируют устойчивое «ядро». При включении дополнительных низкочастотных признаков «ядро» остается практически в неизменном виде, рост объяснительной способности увеличивается за счет вновь включаемых в анализ признаков. Рассмотрим наилучшие частные регрессионные модели, полученные при включении в анализ маркеров с частотой встречаемости выше 40 раз. При описании моделей после названия маркера в скобках даются весовые коэффициенты и, при необходимости, частота встречаемости.

Частная регрессионная модель для оценок «правда» глубиной 3 интервала опирается на «презумпцию правды» (коэффициент Intercept=1,42; p=0,015). Данная оценка снижается за счет вклада двух оппозитных маркеров с максимальной частотой встреча­емости: «рот открыт» (-1,55; 937) и «рот закрыт» (-1,62; 909). Разница в коэффициентах
указывает, что открытый рот (признак активной коммуникации) повышает вероятность оценки «правда» по сравнению с закрытым ртом. Продолжая рассматривать зону рта, отметим, что вероятность оценок «правда» увеличивают признаки «уголки губ опущены» (1,22); «уголки губ подняты» (0,86); уголки губ ровные (0,97); «губы растянуты» (0,47). Отрицательный вклад вносят маркеры «губы зажаты» (-,025) и улыбка (-0,43). В целом, можно сказать, что комплексный признак оценок «правда» для области рта соответствует активной речевой коммуникации при демонстрируемом нейтральном или грустном со - стоянии натурщика. Отметим, что положительным маркером также является «лицо ди - намичное» (0,37).

В области глаз отрицательный вклад вносят маркеры «глаза раскрыты» (-0,36); «глаза сужены» (-0,38); «брови подняты вверх» (-0,3). Положительный вклад вносят маркеры, связанные с направлением взора: «контакт с собеседником» (0,49); «взор прямо вверх» (0,39); «взор вправо» (0,35); «взор вправо вниз» (0,24) (данный признак вызван конструктивными особенностями текущей ситуации). В целом, комплексный признак оценок «правда» для области глаз соответствует нормальному раскрытию глаз без выраженной мимики в области бровей и наличию контакта глазами с собеседником. Допускается направление взора правее либо выше собеседника. Среди жестовых маркеров положительный вклад вносят «движение левой рукой» (0,23); «движение правой рукой» (0,4); «кивок вверх/ вниз» (0,98); «движение головы вправо/влево» (0,98). Отрицательный вклад вносят маркеры «рука у подбородка» (-0,25) и «прикосновение пальцев к губам».

Частная регрессионная модель для оценок «ложь» глубиной 3 интервала опирается на «презумпцию лжи» (коэффициент Intercept=3,61; p<0,001). Данная оценка снижается за счет вклада двух оппозитных маркеров с максимальной частотой встречаемости: «рот открыт» (-2,78; 937) и «рот закрыт» (-2,7; 909). Разница в коэффициентах указывает на то, что закрытый рот (отсутствие коммуникации) повышает вероятность оценки «ложь» по сравнению с открытым ртом (активная коммуникация). Рассматривая область рта, отметим, что вероятность оценки «ложь» уменьшает маркер «уголки губ ровные» (-0,17). В то же время любые неестественные изменения в области губ вносят положительный вклад: «губы растянуты» (0,71); «губы стянуты (0,4); «губы зажаты» (0,75). Также вероятность оценки уменьшает маркер «рот закрыт рукой» (-0,61).

Рассматривая область глаз и направление взора, видим, что маркеры, ранее выделявшиеся как положительные для оценок «правда», понижают вероятность оценок «ложь» и наоборот: «контакт с собеседником» (-0,1); «взор вправо» (-0,33); «брови подняты вверх (0,33). Также вероятность оценки «ложь» снижает маркер «крылья носа вверх» (-0,29). Анализируя жесты, отметим, что положительный вклад вносят «движение правой рукой» (0,27), «рука у подбородка» (0,32); «прикосновение пальцев к губам» (1,2); «движение головы вниз» (0,47); «поворот головы вправо» (0,52); «движение головы вправо влево» (0,3). Отрицательный вклад вносят маркеры «движение левой рукой» (-0,22) и «движение головы вверх» (-0,37).

