網站首頁 > 新聞中心 > 腦科學新聞
聯系方式
手機:18580429226
聯系電話:023-63084468
聯系人:楊曉飛
聯系郵箱:syfmri@163.com
聯系地址:重慶市渝中區青年路38號重慶國際貿易中心2004#
信息內容
NATURE COMMUNICATIONS:誠實的神經表征可以預測未來的信任行為
發布者:admin 發布時間:2019/12/2


信任是社會生活的重要組成部分,它能使合作成功和促進個人的幸福。然而,促使人們信任他人的因素在很大程度上仍有待探索。有理論分析認為,誠實是判斷一個人的可信度以及提高信任行為的一個中心決定因素。然而,關于誠實和信任之間關系的行為和神經證據仍舊是缺失的。

因此,在這里,來自德國呂貝克大學的研究者們結合一個新的范式,成功地誘導了可信度印象。通過引導可信度印象,并且將其與功能磁共振成像和多變量分析結合,他們證明以誠實為基礎的可信度表征在后扣帶皮層,背外側前額葉皮層和頂內溝。至關重要的是,這些區域的大腦信號預示著個體在隨后與同一伴侶的社會交往中的信任行為。

同時,誠實激發了腹內側前額葉皮層(VMPFC),在誠實編碼過程中,VMPFC和顳頂葉交界處之間的功能連接更強,這與在隨后的互動中更高的信任度有關。這些結果表明:VMPFC中的誠實信號被整合到誠信信念中,從而影響當前和未來的社會行為。這些發現提高了我們對在人際交往中指導行為的個體社會特征的神經表征的理解。該研究發表在NATURE COMMUNICATIONS雜志。 

 

研究背景

有一種說法認為,在社交活動中,相互作用的主體關注于最大化他們的個人收益。這種解釋假設,最理性的行為人信任他人,只要他們相信信任他人比不信任他人更好。實施信任博弈等經濟博弈的實證研究證實,只要信任能帶來金錢報酬,人們就愿意信任。然而,當缺乏外部激勵或信任導致金錢損失時,信任水平會顯著下降。

另一種解釋認為,個體在信任他人時,會考慮到交往對象的社會特征和態度。在這方面,個人通過關注他人的行為是否促進公平、平等和合作來尋求形成對他人社會特征的信念。誠實,也就是可靠的品質和分享真實信息的傾向,被認為是可信度的中心決定因素,會促進信任的社會行為。例如,利他行為、無條件的善良和互惠都是對他人誠實的反應。然而,誠實是否也能鼓勵他人信任的加強還有待探索。

這兩種解釋對信任背后的神經機制做出了不同的預測。當個體在信任決策后關注于有利和不利的序列之間的權衡時,大腦中發出實際或假設決策結果信號的區域(如腹側紋狀體和背側前腦島)應該被納入信任交互中。

相反,如果信任其他的社會角色與對他人的社會特征信念有關(如認為他人是否品質高尚等),那么與社會評價相關的腦區(如腹內側前額葉皮層、VMPFC和背外側前額葉皮層,DLPFC),和推斷意圖相關的腦區(如后顳交界處,pTPJ)應該參與在信任行為中。然而,迄今為止,關于大腦區域代表另一個人誠實品質的證據仍然缺失。

在這項研究中,作者首次調查了有關他人誠實品質的信息是否會喚起可信賴性印象,從而預測未來對他人的信任。重要的是,一個值得信賴的人的聲譽已經被認為會影響社會學習過程中的信息處理。特別是,盡管個人更喜歡與值得信賴的伙伴互動,并向他們學習,但對他人的可信賴性的信念會影響來自可信賴的人的信息是如何被個體進行處理和學習的。這種偏見的一個假設解釋是,關于他人的可信度的信念調節了來自值得信任的人的信息的評估。例如,以前的研究將關于他人互惠的偏見信念與眶前額皮質(OFC)中信息編碼方式的差異聯系起來。然而,作為一個誠實人的聲譽是否調節了信息編碼,OFC是否在這種有偏見的信息處理中起作用,這仍然是未知的。

