基于面部红外热成像技术探索求职面试中的欺骗行为：认知负荷与情绪唤醒对鼻部温度变化的特异性影响

《Scientific Reports》：Unveiling faking in job interviews by examining facial thermal cues in deception detection

本刊推荐一项创新研究，针对求职面试中申请人伪装（faking）难以准确识别的问题，研究者通过功能性红外热成像技术（fITI），结合动态特征提取框架，分析了模拟面试中不同认知负荷（如预演与即兴回答）下面部温度的变化模式。结果发现，欺骗行为本身未引起显著整体温度差异，但鼻部温度在预演条件下显著高于即兴回答，且即兴谎言比即兴实话引发更高鼻温。这一发现揭示了认知负荷对温度指标的调控作用，为开发非接触式欺骗检测技术提供了新思路。

　　

在竞争激烈的就业市场中，求职者为了给面试官留下好印象，可能会在面试中刻意美化甚至伪造自己的经历和能力，这种行为被称为“申请人伪装”（applicant faking）。传统的面试方法主要依赖面试官的主观判断，但其识别谎言的准确率有限，这可能导致企业做出错误的招聘决定，进而影响团队绩效和工作氛围。因此，开发客观、可靠的技术来辅助识别欺骗行为，成为提高招聘效度的关键挑战之一。

近年来，一种名为“功能性红外热成像”（functional Infrared Thermal Imaging, fITI）的非接触式测量技术展现出潜力。它通过检测面部皮肤温度的细微变化来反映生理状态，因为当人们经历压力、紧张或认知努力时，自主神经系统（Autonomic Nervous System, ANS）的活动会改变面部血流，从而引起温度波动。已有研究报道利用fITI进行欺骗检测的准确率可达70%至90%，但这些结果大多来自严格控制的环境（如模拟犯罪实验），且分析方法存在局限——许多研究仅分析热视频开头和结尾的少数几帧图像，或未考虑头部运动和个体面部结构的差异，这可能遗漏大量动态信息。更重要的是，求职面试中的欺骗有其特殊性：申请人常会预先准备部分答案（无论是诚实还是虚假的），这可能会降低其认知负荷和焦虑感，从而减少欺骗的生理痕迹；而当面对意想不到的问题时，即兴回答则需要更多的认知努力，可能增强生理反应。目前，将fITI应用于求职面试场景，并系统考察预演（rehearsed）与即兴（spontaneous）回答下欺骗行为的热特征的研究尚属空白。

为填补上述空白，由Petra HypSová*、Martin Seitl、Jan Kubicek和Tomá? Mimra组成的研究团队在《Scientific Reports》上发表了一项研究，旨在通过模拟求职面试实验，探究预演和即兴问题所诱导的认知负荷与情绪唤醒是否会在欺骗过程中引发申请人面部温度的特异性变化，从而为直接伪装（direct faking）提供指示。同时，团队开发了一套自动化处理红外视频的框架，能够连续追踪感兴趣区域（Regions of Interest, ROIs），克服头部运动和个体差异的影响。

研究采用被试内设计，共招募27名参与者（74%为女性，平均年龄21.4岁），在温度受控的实验室中进行模拟面试。实验设置五种条件：基线（baseline）、预演实话（rehearsed truth）、预演谎言（rehearsed lie）、即兴实话（spontaneous truth）和即兴谎言（spontaneous lie）。使用高灵敏度红外热像仪（Fluke Ti450 PRO）以20赫兹采样率记录面试过程中参与者面部（前额、鼻子、双颊）的温度变化。为解决头部运动带来的挑战，研究团队开发了一套基于Demons算法的图像配准框架，将每一帧红外图像与基线期的参考图像进行对齐，从而确保在整个视频序列中，ROIs的位置保持一致。随后，系统计算每个ROI内的平均温度、中位数、标准差和离散系数等统计特征，实现对整个面试过程的动态分析。数据分析采用线性混合模型（Linear Mixed Models, LMMs），以温度变化为因变量，实验条件和ROIs为固定因子，参与者个体差异作为随机效应，并运用Bonferroni校正控制一类错误。

主要结果

1. 1.
   预演效应（The effect of rehearsal）
   预演（无论是诚实还是欺骗）与即兴回答相比，对鼻部温度有显著影响（F(1, 398) = 13.09, p < .001, η_p² = .032）。事后比较显示，预演条件下的鼻部温度显著高于即兴条件（平均差 = 0.198, p < .001），而前额和双颊的温度则无显著变化。这表明预演回答可能减轻了认知负荷和焦虑，导致鼻部温度下降幅度较小。
2. 2.
   欺骗效应（The effect of faking）
   欺骗（谎言）与诚实回答相比，并未引起面部温度的显著主效应（F(1, 398) = 3.40, p = .066, η_p² = .008），欺骗与ROIs的交互作用也不显著。这与许多先前研究的发现不同，提示在求职面试情境下，单纯区分谎言与实话可能不足以引发特异性的热变化，其他因素如认知负荷可能扮演更重要的角色。
3. 3.
   交互效应（The interaction effect）
   所有五种条件与ROIs的交互作用显著（F(12, 494) = 1.93, p < .05, η_p² = .045）。深入分析发现，鼻部温度是变化最敏感的指标：
   • •
     基线期的鼻温显著高于即兴实话条件（p < .001）。
   • •
     预演谎言和预演实话条件下的鼻温均显著高于即兴实话条件（p < .001）。
   • •
     尤为重要的是，在即兴回答中，谎言条件下的鼻温显著高于实话条件（p = .035）。
     与此相反，前额和双颊温度在所有条件对比中均未显示出显著差异。

讨论与意义

本研究通过严谨的实验设计和先进的数据分析技术，揭示了在模拟求职面试中，面部温度变化，特别是鼻部温度，主要受到回答方式（预演 vs. 即兴）的调节，而非欺骗行为本身。即兴实话回答引发了最明显的鼻温下降，研究者推测这可能源于参与者面对意外问题时，因担心被误判为撒谎（害怕失去被“录用”的机会）而产生的焦虑感，这种“诚实者的焦虑”甚至超过了撒谎者的反应。这类似于测谎仪中控制问题测试（Control Question Test, CQT）有时出现的现象，即无辜者对相关问题的生理反应更强。这一发现挑战了“撒谎必然导致更强生理激活”的简单假设，强调了在欺骗检测中考虑情境和认知因素的重要性。

在方法论上，本研究开发的自动化热特征提取框架，通过图像配准技术有效克服了头部运动的影响，实现了对全视频序列的连续分析，提升了数据的生态效度和可靠性。该框架还支持原始数据的导出，为其他研究者进行自定义分析提供了便利。

当然，研究也存在一些局限性，例如实验室环境与真实面试的风险感存在差异，未考察参与者的面试经验对其策略的影响等。未来研究可在真实场景中验证fITI的效果，并融合机器学习算法（如Viola-Jones人脸检测、卷积神经网络等）实现ROIs的自动提取和实时分类，进一步提升应用的自动化水平和准确性。

综上所述，这项研究是首次系统地将fITI应用于求职面试中的直接伪装检测，不仅深化了对认知负荷与欺骗行为交互作用的理解，也为开发非侵入式、客观的招聘辅助工具奠定了重要的方法学基础。其发现提醒我们，人性的复杂远超过简单的“诚实”与“欺骗”二分，而科技的力量在于更精细地捕捉这些微妙差异，最终为更公平、更高效的人才选拔提供支持。