Picture from internet
本文是针对论文《认知控制增加了作弊者的诚实，但也增加了诚实者的欺骗 (Cognitive control increases honesty in cheaters but cheating in those who are honest)》的一篇论文解析，该论文于2020年8月发表于《美国国家科学院院刊（Proceedings of the National Academy of Sciences）》。该研究的作者包括Sebastian P. H. Speera， Ale Smidtsa以及 Maarten A. S. Boksema。
研究背景
当作弊可以带来利益，你会被诱惑吸引还是选择继续做个“好人”呢？
早期研究表明奖励大小起着至关重要的作用：奖励越高，作弊越有吸引力，这些发现表明更高的回报和对回报更强的敏感性增加了不诚实的可能性。然而，越来越多心理学、经济学和神经科学的证据表明，人们关心的不仅仅是金钱回报最大化，人们会将社会规范内化，并将这些作为行为的内部基准，人们看待自己的方式，即自我概念，可能会阻止作弊行为，因此需要认知控制来调解奖赏和道德自我形象之间的冲突。然而，
认知控制在诚实中的确切作用仍然难以捉摸。
对于这一作用主要有
两种假说：
意志假说（the Will hypothesis）认为，人们天生自私和不诚实，为了诚实需要进行有意的认知控制。因此，诚实是努力抵抗诱惑的结果。
获益假说（the Grace hypothesis）认为，人们的诚实是默认的，需要认知控制来克服诚实冲动，以便偶尔从作弊机会中获利。
鉴于这些矛盾，
本研究旨在调查认知控制如何解决外部获利和自我概念之间的冲突并探索其脑机制，更好地理解认知控制在作弊决策中的作用，这可能有助于调和意志假说与获益假说之间的争议。
基于此，本研究开发了一项任务在磁共振扫描仪中测量自发作弊，相比之前只能从总体行为中推测作弊的范式，这项任务的优势在于它直接跟踪被试在哪些实验中作弊，使研究者能够在被试内部研究道德决策的变化及其神经基础。
研究方法
被试
从网站招募40名大学生被试(30名女性；年龄18-35岁；M = 23.7，SD = 3.2)，所有被试均是右利手，视力或矫正视力正常，英语流利，没有服用精神活性药物，并且没有神经或精神疾病记录。
流程
在实验开始之前，给被试介绍背景、任务和扫描环境，并签署知情同意书。然后，告知被试扫描的安全要求，并进行练习实验。随后，被试在扫描仪中完成简单的视觉搜索任务（5分钟）和正式任务（45分钟）。完成扫描后在实验者不在场的情况下被带到一个单独的房间，并填写一份关于任务目的简短问卷。
行为学任务
被试首先被告知，该研究目的是调查用于营销的视觉搜索的潜在神经机制，为了增加可信度，在实验开始时增加了一个简单的视觉搜索任务。正式研究范式基于Gai的研究改进，给被试呈现成对的图像，并告知图像对之间有三个差异，要求被试找出三个差异，而图像实际上图片可能包含一个（25%）、两个（25%）或三个（50%）差异。按差异个数将任务分为正常(50%)、困难(25%)和非常困难(25%)难度，分别对应获得5、20和40美分奖励，三个差异的为正常难度，而少于三个差异的被随机归类为困难或非常困难，这对于解释奖励和作弊程度(实际差异数量)对作弊行为的影响很重要。因为奖励取决于被试报告他们发现了所有三个差异，而不必指出它们，所以这种设计鼓励作弊行为。增加不同难度是为了减少对任务真正目的的怀疑。完成整个研究后，再告知被试实验的真实目的。每个试次的流程如图1：
图1
fMRI数据分析
使用基于Nipype 的工具fMRIPrep 1.0.8对数据进行预处理，首先进行校正，然后进行配准，将功能像配准到结构像，使用国际标准模板进行空间标准化。更多细节见https://fmriprep.org/en/latest/workflows.html。
建立一般线性模型（GLM）对作弊试次、诚实试次、可作弊试次(少于三个差异)和非作弊试次(三个差异)的决策阶段进行估计。平均背景、WM和CSF信号、框架位移、6个头动回归项和6个aCompCor回归项均来自fMRIprep作为不感兴趣项回归。所有的回归函数与典型的血流动力学响应函数进行卷积，使用5mm3的平滑核。在诚实和作弊的决策之间以及可作弊和非作弊试次进行随机效应分析以计算主效应(单样本t检验)，并使用行为数据(每个被试的作弊总数)进行回归分析。
结果
行为学结果