這里,作者開發了一個trust-inducing范式(接受游戲),這使作者可以將社會評價信號與誠信(學會通過她的誠實和不誠實的行為)從非社會價值相關任務(如金錢損失屬于理性利益判斷)中分離出來。能夠解開這兩類信息是至關重要的兩個主要的研究目標。一方面,它使我們能夠分離出與他人誠實品質表征相關的腦信號。另外,它使我們能夠研究其他誠實的成分對信息處理的調節作用。在TAC游戲中,被試扮演被建議者的角色,必須從建議者的誠實或不誠實建議的反饋中了解他們的可信度。在TAG之后,參與者扮演投資者的角色,與之前為他們提供咨詢的顧問進行一次性TG(信任游戲)任務。 

 

研究方法:

被試:

31名參與者(20名女性)參與了實驗(年齡:24.29 3.81 MEAN, SD)。參與者是從該大學的學生社區招募的。他們都是右利手,沒有神經或精神病史。參與者在提供完整的研究描述后,給予書面的知情同意。所涉及的所有程序都符合《赫爾辛基宣言》,并得到了德國呂貝克呂貝克大學倫理委員會的批準。

實驗設計:

TAG任務中(Take advice game),參與者作為被建議者,隨機與8名不同的建議者玩一個紙牌游戲。參與者被告知,這些顧問是參與同一實驗的其他參與者,他們正在其他房間里做準備。參與者被告知,游戲中的角色是通過從彩票箱中隨機抽取一個球來分配的,所有的參與者在實驗之前都要這樣做。同時由于透明度的原因,抽簽程序將在屏幕上方的攝像機前進行,每個參與者都可以看到其他房間的參與者。但為了保證匿名性,所有的攝像頭都安裝在屏幕的頂部,這樣每個參與者只記錄到下巴。為了確保這一點,相機的調整是在拉球之前進行的。此外,為了進一步保證匿名性,每個參與者需要選擇一個代表他們自己在游戲中的化身。在真實的實驗中,參與者總是接受被勸告者的角色,其他視頻都是預先錄制的(即所有的被試在實驗中都是接受建議(即被勸告者)的人,但他們自己并不知道)。

作為被勸告者,參與者的任務是抽一張數字更大的牌。卡片上的數字從1到9(除了5)不等。由于參與者沒有關于卡片號碼的任何信息,他們需要完全依賴顧問的建議來做決定(建立一個顧問和被建議者之間的相互依賴關系是信任所必需的)。參與者被告知,顧問只能看到兩張卡片中的一張(顧問階段:2-3秒),并且可以將這一信息傳達給他們(咨詢階段:1秒)。這意味著,盡管顧問比我們的參與者掌握的信息更多,但他們并不知道哪張牌是贏家,這與現實生活中的情況類似,即人們通常會向那些可能更了解情況的人尋求建議,但顧問很少對生活情況有全面的了解。參與者也知道顧問可以幫助他們,但這樣并不比接受建議產生明顯更優的效果。但雙方都提前被告知,在TAG之后,他們要玩第二個游戲,即TG(見下)),參與者可以回報顧問提供建議時的誠實。因此,在TAG游戲中,顧問們被激勵去建立良好的聲譽,希望參與者以后會回報他們。

然而,被試并沒有直接承諾償還顧問。這種設計所產生的動力類似于現實生活中的互動,在這種互動中,誠實的行為(例如,提供好的建議)通常不會給一個人帶來直接的好處,但可能會幫助她建立良好的聲譽,這可能在未來產生有利的結果(一種可能的、遠的好處)。

此外,為了將顧問的可信度信息(誠實/不誠實)與參與者決策的價值信息(贏/輸)區分開來,誠實顧問的建議對獲勝的牌(即贏/輸)沒有預測性(即50%的游戲失敗的卡信息是由誠實的顧問提供的)。因此,卡片是從一個均勻分布的偽隨機抽樣中提出的。對偽隨機抽樣程序進行了優化,使抽牌的實現概率在兩種情況下都接近隨機抽牌的概率。

