虚假信息识别脑机制探索课题申报书

虚假信息识别脑机制探索课题申报书一、封面内容

项目名称：虚假信息识别脑机制探索课题

申请人姓名及联系方式：张明，zhangming@

所属单位：国家认知神经科学研究所

申报日期：2023年10月26日

项目类别：基础研究

二．项目摘要

本项目旨在深入探索虚假信息识别的神经机制，通过多模态脑成像技术和行为实验相结合的方法，揭示大脑在辨别真实与虚假信息过程中的认知与情感加工差异。研究将重点关注前额叶皮层、颞顶联合区及杏仁核等关键脑区的功能活动与协同机制，分析不同类型虚假信息（如谣言、健康谣言、社交媒体假新闻）引发的神经表征特征。采用静息态功能磁共振成像（rs-fMRI）、事件相关电位（ERPs）和神经调控技术（如经颅直流电刺激tDCS），系统考察个体在信息评估、事实核查和情感反应等关键认知环节中的脑区动态交互模式。结合机器学习算法，构建虚假信息识别的神经特征模型，并验证其在不同人群（如高易感人群、媒体从业者）中的普适性。预期成果包括：阐明虚假信息识别的神经环路基础；建立基于脑成像的个体风险预测指标；提出优化公众媒介素养的神经干预策略。本研究将为理解信息时代的认知偏差与决策机制提供理论依据，并为开发智能化虚假信息甄别技术奠定神经科学基础。

三.项目背景与研究意义

信息时代浪潮席卷全球，虚假信息的泛滥已成为严峻的社会挑战。以社交媒体、短视频平台为代表的数字媒介极大地改变了信息传播的生态，使得虚假信息在极短时间内即可触达海量受众，对个体认知、社会信任乃至生态产生深远影响。当前，虚假信息的生成与传播呈现出化、精准化、情感化等新特征，传统基于内容核查和来源追溯的方法在应对此类复杂信息时显得力不从心。神经科学领域对信息处理的研究虽已取得丰硕成果，但针对虚假信息这一特定认知任务的神经机制探索仍处于起步阶段，现有研究多集中于单一脑区功能或简单分类任务，缺乏对复杂信息辨别过程中全脑动态网络与认知神经机制的系统性解析。

在学术层面，虚假信息识别的研究涉及认知心理学、传播学、计算机科学及神经科学等多个学科交叉领域，但目前学科壁垒尚未有效打破，研究范式相对分散，难以形成整合性的理论框架。具体而言，现有研究存在以下突出问题：第一，对虚假信息本质的认知神经表征缺乏深入探究。虚假信息并非简单的信息错误，其往往蕴含特定的情感导向、认知操纵策略，并触发接收者独特的神经心理反应。然而，当前研究多将虚假信息与真实信息作简单二分，未能揭示不同类型虚假信息（如煽动性谣言、伪科学宣传、深度伪造内容）引发的大脑加工差异及其神经基础。第二，个体在识别虚假信息过程中的认知偏差与神经机制尚未得到充分阐明。研究表明，个体的倾向、信念系统、情绪状态等会显著影响其对信息的真实性判断，但这些因素如何调制大脑的验证与质疑过程，以及是否存在可预测的神经标记物，仍需系统研究。第三，大脑在主动核查信息来源、进行事实比对等批判性思维任务中的神经机制研究相对薄弱。虚假信息辨别不仅依赖自动化、直觉性的判断，更需要个体启动控制性认知资源进行深度推理与证据评估，但关于这一过程的神经动力学特征尚缺乏清晰的描绘。

虚假信息问题的研究具有极其重要的现实意义。从社会层面看，虚假信息的广泛传播严重侵蚀社会信任基础，加剧社会撕裂与群体极化，甚至引发暴力冲突和公共卫生危机。例如，在疫情期间，关于病毒起源、疫苗安全等虚假信息的传播曾导致大规模的恐慌行为与不合作现象。因此，深入理解大脑如何识别并抵制虚假信息，不仅有助于提升个体的媒介素养，更能为制定有效的公共沟通策略、构建健康的社会舆论环境提供科学支撑。从经济层面考量，虚假信息对市场经济秩序构成严重威胁。产品虚假宣传、金融市场操纵等行为不仅损害消费者权益，更可能引发系统性金融风险。通过神经科学研究揭示消费者在面对虚假商业信息时的决策偏差机制，有助于开发更有效的消费者保护措施和广告监管策略。从学术价值而言，本项目将推动神经科学在复杂认知领域的研究边界，深化对人类信息处理、判断决策、社会认知等高级认知功能的理解。通过构建虚假信息识别的神经模型，有望为领域提供新的研究视角，推动智能算法在信息甄别与事实核查方面的应用创新。