Сопоставляя жестовые маркеры для моделей оценок «правда» и «ложь» отметим согласованное действие маркеров «движение левой рукой», «рука у подбородка», «прикосновение пальцев к губам». Маркеры «движение правой рукой» и «движение головы влево/ вправо» являются не согласованными, так как повышают вероятность как оценок «правда», так и оценок «ложь». Возможно, данный эффект объясняется относительно редкой частотой их встречаемости (42 и 50 раз соответственно)

Частная регрессионная модель для оценок «ложь» глубиной 26 1Я1гт«|ивсл>15 (12 с), вк.лю- чающая низкочастотные маркеры (частота встречаемости больню 5 раз) опирается на «презумпцию правды» (коэффициент Intercept=-0,91; p=0,09). Данная оценка ув<е71Г1,1Г1ва<егся за счет вклада двух оппозитных маркеров с максимальной частотой встречаемости: «рот открыт» (1,37) и «рот закрыт» (1,57). Модель включает гтреимущественно положительные маркеры, в том 'Iосле группу оппозитных маркеров, характеризующих разные направления в.зэ|')а. Также положительным оказывается маркер «контакт с собеседником» (0,46). В то же время маркеры «нижняя губа поджата» (-0,81) и «губы поджаты» (-О.б>9) выступают как отрицательные. С’одержате.лг,пая интерпретация данной модели требует дополнительного анализа. .Можно предположить, что данная модель является результатом скрытой периодической динамикилицанатурщика.

Выводы

Обобщая полученные результаты, можно сделать следующие выводы.

1.    Принятие решения об оценке достоверности/недостоверности информации по комплексу невербальных признаков выполняется наблюдателем непосредственно перед ответом во временном интервале до 1,5—2 с. Регрессионные модели, описывающие ранние временные интервалы и опирающиеся на разный объем признаков, хорошо согласованы между собой.

2.    Поздняя регрессионная модель для оценок «ложь», включающая редко встречающие маркеры, обнаруживает аномальные свойства (инверсия ключевых маркеров), возможно указывающие на наличие скрытой периодической динамики лица натурщика.

3.    Участники исследования оценивают как достоверную (оценки «правда») информацию, сообщаемую собеседником, активно идущим на общение. Выражение лица лишено сильно выраженных экспрессий. В разговоре активно взаимодействует — соглашается либо не соглашается с репликами коммуниканта, сопровождая речь соответствующими движениями головой. Поддерживает контакт глаз. Жестикулирует левой рукой.

4.    Участники исследования оценивают как недостоверную (оценки «ложь») информацию, сообщаемую собеседником, неохотно идущим на общение, берущим паузы во время разговора. Выражение лица с искаженной мимикой в области рта, брови подняты вверх. При жестикуляции рука движется возле подбородка, прикасается к губам, но не прикрывает рот. Движения головы не связаны с репликами коммуниканта.

В проведенном исследовании участвовали наблюдатели, не имеющие специального опыта оценки достоверности сообщаемой информации по невербальным признакам. Таким образом, выявленные комплексы двигательной активности характеризуют проявления коммуникативных установок, складывающихся стихийно в ходе повседневной жизни. Разработанный метод анализа продемонстрировал возможность успешной реконструкции стратегии выполнения когнитивно-коммуникативных задач в условиях невербального общения. Можно ожидать, что его использование для выборки наблюдателей, имеющих соответствующий опыт в решении сходных задач, позволит раскрыть ориентировочную основу и способы ее использования специалистами различных профессий.

---

            Финансирование

Исследование выполнено при поддержке РНФ, грант № 18-18-00350 «Восприятие в структуре невербальной коммуникации».