兩樣本Kolmogorov-Smirnov檢驗證實,顧問之間(指誠實和不誠實顧問)實現的卡號分布沒有差異(K-S檢驗= 0.25;p = 0.929)。實驗的流程是在決策階段,被試選擇兩張卡片中的其中一張,然后在反饋階段,他們接受反饋信息。反饋信息包括了社會性信息和非社會性信息,從社會性信息他們可以推斷出顧問的可信度,而非社交信息分別代表贏錢或輸錢的綠色或紅色圓圈(如圖1a所示)。在每個試次中,參與者可能贏或輸1歐元。試驗間刺激間隔為2-8s (M= 2.6s),而試驗間的jitter(隨機間隔)設置為2-8s (M= 4s)。參與者一共玩了5個run,每個run有48個試次(誠實者24次,不誠實者24次),總共240次。

 

圖一 實驗流程圖

注:被試在做這個TAG任務時是躺在核磁里做的,在a中可以看到,顧問們得到了兩張卡中的一張的信息,可以將這些信息傳達給被咨詢人。參與者作為被咨詢人,根據收到的信息做出決策(決策階段)。在反饋階段,被試者看到卡片上的實際數字,這些數字會告訴他們被試者是否誠實(誠實vs不誠實),然后一個綠色或紅色的圓圈分別告訴他們他們是贏還是輸。然后做完實驗后,被試在核磁外完成TG游戲(如圖B)。

 

TG(Trust Game)任務:  

掃描環節結束后,參與者以投資者的身份,與在TAG中給他們提供建議的同一合作伙伴進行一次TG游戲。每個顧問作為受托人,參與者被賦予10美元,并決定他們是否愿意與他們分享這些初始資金(經濟信托決策)。他們被告知,無論他們決定分享多少,實驗人員都會將其增加兩倍,并將其傳遞給受托人,受托人再決定分享其中的任何一部分(互惠決定)。研究了在新的社會交往中,在TAG中所建立的誠實聲譽對個體信任的轉移效應。 

 

圖像采集:

西門子3T,結構像使用矢狀位掃描,176層,體素大小1*1*1。其他參數為常用參數。功能像掃描了360個連續時間點,共掃描了5個run(即每個run有360個時間點)。TR為2000ms,體素大小:3*3*3,37層,軸位掃描。 

 

圖像預處理及分析:

使用spm12做圖像處理,包括時間層矯正、頭動矯正(使用了場圖做場強矯正)、兩步配準法配準至MNI標準空間(對功能像體素做了重切,切為2*2*2),最后進行了高斯空間平滑(2*2*2)。頭動的剔除標準為3mm。在功能磁共振成像數據的單變量和多變量分析中,第一層(即first level)定義了兩個有八個感興趣的回歸量(每個任務階段兩個)的GLMs,以便能夠分別估計與可信度和價值編碼相關的神經信號的beta參數。

 

GLM1由以下回歸量組成:

顧問階段的兩個回歸量,建議階段的兩個回歸量,決策階段的兩個回歸量,反饋階段的兩個回歸量來對顧問的可信度(誠實/不誠實)進行編碼。GLM2包含與GLM1相同的回歸量,除了反饋階段是對價值編碼信息(贏/輸)的兩個回歸量(即GLM1考察社會信任,GLM2考察價值信息編碼)。作者進行了對照分析,以檢查可信度的神經信號是否受到其他因素的干擾。特別是重新運行了GLM1,添加了進一步的回歸量和參數調制器,以解釋可能由風險和一致性效應引起的方差變異。為了控制風險,首先是在反饋階段的誠實和不誠實兩個回歸量中加入兩個正交參數調制器(在spm中的一階分析中每個條件的設置處都有參數調節項可進行設置):包括給定建議者的建議,一階報酬概率項和二階報酬方差項(即,即對預期結果的均值平方偏差),是報酬概率p的二次項,表示給出顧問建議后的預期風險。其次,為了控制意外影響(例如顧問的建議與被建議卡上的實際卡號之間的信息偏差),作者為所有反饋階段(即持續時間為1,一致性程度(連續變量)設置了參數調節項。