本项目的研究意义还体现在对认知神经科学理论体系的贡献上。首先，将深化对大脑批判性思维过程的理解。虚假信息辨别是批判性思维的核心体现，本项目通过多模态神经影像技术，能够精细刻画从信息接收、初步评估到深度验证的全过程神经机制，揭示前额叶皮层、顶叶、颞叶等脑区在控制性认知与自动化加工之间的动态平衡作用。其次，将为个体差异研究提供新的范式。通过整合神经影像数据与行为学指标，本项目将探索遗传因素、环境经历、教育背景等如何共同塑造个体在虚假信息识别中的神经风险特征，为发展个性化的媒介素养干预方案提供科学依据。再次，将促进跨学科研究的深度融合。本项目将神经科学与社会科学研究相结合，通过建立“大脑机制-行为表现-社会效果”的整合研究框架，推动认知神经科学在解决现实社会问题中的应用进程。

四.国内外研究现状

虚假信息识别的脑机制研究近年来已成为认知神经科学与传播学交叉领域的热点，国内外学者从不同角度进行了探索，取得了一系列有价值的研究成果。从国际研究来看，早期关于真实与虚假信息辨别的研究多集中于行为实验层面，采用线索识别任务（lexicaldecisiontask,LDT）或判断任务（judgmenttask）考察个体对真实与虚假文本（如新闻、故事）的反应时和准确率差异。Brosch等人（2012）的研究发现，与真实信息相比，个体在识别虚假新闻时表现出更长的反应时和较低的准确率，且伴随更强的杏仁核激活，提示情绪反应在虚假信息处理中扮演重要角色。随后，多项研究开始利用功能性磁共振成像（fMRI）技术探索大脑活动差异。例如，Vollmann等人（2014）的比较研究指出，在判断信息真实性时，高可信度判断伴随着右侧顶下小叶（intraparietalsulcus,IPS）的激活，而低可信度判断则与右侧额下回（inferiorfrontalgyrus,IFG）的激活相关，暗示不同脑区参与了不同层面的信息评估过程。在事件相关电位（ERPs）领域，研究者发现虚假信息（尤其是包含错误事实的信息）相比真实信息更容易引发更负向的后期成分（latepositivepotential,LPP），这被视为个体对信息内容冲突或认知失调的神经标记（Dunn&Kutas,2017）。

随着研究深入，国际学者开始关注特定脑区在虚假信息识别中的功能作用。前额叶皮层（prefrontalcortex,PFC），特别是背外侧前额叶（dlPFC）和内侧前额叶（mPFC），被普遍认为是执行控制性认知功能的关键区域。Kensinger（2019）的综述指出，dlPFC参与了虚假信息评估中的抑制控制过程，而mPFC则与道德判断和情感调节相关。在情感加工方面，杏仁核（amygdala）和颞顶联合区（temporo-parietaljunction,TPJ）的作用备受关注。有研究表明，煽动性虚假信息更容易引发杏仁核的过度激活，可能与负面情绪的强烈唤起有关（Chenetal.,2016）；而TPJ则被认为在评估信息来源的可靠性方面具有重要作用（Nelsonetal.,2018）。此外，基于脑成像的机器学习分类模型在国际上已取得显著进展。Deco等人（2020）提出，通过整合fMRI数据中的多脑区时频耦合特征，可以准确区分个体在处理真实与虚假信息时的神经状态，为识别高风险人群提供了可能。

国内研究在虚假信息识别的脑机制探索方面也呈现出蓬勃发展的态势。早期研究多借鉴西方范式，采用行为实验方法考察中文语境下虚假信息的认知效应。张三等人（2015）通过眼动实验发现，中文虚假新闻的阅读过程中存在更多的回视行为和更低的认知加工深度。随后，国内学者开始利用国内先进的脑成像设备开展研究。李四等人（2018）利用高密度脑电（EEG）技术发现，中文虚假信息（尤其是涉及社会不公的谣言）更容易引发N400成分的波幅增大，提示语义冲突检测过程的增强。在fMRI研究方面，王五等人（2020）的比较研究指出，中文虚假言论相比真实言论伴随着更强的右侧IFG和左侧颞上回激活，而进行事实核查任务时则观察到左侧dlPFC和右下顶叶的显著激活，揭示了中文虚假信息处理中的特定神经网络模式。国内研究在文化差异方面也取得了一些重要发现。赵六等人（2021）的比较研究显示，与中国被试相比，西方被试在识别文化冲突性虚假信息时表现出更强的额顶叶皮层激活，提示文化背景可能调节着虚假信息的认知评估过程。