结果显示，作弊数量存在较大的个体差异：平均值= 26%，中位数= 14%，标准差= 26%。对行为数据进行了多层次分析，仅针对可作弊的试次，因变量是二元反应(作弊= 1，诚实= 0)、差异数量和奖励水平。结果显示差异数量对作弊行为影响显著(b = 2.13，SE = 0.44，z = 4.85，P < 0.001)。与只有一个差异时相比，当有两个差异时，作弊频率更高。具体来说，当有两个差异时，参与者在36%的试验中作弊，而参与者在只有一个差异的试验中只作弊16%(t = 3.28，P = 0.002)。后测问卷显示，没有被试怀疑实验的真实目的。奖励水平对作弊行为没有影响，差异数与奖励之间没有显著的交互作用，疲劳或练习效应对结果没有影响。
神经机制
1、与作弊机会相关的神经机制
比较被试在有/无机会作弊试次中的神经活动差异，被试作弊数量作为群体水平的协变量。全脑分析显示，存在作弊机会时，更诚实的参与者在后扣带皮层（PCC）、内侧前额叶（MPFC）和双侧颞顶叶连接（TPJs）表现出更强的激活（图2A）。由于结果中的激活网络非常类似于自我参照思维网络，使用标准自我参照思维Mask进行了连接分析（图2B），在P < 0.01 下进行多重比较校正，以测试是否确实存在神经重叠。在PCC(重叠[mm3] = 4，600)、MPFC(重叠[mm3] = 4，072)、右TPJ(重叠[mm3] = 869)和左TPJ(重叠[mm3] = 608)中均发现了神经重叠(图2C)
图2
2、作弊决策的神经机制
比较被试在有机会作弊但决定诚实和决定作弊的试次的神经激活差异，作弊次数为群体水平的协变量。结果发现，作弊越多的被试在做出诚实的决定时，前扣带皮层(ACC)和额下回(IFG)的活动越多(P < 0.001，图3A)。换句话说，作弊的人在避免作弊时，比诚实者更多地使用ACC和IFG。由于结果中的激活网络高度类似于认知控制网络中的区域，使用标准认知控制Mask进行了连接分析(图3B)，结果在ACC(重叠[mm3] = 168)和左IFG(重叠[mm3] = 1，256)中发现了神经重叠(图3C)。
图3
3、对奖励敏感的神经活动与作弊有关
奖励的大小显著地调节了双侧大脑皮层的活动(PFDR < 0.05；见图4A)。伏隔核(Nacc)是奖励预期的相关脑区，这表明被试确实被开始时呈现的潜在奖励激励。此外，奖励水平之间的差异反映在Nacc的不同活动水平上，这表明被试确实区分了不同的奖励等级。由于结果中的激活网络非常类似于奖励预期网络，使用标准奖励预期Mask进行了连接分析(图4B)，并在P < 0.01进行了FDR校正，以测试是否确实存在神经重叠。在右侧Nacc(重叠[mm3] = 2，040)和左侧Nacc(重叠[mm3] = 840)中发现神经重叠(图4C)。将作弊次数作为协变量时，没有观察到不同难度的奖励敏感性存在显著差异，表明参与者对奖励同样敏感，与他们作弊的频率无关。
通过导出感兴趣区域（ROIs）计算在预测和决策阶段每个被试的平均Nacc活动显示，平均Nacc活动性可以显著预测作弊次数(b = 18.29，SE = 7.01，P < 0.05图4D)，而在难度等级上(b = 8.89，SE = 14.2，P = 0.54)没有发现显著影响。这表明被试在没有道德冲突的阶段对奖励同样敏感，然而当做出作弊或诚实的道德决策时，作弊越多的被试越会被奖励预期驱动。
图4
研究者还通过对逐个试次分析，建立数据矩阵，以分析哪一个网络在预测作弊中最重要。结果表明了认知控制网络的重要性。如图5，对于经常作弊的被试(浅蓝色线)，左IFG的较高水平与较低的作弊概率相关，而对于更诚实的参与者(深蓝色线)，左IFG的较高活动与较高的作弊概率相关。这些发现表明，左IFG对作弊的影响取决于参与者是否有作弊或诚实的普遍倾向。
图5
4、决策过程中功能连接的个体差异
诚实者在做出诚实决策时，自我参照思维网络内功能连接比欺骗者更强。具体相关区域在PCC和左TPJ之间(r = 0.51，padj< 0.05)和PCC和MPFC之间(r = 0.55，padj < 0.05；图6)。做出作弊的决策时，诚实和功能连接之间没有显著的相关性。此外，诚实决策过程中的诚实与左TPJ和MPFC之间的功能联系之间的相关性与欺骗决策过程中的相关性显著不同(两个比较z > 2，padj< 0.005)。使用交叉验证结果表明，根据自我参照思维网络中的连接模式(准确率= 71%，F1 = 75%，P < 0.05)，可以将一个未知个体分类为作弊或诚实者。
图6