作者還對參數調制方法進行了進一步的優化和設計。具體見實驗設計部分。

最后,為了分別調查與誠實和不誠實顧問交互時大腦對積極和消極結果的反應,并分析誠實和不誠實對價值信息的神經反應的調節,GLM3被定義為共包含10個感興趣的回歸量。除了反饋階段外,所有的任務階段都具有與GLM1和GLM2相同的回歸量。在反饋階段,四個回歸量分別被定義為:誠實的顧問和不誠實的顧問提供建議時獲得的獎金和損失。在所有的GLMs中,條件被建模為使用stick函數(即在duration設置中將每個條件的持續時間設置為0)。

同時,6個方向的頭動被作為協變量控制,使用一個128s的高通濾波對信號濾波,然后將設計矩陣與一個標準的HRF進行卷積。使用cluster水平的FEW矯正,體素水平的p閾值為0.001,cluster水平為0.05. 

 

多體素模式識別分析:

采用線性二分類支持向量機算法(SVM)和半徑為10毫米的全腦search light方法,對可信度(誠實/不誠實)和價值(贏/輸)信息的神經表征進行多體素模式識別分析。作者使用每次只對一個run的數據進行分類訓練,其余四個run作為測試集的方法進行交叉驗證,獲得每一次分類訓練的分類準確性和敏感性,共運行這個過程5次。為了能夠對建議者的信息進行解碼,作者使用了GLM1模型中feedback的兩個回歸量的beta圖(用了標準化但未smooth的圖像,smooth會降低多體素模式識別的探測效力)。同時,為了對價值信息對被試的影響進行解碼,作者使用了GLM2中feedback的兩個回歸量的beta圖(同樣是標準化后未smooth的圖像)。Search light解碼分析是在全腦所有體素進行的,作者使用了灰質mask進行統計區域的限定(使用了absolute 制作出的mask,絕對概率設置為0.1)。

作者使用的beta圖是進行過z值標準化的圖,使用交叉驗證的方法進行分類訓練,訓練方法如上述。為了評估組水平分類的準確性,作者進行了10000次的置換檢驗,顯著性水平為0.05。

隨后的多變量預測分析用于預測可信度和價值信息對TG(委托給顧問的資金的個人平均值)中隨后的經濟信任決策的影響,基于相同的LOSOCV(樣本外分類留一交叉驗證)過程和置換檢驗,但對連續變量的預測使用支持向量回歸。 

 

對功能解碼的元分析

為了描述可信度解碼網絡的功能規范,使用Neurosynth圖像解碼器進行了圖像解碼的元分析。Neurosynth圖像解碼器允許定量估計任何基于任務的激活模式與特定領域相關的元分析激活模式之間的代表性相似度,這些激活模式是基于Neurosynth數據庫中的大腦圖像生成的。相似度被計算為基于任務和元分析地圖之間所有體素的Pearson相關性。作者選擇了12個不同領域的元分析圖來測試一個特定的先驗假設,即可信度解碼圖更可能與社會領域的功能角色相關,而不是與獎勵、風險和一致性領域相關。必須指出的是,觀測到的相關性雖然相對較小,但與以前的研究一致。

此外,雖然分析是定量的,但可以得出的結論在本質上是描述性的,因為沒有推理統計來測試任何觀察到的相關系數是否顯著高于其他(即這里的分析不是統計推斷式的)。 

 

任務依賴的功能連接分析(其實就是PPI)

為了測試反應基礎誠實信號的VMPFC與整個大腦任何區域之間的功能連接,作者使用了一種全腦心理生理交互作用(PPI)進行了分析,并進行了任務依賴功能連接分析(ROI是10mm半徑)。PPI分析只講VMPFC作為了種子點,在PPI的GLM建模中,回歸了生理回歸量和心理回歸量,來觀察感興趣的條件結果。顯著性水平同樣采取cluster水平矯正,voxel水平為0.001,cluster水平為0.05. 