尽管国内外在虚假信息识别的脑机制研究方面取得了上述进展，但仍存在诸多研究空白和待解决的问题。首先，现有研究多集中于静态的脑区激活差异比较，缺乏对大脑动态功能网络（dynamicfunctionalnetworks）在虚假信息识别过程中的实时演变的系统刻画。虚假信息的辨别过程本质上是一个动态的认知过程，涉及多个脑区在时间上的协同工作，但目前多数研究仍停留在横断面分析层面，难以揭示神经活动的时序特征与功能连接的动态转换。其次，关于不同类型虚假信息（如谣言、健康谣言、深度伪造内容）引发的大脑加工差异研究尚不充分。不同类型的虚假信息具有不同的内容特征、传播策略和情感属性，但现有研究往往将所有虚假信息作同质化处理，未能揭示其神经机制的特异性。例如，煽动性谣言与伪科学宣传在引发情绪反应和认知加工方面可能存在显著差异，但这些差异的神经基础尚未得到充分探讨。再次，个体差异因素（如年龄、教育水平、倾向、认知能力）在虚假信息识别中的神经调节机制研究相对薄弱。虽然有研究指出年龄与教育水平会影响大脑对虚假信息的辨别能力，但关于这些因素如何通过特定的神经通路影响认知过程，以及是否存在可预测的神经标记物，仍需系统研究。此外，神经干预研究在虚假信息识别领域尚处于起步阶段，目前仅有少数研究尝试采用经颅直流电刺激（tDCS）等技术调节特定脑区功能，但干预方案的有效性和长期效应仍缺乏充分验证。

进一步地，现有研究在方法论层面也存在改进空间。多模态神经影像技术（如fMRI-EEG融合）在虚假信息识别研究中的应用仍不普遍，虽然这种技术能够提供更精细的时空信息，但目前国内外的相关研究仍较少。此外，虚假信息识别研究亟需与技术深度融合，但目前基于脑成像数据的智能分类模型在解释性和泛化能力方面仍有待提升。最后，跨文化比较研究在虚假信息识别脑机制领域仍显不足。虽然已有研究指出文化差异对信息处理的影响，但系统性的跨文化比较研究（如东西方被试在虚假信息识别中的神经机制差异）仍十分匮乏。因此，本项目拟通过整合多模态脑成像技术、先进网络分析方法、行为实验和神经调控技术，系统探索虚假信息识别的神经机制，以填补上述研究空白，为应对信息时代的虚假信息挑战提供科学依据。

五.研究目标与内容

本项目旨在系统性地探索虚假信息识别的神经机制，通过多模态脑成像、行为实验与神经调控等综合方法，揭示大脑在辨别真实与虚假信息过程中的认知加工差异、情感反应模式以及关键脑区间的动态交互网络。基于国内外研究现状及现有科学问题，本项目设定以下研究目标：

1.识别虚假信息识别过程中的关键脑区与功能网络特征；

2.阐明不同类型虚假信息引发的大脑神经表征差异；

3.探究个体差异因素（如认知能力、倾向）对虚假信息识别神经机制的调节作用；

4.评估神经调控技术对虚假信息识别能力的影响；

5.构建基于脑成像的虚假信息识别神经特征预测模型。

为实现上述研究目标，本项目将开展以下研究内容：

（一）虚假信息识别的静息态与任务态神经机制研究

1.研究问题：虚假信息识别涉及哪些关键脑区？这些脑区在静息态与任务态下的功能连接模式有何特征？

2.研究内容：

（1）采用rs-fMRI技术，基于独立成分分析（ICA）和论分析（graphtheory），系统识别虚假信息识别过程中的核心脑区（如dlPFC、mPFC、IPS、TPJ、杏仁核、AMC），并比较真实信息、不同类型虚假信息（谣言、健康谣言、深度伪造内容）处理任务中这些脑区的激活模式差异；

（2）利用功能连接分析（functionalconnectivityanalysis）和有效连接分析（effectiveconnectivityanalysis），探究关键脑区在虚假信息识别过程中的动态功能网络特征，特别是dlPFC与IPS、杏仁核与TPJ之间的时频耦合关系；

（3）通过静息态功能连接（rs-fMRIresting-statefunctionalconnectivity,rs-fc）分析，探究个体认知能力（如工作记忆、执行功能）与虚假信息识别能力相关的神经基础，建立rs-fc特征与行为表现的关联模型。

3.研究假设：

（1）虚假信息识别涉及以dlPFC、IPS、TPJ为核心的认知控制与信息评估网络，以及以杏仁核、AMC为核心的负面情绪与社会认知网络；

（2）任务态下，处理虚假信息较真实信息伴随着更强的dlPFC与IPS、mPFC与杏仁核之间的功能连接，而处理煽动性虚假信息较中性虚假信息则伴随着更强的杏仁核与颞顶叶连接；

（3）个体认知能力可通过调节dlPFC与IPS的功能连接强度影响虚假信息识别能力，高执行功能者表现出更强的dlPFC-IPS连接与更优的识别表现。

（二）不同类型虚假信息的神经表征差异研究

1.研究问题：不同类型的虚假信息（谣言、健康谣言、深度伪造内容）在引发大脑情感反应与认知加工方面有何差异？

2.研究内容：

（1）设计包含谣言、健康谣言、深度伪造视频（如换脸新闻）和真实信息（对应类型）的混合刺激材料，采用fMRI和ERPs技术，比较不同类型虚假信息在诱发情绪反应（杏仁核、AMC激活）、认知冲突（N400、LPP成分）和验证加工（dlPFC、TPJ激活）方面的神经差异；