1. Барабанщиков В.А. Восприятие выражений лица. М.: ИП РАН, 2009. 448 с.
2. Барабанщиков В.А. Экспрессии лица и их восприятие. М.: ИП РАН, 2012. 341 с.
3. Барабанщиков В.А., Жегалло А.В. Окуломоторная активность при восприятии динамических и статических выражений лица // Экспериментальная психология. 2018. Т. 11. № 1. С. 5—34.
4. Барабанщиков В.А., Носуленко В.Н., Самойленко Е.С., Хозе Е.Г. Полипозиционное наблюдение за поведением людей в процессе целенаправленной структурированной беседы // Психология и педагогика XXI века: теория, практика и перспективы / Под ред. Н.Б. Карабущенко, Н.П. Сунгурова. М.: РУДН, 2015. С. 109—131.
5. Alonso-Quecuty M.L. Memorias de origeninterno vs. externo: Una alternativaen la detección de la mentira // Libro de comunicaciones del Congreso Nacional de Psicología Social. Santiago: Tórculo. 1990. Vol. 2. P. 17—23.
6. Alonso-Quecuty M.L. Psicología y testimonio // Fundamentos de psicología jurídica / M. Clemente (Ed.). Madrid: Pirámide, 1995. P. 171—184.
7. Burgoon J.K., Buller D.B., Woodall W.G. Nonverbal communication. Columbus, OH: Greyden Press, 1994.
8. DePaulo B.M., Rosenthal R. Telling lies // Journal of Personality and Social Psychology. 1979. Vol. 37(10). P. 1713—1722.
9. DePaulo B.M., Zuckerman M., Rosenthal R. Humans as lie detectors // Journal of Communication. 1980. Vol. 30. P. 129—139.
10. Garrido E., Masip J. La evaluación psicológica en los supuestos de abusos sexuales // Evaluación psicológica forense 1: Fuentes de información, abusos sexuales, testimonio, peligrosidad y reincidencia / F. Jiménez (Ed.). Salamanca: Amarú. 2001. P. 25—140.
11. Hastie T.J., Pregibon D. Generalized linear models// Statistical Models in S, Chapter 6. eds ChambersJ.M., Hastie T.J Wadsworth & Brooks/Cole, 1992.
12. Köhnken G. Behavioral correlates of statement credibility: Theories, paradigms, and results // Criminal behavior and the justice system / H. Wegener, F. Lösel, J. Haisch (Eds.). London: Springer Verlag, 1989. P. 271—289.
13. Lykken D.T. A tremor in the blood. Uses and abuses of the lie detector. New York: Plenum Press, 1998.
14. Masip J., Sporer S.L., Garrido E., Herrero C. The detection of deception with the reality monitoring approach: A review of the empirical evidence // Psychology, Crime, & Law. 2005. Vol. 11. P. 99—122.
15. Masip J., Garrido E. La evaluación de la credibilidad del testimonio en contextos judiciales a partir de indicadores conductuales // Anuario de Psicología Jurídica. 2000. Vol. 10. P. 93—131.
16. Miller G.R., Stiff J.B. Deceptive communication. Newbury Park: Sage, 1993.
17. R Core Team. R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. 2017. URL https://www.R-project.org/.
18. Vrij A. Nonverbal communication and credibility // Psychology and law. Truthfulness, accuracy and credibility / A. Memon, A. Vrij, R. Bull (Eds.). New York: McGraw-Hill, 1998. P. 32—58.
19. Vrij A. Detecting lies and deceit. The psychology of lying and the implications for professional practice. Chichester: Wiley, 2000.
20. Zuckerman M., DePaulo B.M., Rosenthal R. Verbal and nonverbal communication of deception. Advances in Experimental Social Psychology. 1981. Vol. 14. P. 1—59.
21. Zuckerman M., Koestner R., Driver R. Beliefs about cues associated with deception // Journal of Nonverbal Behavior. 1981. Vol. 6(1). P. 105—114.

PlumX

Метрики публикации