 

結果

1.  誠實和信任行為之間的聯系

首先,作者測試了誠實是否與較高的信任水平相關,而與最近的收益(也就是TAG游戲中的價值任務)無關。在TAG中,個人應該更愿意接受誠實顧問的建議,而不相信不誠實顧問的建議。結果表明,參與者從誠實的人那里得到的建議顯著多于從不誠實的人那里得到的建議(t (30) =3.68;p < 0.001,Cohen’s d= 0.7,圖2a左)。同時,作者還發現,參與者們在決策階段自由決策時,采取的決策策略是更多的相信城市的建議者,進行他們知道這并不能提升他們獲勝的幾率(作者在被試做完TAG任務后,對被試進行了問卷調查,以了解被試在TAG游戲中所使用的策略,其中88.2%的被試報道自己采取了信任誠實建議者的策略)。

同時,被試在參與過程中逐步調整自己的判斷策略,這一調整受到建議者的誠信度的顯著影響(因此在第一次判斷時是不知道誰誠信的,只有在feedback后才能逐步確定所有建議者的誠信水平)。從圖2a右的曲線變化中可以明顯看出,隨著時間的推移,參與者對誠實和不誠實的顧問的建議采納行為越來越不同(β= 0.01; SE=0.006;95% CI= [0.0001, 0.024]; p= 0.048)。 

表一 被試接受誠實/不誠實建議者的意見的邏輯回歸統計表(接受與否為分類變量)

 

 

2 被試在實驗中對誠實和不誠實建議者的意見采取統計結果

 

2.  可信度的神經表征

由于在反饋階段,參與者收到了關于對方的可信度(誠實/不誠實的行為)和他們自己的任務表現(贏/輸)的信息。因此,作者使用MVPA(多體素模式識別)方法對可信度表征激活模式(GLM1)和價值信息表征激活模式(GLM2)進行了解碼分離。分析過程如前所述,作者使用了樣本外分類留一交叉驗證來分析分類準確性,同時使用置換檢驗。

在可信度表征激活模式的分類中,PCC(后扣帶回), DLPFC(背外側前額葉),和IPS(頂內溝)腦區表現出顯著的對與誠實相關的任務和不誠實相關的任務條件引起的激活模式進行分類的能力(正確率68%,p值小于0.0001,圖3)。

在價值信息表征激活模式分析中,紋狀體和ACC(前扣帶回)可以顯著的區分獲勝和失敗引起的大腦激活模式(正確率82%,p值小于0.0002,圖3)因此,這些分析表明了社會性信息和代表價值性信息的網絡是可以分離的。值得注意的是,價值信息的分類精度遠高于社會特征信息的分類精度。這些結果與以前的發現一致,可能取決于社會概念的性質,這些社會概念是分布式的神經表達,使用基于解剖學的search light方法可能很難完全捕捉到。

 

3 多體素模式識別分析結果,其中abc為分離誠信與不誠信的分析結果,de為分離獲勝和失敗的分析結果。f表示了每個被試實際進行的選擇和多變量模型預測結果之間的高相關性

隨后,作者使用元分析功能解碼(neurosynth)進行表征相似性分析。特別地關注了在本研究中發現的可信度的神經特征與反向推理的元分析神經模式,這些神經模式是存儲在Neurosynth數據庫中的先前研究的神經圖像,并與特定的心理學領域相關聯。在這項分析中,選擇了12個與社會和非社會領域相關的術語,如社會認知、心智理論、獎勵、一致性和風險。結果表明,可信度解碼網絡與心理和社會認知相關的心理領域有顯著的相關性(圖4),進一步確認了作者挑出可能構成顧問可信度信念基礎的神經模式的能力。接下來,作者將測試可信性解碼網絡在表征他人可信度方面的特殊功能。

 

4 功能meta分析的雷達圖,圖中的強度值為相關系數

 

3.可信度的神經表征預測信任表現     

一個性格特征的神經表征的一個中心特征(比如可信度)是,它在不同環境下做出決定的能力。因此,解碼他人信任價值的神經模式(在可信度解碼網絡中,而不是在價值解碼網絡中)應該能夠預測TG中的個體信任決策為了驗證這一點,作者使用LOSOCV程序進行了多變量預測分析。根據隨機分布檢驗預測顯著性(同樣是置換檢驗)。結果表明,可信度解碼網絡能顯著預測個體委托建議者(誠實者和非誠實者)的金額(圖3f)。但是價值網絡則無法顯著預測個體委托建議者的金額(圖五所示,a為可信度網絡,b為價值網絡,b的均方誤明顯更大,從黑色的粗線可以看出b中的個體預測誤差更大且數量更多)。

 

5 多變量預測分析結果

 