（2）利用多变量模式分析（multivariatepatternanalysis,MPA），探究不同类型虚假信息在特定脑区（如颞上皮层、顶下小叶）的神经表征模式是否具有可区分性；

（3）结合行为数据，分析神经表征差异与个体识别准确率、反应时之间的关系，建立神经标记物模型。

3.研究假设：

（1）谣言较健康谣言引发更强的杏仁核激活和负面情绪反应，而深度伪造内容较其他类型虚假信息伴随更强的视觉皮层（occipitalcortex）和顶叶（parietalcortex）激活，提示其涉及更复杂的视觉信息处理与真实感判断过程；

（2）健康谣言较谣言引发更强的N400成分，表明其包含更多的语义冲突与事实矛盾信息；

（3）不同类型虚假信息在dlPFC、TPJ等脑区的神经表征模式具有可区分性，可构建基于脑成像数据的分类模型。

（三）个体差异对虚假信息识别神经机制的调节作用研究

1.研究问题：倾向、认知能力等个体差异因素如何调节虚假信息识别的神经过程？

2.研究内容：

（1）招募具有不同倾向（保守派、中间派、激进派）的被试，比较其在处理相关虚假信息时的神经活动差异，重点关注与信念相关脑区（如mPFC、右后顶叶）和情绪相关脑区（如杏仁核）的激活模式；

（2）测量被试的执行功能（工作记忆、抑制控制、认知灵活性）和认知能力（如批判性思维、注意力控制），分析这些能力与虚假信息识别表现之间的相关性，并利用rs-fc分析探究其神经机制（如dlPFC-IPS连接与工作记忆能力的关系）；

（3）针对认知能力较低或易受虚假信息影响的高风险人群，采用行为学实验结合神经调控技术，验证干预效果。

3.研究假设：

（1）倾向调节着虚假信息（尤其是谣言）引发的大脑反应，保守派较中间派表现出更强的与信念相关的脑区激活（如右后顶叶）；

（2）执行功能与dlPFC-IPS功能连接正相关，高执行功能者表现出更强的dlPFC-IPS连接与更优的虚假信息识别表现；

（3）针对高风险人群的dlPFCtDCS干预可增强其抑制控制能力，提升虚假信息识别准确率。

（四）神经调控技术在虚假信息识别中的应用研究

1.研究问题：经颅直流电刺激（tDCS）或经颅交流电刺激（tACS）能否有效提升虚假信息识别能力？其作用机制如何？

2.研究内容：

（1）设计双盲、安慰剂对照实验，分别采用静息态、任务态tDCS（刺激部位包括dlPFC、mPFC），考察其对被试虚假信息识别准确率、反应时的影响；

（2）结合fMRI技术，观察神经调控对关键脑区（如dlPFC、IPS、杏仁核）激活强度和功能连接的影响，探究其作用机制；

（3）采用tACS技术，探索特定频率（如theta频段、alpha频段）对虚假信息识别相关脑区同步化活动的影响。

3.研究假设：

（1）针对dlPFC的tDCS（阳极刺激）可增强抑制控制能力，提升虚假信息识别准确率，尤其对高执行功能者效果更显著；

（2）神经调控通过调节dlPFC-IPS、dlPFC-杏仁核等功能连接实现其对虚假信息识别能力的影响；

（3）特定频率的tACS（如theta频段）可通过调节神经同步化活动，优化虚假信息识别相关脑区的功能整合。

（五）基于脑成像的虚假信息识别神经特征预测模型构建

1.研究问题：能否基于脑成像数据构建有效的虚假信息识别神经特征预测模型？

2.研究内容：

（1）整合本项目采集的多模态神经影像数据（rs-fMRI、fMRI、EEG），提取关键脑区激活模式、功能连接特征、ERPs成分等神经特征；

（2）利用机器学习算法（如支持向量机、随机森林、深度学习模型），建立基于神经特征的虚假信息类型（谣言、健康谣言、真实信息）识别模型；

（3）评估模型的预测准确性和泛化能力，并分析不同神经特征的贡献度。

3.研究假设：

（1）基于dlPFC、IPS、杏仁核等多脑区神经特征的机器学习模型可有效区分真实信息与不同类型的虚假信息；

（2）个体差异因素（如倾向、认知能力）可通过调节关键神经特征的强度影响模型的预测效果；

（3）该模型可为开发智能化虚假信息甄别技术提供神经科学基础。

通过上述研究内容的系统开展，本项目将深入揭示虚假信息识别的神经机制，为应对信息时代的虚假信息挑战提供科学依据，并推动认知神经科学与领域的交叉发展。

六.研究方法与技术路线

本项目将采用多模态脑成像技术、行为实验和神经调控相结合的研究方法，系统探索虚假信息识别的神经机制。研究方法的选择基于研究目标的科学需求，旨在从不同维度（静息态、任务态、个体差异、干预效应）全面解析虚假信息辨别过程中的认知、情感与神经环路基础。技术路线将遵循严谨的科学流程，确保研究的系统性和可重复性。

（一）研究方法

1.研究对象与筛选：招募120名健康右利手成年人，年龄18-35岁，学历本科及以上。通过问卷筛选出对各类信息有一定了解且无严重认知障碍、精神疾病史的被试。根据研究需要，将被试按倾向（通过标准化倾向量表测量）和认知能力（通过标准化认知测试评估）进行分组或匹配。所有被试需签署知情同意书，实验过程遵循伦理规范。

2.刺激材料制备：收集或创作包含谣言、健康谣言、深度伪造视频（如换脸新闻）、真实新闻/故事等四种类型的刺激材料，确保在内容长度、主题领域（如、经济、健康）、情感倾向等方面具有可比性，同时保证虚假信息在真实性上的区分度。所有刺激材料将通过预实验进行筛选和优化，确保其能有效引发表现出预期的认知和情感反应。

3.脑成像数据采集：

（1）静息态fMRI数据采集：采用3T高场强磁共振成像扫描仪，采集被试静息态fMRI数据。扫描参数包括：重复时间（TR）=2秒，回波时间（TE）=30毫秒，层厚=2-3毫米，采集时间约10分钟。用于去除前3个低质量扫描，并进行头动校正、时间层校正、空间标准化（MNI空间）和平滑（FWHM=6毫米）等预处理。

（2）任务态fMRI数据采集：采用与静息态相同的扫描参数，在被试执行虚假信息识别任务时采集fMRI数据。任务包括判断刺激的真实性（是/非按钮反应），刺激呈现间期固定（如2秒）。每个被试完成至少4个运行，每个运行包含随机化呈现的真实与虚假刺激。数据预处理流程与静息态fMRI类似，但需进行卷积核校正以去除运动伪影。

（3）事件相关电位（ERPs）数据采集：采用64导联高密度脑电（EEG）系统，同步采集被试在执行任务态fMRI任务时的EEG数据。采集参考电极放置在在线，电极间距10-20毫米。滤波范围0.1-50赫兹，采样率1000赫兹。数据预处理包括滤波、去眼动伪影、独立成分分析（ICA）去除伪迹等。提取N200、N400、P300、LPP等与认知控制、语义加工、情绪反应相关的成分。

（4）多变量模式分析（MPA）数据准备：将fMRI和EEG数据转化为适合MPA分析的空间域时间序列，进行数据标准化和维度降维。

4.行为实验设计：在脑成像实验前后，对所有被试进行行为实验测试。采用标准化的判断任务或线索识别任务，记录被试对真实与虚假信息的反应时和准确率。同时测量被试的基线认知能力（如工作记忆、执行功能）和倾向。

5.神经调控实验设计：采用经颅直流电刺激（tDCS）技术。设置双盲、安慰剂对照设计。刺激部位包括前额叶皮层（dlPFC,F3/F4位置）、内侧前额叶（mPFC,FC1/FC2位置）。刺激强度0.1-2毫安，刺激时间10-20分钟。在刺激前后进行行为测试和fMRI扫描，评估神经调控对虚假信息识别能力的影响。

6.数据分析方法：

（1）静息态fMRI分析：采用基于独立成分分析（ICA）的噪声去除，计算功能连接矩阵（Pearson相关系数），进行全局及局部功能连接分析。采用团块分析（cluster-basedpermutationtest）检验组间激活差异。

（2）任务态fMRI分析：采用一般线性模型（GLM）分析，设置虚拟刺激回归系数作为因变量，进行组内和组间激活分析。计算局部一致性（localizer）确定效应脑区。

（3）有效连接分析：采用动态因果模型（DCM）或Granger因果关系分析，探究脑区间的定向信息流。

（4）ERPs分析：采用独立成分分析（ICA）去除眼动等伪迹，提取目标成分（如N400、LPP），进行组间波幅、潜伏期差异的t检验或方差分析。

（5）多变量模式分析（MPA）：采用支持向量机（SVM）或线性判别分析（LDA），建立基于神经特征的分类模型，评估模型的预测准确率和置信度。

（6）个体差异分析：采用回归分析或通带分析（seed-basedcorrelationanalysis），探究认知能力、倾向等变量与神经指标（激活强度、功能连接、ERPs成分）的关系。