4. 更強的誠實信號整合與更高的信任相關

MVPA識別了包含他人信任信息的腦信號的神經模式,這些信息包含了個體信任行為的信息,并且與價值信息相關的神經模式不同。為了進一步研究誠實和不誠實對大腦區域的影響,以及誠實是否以及如何調節神經對價值信息的反應,在反饋階段對大腦信號進行了全腦單變量分析(即直接比較一組被試的誠實條件和不誠實條件)。

通過對誠實與不誠實行為的對比分析,發現不誠實行為對雙側DLPFC、左側IPS和IPL的激活作用更強(FWEc <0.05,圖6a),而誠實行為對VMPFC(腹內側前額葉皮質)及ACC的干預作用顯著(FWEc <0.05,圖6b)。這些結果表明,可信度解碼網絡中,不誠實對大腦區域的依賴性更強,這表明不誠實可能需要招募代表他人性格的大腦區域來不斷優化自己對他人的信念認知。

 

6 誠實和不誠實的單變量分析結果(T檢驗的結果,FWE cluster 水平矯正,0.05)

 

先前的研究表明,在社會屬性相關的計算過程中,VMPFC在功能上與大腦中與社會認知相關的區域相連。作者推斷,通過與大腦中與社會認知相關的區域的功能連接,VMPFC中的誠實信號可以整合到對其他社會角色的信念中。因此,作者進行了接下來的PPI分析。

作者使用VMPFC作為種子區域來實現PPI的全腦功能連接Fenix。功能連接分析表明,誠實編碼階段相比于不誠實編碼階段,被試的VMPFC與左側pTPJ(后頂顳葉交界處,(−40, −50, 30, x, y, z;FWEc<0.05))的耦合更強(圖7a)。然后作者推論,如果在反饋階段,VMPFC和左pTPJ之間的信息流動與另一個人的可信度信念的形成有關,那么這種連接的強度應該與隨后的信任決策有關,而與個人的獎金無關。因此,作者做了后續的相關分析,相關分析表明,這種功能性連接與個體信任在TG任務中的意愿相關(圖7b),而與個體在TAG任務中的金錢獲得無顯著相關(圖7c)。這一結果表明,作者的推斷是正確的。VMPFC和左pTPJ之間的功能連接強度影響了被試對另一個人的可信度信念。

 

7 a為PPI功能連接分析差異區

b為VMPFC與左側pTPJ功能連接強度和TG任務中的意愿的相關分析,c為VMPFC與左側pTPJ功能連接強度和TAG任務中輸贏表現的相關分析(其中藍色的代表對誠實行為的反應,橙色的代表對不誠實行為的反應)

 

5. 誠實如何影響價值性信息的處理

最后,作者測試了這些誠實和不誠實的特定激活模式是否以及如何在反饋階段調節大腦對價值信息的反應。以往的行為研究表明,他人的積極品質對價值信息處理會產生偏見性。這種偏見可能取決于神經對新信息反應的特征相關差異。作者通過觀察誠實和不誠實是如何改變神經對積極結果和消極結果的反應(例如,誠實和不誠實是如何改變神經對積極結果和消極結果的反應的)來驗證這一假設(作者在這里使用了一個新的GLM模型進行驗證,即方法部分的GLM3,作者使用了SPM中condition設置處的parametricmodulation功能)。

作者首先分別考察了被試在與誠實和不誠實的顧問互動期間,他們對積極結果和消極結果的神經反應。在與誠實和不誠實顧問的互動中,積極的結果在紋狀體中引發了類似的激活,而對于誠實顧問,這些激活延伸到了OFC(眶額皮質)。同樣,誠實和不誠實的顧問的負面結果都涉及到中扣帶皮層和額下回。

接下來,作者研究了誠實和不誠實對積極和消極結果的調節作用。這一分析顯示,大腦中編碼積極結果和消極結果的區域被顧問的誠實與否進行了不同的調節。特別是,在積極反應(左側IPL,頂下小葉)和消極反應(左側IPS)中,頂葉皮層的神經信號都受到欺騙的調節。誠實對結果的神經反應的調節只在對積極結果響應的OFC中發現(見圖8)。這些結果表明,對誠實的正面和負面結果的神經反應是不對稱的。