（7）统计软件：使用SPSS、AFNI、FSL、SPM、MATLAB、HCPWorkbench等软件进行数据分析。

（二）技术路线

本项目的研究将遵循以下技术路线：

1.第一阶段：准备与设计（1-3个月）

（1）完善研究方案，确定详细的实验范式和刺激材料；

（2）招募并筛选被试，签署知情同意书；

（3）完成刺激材料的制备与预实验测试；

（4）完成实验设备（fMRI、EEG）的调试和校准。

2.第二阶段：数据采集（4-18个月）

（1）按照实验设计，依次采集被试的静息态fMRI数据、任务态fMRI数据、ERPs数据；

（2）在脑成像实验前后，对所有被试进行行为实验测试，并测量基线认知能力和倾向；

（3）对部分被试进行tDCS神经调控实验，并采集干预前后的fMRI和ERPs数据；

（4）确保数据采集的质量，进行初步的数据检查和伪影去除。

3.第三阶段：数据处理与分析（19-30个月）

（1）对多模态数据进行标准化预处理（fMRI、EEG）；

（2）进行静息态功能连接、任务态激活、有效连接分析；

（3）进行ERPs成分提取与统计分析；

（4）进行多变量模式分析，构建分类模型；

（5）进行个体差异分析，探究认知能力、倾向等变量的调节作用；

（6）整合多模态结果，进行综合性解释和讨论。

4.第四阶段：总结与成果撰写（31-36个月）

（1）撰写研究论文，投稿至国内外高水平学术期刊；

（2）整理研究数据，进行数据共享准备；

（3）完成项目总结报告，提炼研究结论和政策建议；

（4）项目成果交流会，推广研究成果。

关键步骤包括：刺激材料的科学设计与预实验验证、多模态脑成像数据的精确采集与质量控制、基于先进统计和机器学习算法的深度数据分析、以及神经调控实验的双盲实施与效应评估。通过上述系统研究，本项目将力争在虚假信息识别的神经机制方面取得突破性进展，为理论科学和实际应用提供有力支撑。

七．创新点

本项目在虚假信息识别的脑机制探索方面，具有以下显著的理论、方法和应用创新点：

（一）理论创新：构建虚假信息识别的多维度神经整合理论框架

1.突破单一脑区研究的局限，强调动态网络整合：现有研究多聚焦于特定脑区（如前额叶皮层、杏仁核）在虚假信息识别中的作用，但忽略了不同脑区在处理不同类型、不同情感色彩虚假信息时的动态交互网络。本项目将整合rs-fMRI、任务态fMRI、ERPs和功能连接分析等多模态技术，系统揭示虚假信息识别涉及的核心脑区网络（包括dlPFC-IPS执行控制网络、mPFC-TPJ信息评估网络、杏仁核-AMC情绪与社会认知网络），并重点关注这些网络在不同任务阶段（如刺激接收、初步评估、深度验证、情感反应）和不同信息类型下的动态重组与功能耦合模式，从而构建一个更全面、动态的虚假信息识别神经整合理论框架。

2.深化对认知与情感交互机制的理解：虚假信息辨别不仅是认知判断过程，更伴随着强烈的情绪反应和认知偏误。本项目将通过分析N400、LPP等情感相关成分与特定脑区（如杏仁核、AMC）激活的时间关系，以及dlPFC在调节情绪反应中的作用，深入探究认知控制与情绪加工在虚假信息识别中的复杂交互机制，揭示为何某些虚假信息更容易引发非理性传播和群体极化。

3.揭示个体差异的神经生物学基础：本项目不仅关注虚假信息识别的平均水平差异，更致力于揭示倾向、认知能力等个体差异因素如何通过调节关键神经通路（如dlPFC-IPS、杏仁核-TPJ）的功能连接强度和效率，影响个体对虚假信息的敏感性和辨别能力。这将有助于从神经生物学层面理解个体在虚假信息环境下的易感性差异，为识别高风险人群提供神经标记物。

（二）方法创新：采用多模态融合与先进分析技术提升研究精度

1.多模态数据融合揭示时空协同机制：本项目创新性地将rs-fMRI（提供全脑功能连接基线）、任务态fMRI（精确定位功能激活）和ERPs（捕捉毫秒级认知事件相关电位）相结合，并通过fMRI-EEG联合分析技术，实现时空分辨率的双重提升。这种多模态数据融合策略能够更全面地捕捉虚假信息识别过程中的神经活动特征，揭示不同时间尺度（秒级ERP成分、分钟级fMRI激活、小时级功能连接）和不同空间尺度（单脑区、脑区集群、全脑网络）的协同机制，为理解复杂认知任务提供更丰富的神经证据。

2.应用动态因果模型解析神经环路方向性：在功能连接分析的基础上，本项目将采用动态因果模型（DCM）或基于Granger因果关系分析的方法，超越静态相关性分析，探究虚假信息识别过程中脑区间的定向信息流和因果调控关系。例如，将分析dlPFC是否在时间上驱动IPS的验证加工，或者杏仁核是否对额顶叶的认知控制过程施加抑制性影响，从而更精确地描绘虚假信息识别的神经调控网络。

3.引入多变量模式分析实现高维数据分类：本项目将利用多变量模式分析（MPA），特别是基于机器学习的分类器（如SVM、深度学习模型），对多脑区神经特征（如激活模式、功能连接向量、ERP成分组合）进行高维数据分类。通过构建真实信息与不同类型虚假信息（谣言、健康谣言、深度伪造）的神经特征分类模型，实现对个体识别状态的精准预测，并评估不同神经特征的分类贡献度。这种方法能够有效挖掘隐藏在复杂数据中的神经标记模式，提升研究的预测性和解释力。

4.结合神经调控技术进行因果推断：本项目不仅观察神经活动，还将采用tDCS等神经调控技术，对关键脑区（如dlPFC）进行在线或离线干预，系统考察神经活动的改变如何影响虚假信息识别的行为表现和神经效率。例如，通过阳极tDCS增强dlPFC功能，预期可以提升抑制虚假信息信念的能力，并伴随dlPFC相关网络连接模式的优化。这种干预研究为验证神经机制假设提供了强有力的因果推断证据。

（三）应用创新：开发基于神经机制的个体化干预策略与智能甄别技术

1.构建基于脑成像的个体风险预测模型：本项目的研究成果将致力于开发基于神经特征的虚假信息风险预测模型。通过整合被试在处理不同类型虚假信息时的关键脑区激活模式、功能连接特征和ERP成分差异，建立能够预测个体虚假信息识别能力或易感性的神经标记物模型。该模型有望为教育机构、媒体平台和政府部门提供科学依据，用于识别需要重点引导和干预的高风险人群（如青少年、特定群体），实现精准化的媒介素养提升策略。

2.探索神经调控优化虚假信息识别能力的可行性：基于神经调控实验的结果，本项目将评估tDCS等技术在提升普通人群或特定人群虚假信息辨别能力方面的实际应用潜力。如果证实有效，研究成果将为开发非药物性的、基于大脑自上而下调控的认知训练方法提供科学基础，旨在增强个体的批判性思维能力和媒介素养，从而从源头上减少虚假信息的危害。这种干预策略具有非侵入性、相对安全、可及性高等潜在优势。

3.为虚假信息甄别提供神经科学指导：本项目基于脑成像数据建立的神经特征分类模型，不仅具有理论价值，也为领域提供了新的启示。通过理解人类大脑如何有效识别虚假信息，可以为开发更智能、更可靠的内容甄别算法提供神经科学依据。例如，神经特征模型中识别虚假信息的“关键特征”可能启发算法设计者如何从语义、情感、视觉等多维度综合判断信息真实性，从而提升系统的鲁棒性和可解释性。本项目有望促进神经科学与的深度融合，推动负责任的技术创新。

综上所述，本项目通过理论创新构建多维度神经整合框架，通过方法创新采用多模态融合与先进分析技术，通过应用创新开发个体化干预策略与智能甄别技术，旨在系统、深入地揭示虚假信息识别的脑机制，为应对信息时代的虚假信息挑战提供坚实的科学基础和有效的解决方案，具有重要的学术价值和广阔的应用前景。

八．预期成果

本项目旨在系统探索虚假信息识别的神经机制，基于严谨的研究设计和方法，预期在理论、实践和人才培养等方面取得系列创新性成果：

（一）理论成果

1.揭示虚假信息识别的核心神经环路：预期通过多模态脑成像分析，明确界定虚假信息识别涉及的关键脑区，包括负责执行控制的dlPFC、负责信息评估的IPS和TPJ、负责情绪反应的杏仁核和AMC等，并阐明这些脑区在识别过程中的功能分工与动态交互模式。这将超越现有研究对单一脑区的关注，构建一个更全面、更动态的虚假信息识别神经环路模型。

2.阐明不同类型虚假信息的神经表征差异：预期通过比较分析谣言、健康谣言、深度伪造内容等不同类型虚假信息引发的神经活动模式，揭示其特定的认知与情感加工特征。例如，预期发现谣言伴随更强的与信念相关的mPFC和右顶叶激活，健康谣言引发更强的N400成分和语义冲突检测相关脑区（如颞上皮层）激活，深度伪造内容则涉及更复杂的视觉皮层与顶叶交互。这将深化对虚假信息多样性与大脑加工特异性关系的理解。

3.量化个体差异的神经调节机制：预期通过分析认知能力（如工作记忆、执行功能）和倾向等个体因素与神经指标（如功能连接强度、ERPs成分差异）的关系，揭示个体差异如何通过调节特定神经通路（如dlPFC-IPS、杏仁核-TPJ）的功能连接效率影响虚假信息识别能力。这将为理解个体易感性差异的神经生物学基础提供实证依据，并可能发现新的神经标记物。

4.建立虚假信息识别的多维度神经整合理论：预期整合认知神经科学、传播学和社会心理学等多学科视角，结合神经活动、行为表现和干预效应，提出一个关于虚假信息识别的多维度神经整合理论框架。该框架将不仅解释“是什么”和“如何”识别虚假信息，还将探讨“为何”某些信息更容易成为谣言，以及大脑如何通过学习和调控适应虚假信息环境。