 

8 誠實信息調節神經對價值性信息的反應 , GLM3中對反饋階段的全腦對比分析發現,無論在正面(a)還是負面(b)結果中,不誠實行為都顯著調節了頂葉皮層。
  

同時,作者還在OFC中使用一個獨立的感興趣區域(ROI)進一步檢驗誠實對OFC區域激活的調節能力。作者在ROI分析中更仔細地檢查了這種通過誠實度對積極結果的不對稱調節。分析表明,與不誠實的顧問相比,被試與誠實的顧問互動時,OFC的積極結果顯著更高(圖8d左側的積極結果中的beta值可以看出對誠實顧問反應更強)。作者認為,OFC對積極結果的神經反應的這種不對稱性調節表明,在與誠實的個體進行交互時,價值信息處理可能存在一定偏見(這里的偏見并不是貶義,而是應該理解為偏好)。 

 

總結:

作者的研究結果提高了我們對代表誠實的可信賴性的神經模式如何指導人際交往中的社會行為的理解。具體的來說,研究發現,PCC和額頂葉腦區代表了關于其他社會特征的行為相關知識,可能在一個人當前行為的靈活修正中發揮重要作用,以最佳地適應伴侶的行為(如文中的誠實和不誠實)。此外,信任等社會行為很可能是通過將VMPFC中的成分信息整合到左側pTPJ中來實現的,以可靠地推斷出伙伴的良好意圖。最后,在OFC(眶前額皮質)中,由于相互影響的伙伴的良好聲譽而產生的積極結果的非對稱活動,可能會削弱個體形成和更新一個人對另一個人的信念的能力,從而形成廣泛的判斷心理偏見。

同時,作者在這篇文章中對任務態數據的多樣處理堪稱教學級別,包括了簡單的單變量分析、負責的因素調節分析(多變量分析)、基于機器學習的MVPA分析、相關分析和基于任務的功能網絡連接分析(PPI)。并且這些不同的分析方法都一一按照作者的研究邏輯展開,沒有方法和研究邏輯上的重疊,可以說作者的分析和寫作以及研究思路都值得細細品味。

原文:

Neural representations of honesty predict future trust behavior

G Bellucci, F Molter, SQ Park - Nature communications, 2019 - nature.com

如需原文及補充材料請加微信:siyingyxf 或者18983979082獲取,如對思影課程感興趣也可加此微信號咨詢。

 

 

微信掃碼或者長按選擇識別關注思影

感謝轉發支持與推薦

 

歡迎瀏覽思影的數據處理課程以及數據處理業務介紹。(請直接點擊下文文字即可瀏覽,歡迎報名與咨詢):


第二十四屆磁共振腦影像基礎班(重慶)

 

第九屆腦影像機器學習班(重慶)

 

第十一屆磁共振彌散張量成像數據處理班

 

第二十五屆磁共振腦影像基礎班(南京)


第十屆磁共振彌散張量成像數據處理班(南京)

 

第十二屆磁共振腦網絡數據處理班(南京)

 

第九屆磁共振腦影像結構班(南京)

 

第十三屆磁共振腦網絡數據處理班

 

第二十七屆磁共振腦影像基礎班(南京)

 

第六屆腦電數據處理入門班(南京)

 

第十八屆腦電數據處理中級班(南京)

 

第六屆腦電信號數據處理提高班(南京)

 

第六屆眼動數據處理班(南京)

 

第十九屆腦電數據處理中級班(南京)

 

第七屆腦電數據處理入門班(重慶)

 

第七屆近紅外腦功能數據處理班(上海)

 

思影數據處理業務一:功能磁共振(fMRI)

 

思影數據處理業務二:結構磁共振成像(sMRI)與DTI

 

思影數據處理業務三:ASL數據處理

 

思影數據處理業務四:EEG/ERP數據處理

 

思影數據處理服務五:近紅外腦功能數據處理

 

思影數據處理服務六:腦磁圖(MEG)數據處理

 

招聘:腦影像數據處理工程師(重慶&南京)

 

 
 

打印本頁 || 關閉窗口
精品三级-老司机必备