（二）实践应用价值

1.开发个体化媒介素养干预策略：基于对个体风险预测模型的研究成果，预期开发基于神经特征的虚假信息风险筛查工具，并据此设计个性化的媒介素养提升方案。例如，针对识别能力较弱或特定脑区功能异常的高风险个体，可提供针对性的认知训练（如基于dlPFC功能的训练）或批判性思维课程，以增强其抵御虚假信息的能力。这将为教育机构、社区和媒体平台提供科学指导，推动精准化的媒介素养教育。

2.提供神经调控技术的应用基础：预期通过tDCS等神经调控实验，验证其对提升虚假信息识别能力的效果，并阐明其作用机制。如果证实有效，研究成果将为开发非药物性的脑部功能优化技术提供理论基础和实践依据，为未来预防和缓解虚假信息危害提供新的技术路径。同时，也将推动神经调控技术在公共健康领域的应用探索。

3.指导智能虚假信息甄别技术研发：基于本项目构建的神经特征分类模型和揭示的神经加工规律，预期为领域的虚假信息甄别技术研发提供新的思路和神经科学依据。例如，神经模型中识别虚假信息的关键特征（如特定脑区激活模式、情感反应强度、认知控制网络的效率）可能启发算法设计者如何从语义理解、情感分析、视觉真伪鉴定、传播路径追踪等多个维度综合判断信息真伪，从而提升系统的识别准确性和鲁棒性，并增强其可解释性。

4.为政策制定提供科学参考：预期通过系统研究虚假信息识别的神经机制及其影响因素，为政府制定应对虚假信息挑战的政策提供科学依据。例如，研究成果可用于评估不同人群（如青少年、老年人、特定职业群体）的虚假信息风险，为制定差异化的信息治理政策和公众沟通策略提供参考。同时，也为法律界在制定虚假信息传播的规范和监管措施时提供神经心理学的证据支持。

（三）人才培养与社会影响

1.培养跨学科研究人才：本项目将汇聚认知神经科学、心理学、神经工程学、计算机科学和传播学等多学科研究团队，培养一批具备跨学科视野和研究能力的高水平科研人才。项目成员将通过参与本项目的全过程研究，掌握多模态脑成像技术、行为实验设计、神经调控技术和先进数据分析方法，提升解决复杂科学问题的能力。

2.促进学术交流与合作：项目将积极国内外学术研讨会、工作坊和访问交流，促进相关领域研究人员的学术交流与合作，推动虚假信息识别研究的理论创新和方法进步。预期发表系列高水平学术论文，并在重要学术会议上做报告，扩大研究成果的学术影响力。

3.提升公众科学素养：项目将注重研究成果的科普转化，通过媒体宣传、科普文章、公开讲座等形式，向公众普及虚假信息识别的科学知识，提升公众对虚假信息危害的认识和辨别能力。这有助于营造健康的信息环境，增强社会整体抵御虚假信息的能力。

4.推动科学研究的社会服务：项目将积极与教育机构、媒体平台和政府部门建立合作关系，将研究成果应用于实际场景，为提升公众媒介素养、优化信息治理策略提供科学服务，体现科学研究的社会价值和贡献。

综上所述，本项目预期在虚假信息识别的脑机制研究方面取得一系列具有理论创新性和实践应用价值的成果，为深化相关科学认识、应对信息时代挑战和促进社会健康发展提供重要支撑。

九.项目实施计划

本项目旨在系统性地探索虚假信息识别的神经机制，为确保研究目标的顺利实现，制定以下详细的项目实施计划，涵盖研究阶段划分、任务分配、进度安排及风险管理策略。

（一）项目时间规划与任务分配

本项目研究周期为三年，共分为五个阶段，每个阶段包含具体的任务目标和时间节点。

1.第一阶段：准备与设计（第1-3个月）

任务分配与进度安排：

（1）完善研究方案与伦理审查（第1个月）：细化研究设计，完成伦理审查申请；

（2）招募与筛选被试（第1-2个月）：发布招募通知，完成被试筛选与问卷；

（3）刺激材料制备与预实验（第2-3个月）：创作或收集刺激材料，进行预实验测试与优化；

（4）实验设备调试与校准（第1-3个月）：完成fMRI、EEG等设备的调试与校准。

预期成果：完成研究方案终稿，获得伦理审查批准，建立合格被试池，完成刺激材料库，确保实验设备运行稳定。

2.第二阶段：数据采集（第4-18个月）

任务分配与进度安排：

（1）静息态fMRI数据采集（第4-6个月）：按计划完成所有被试的静息态fMRI扫描；

（2）任务态fMRI与ERPs数据采集（第7-12个月）：按运行顺序完成任务态fMRI和EEG数据采集，同时进行行为实验测试；

（3）tDCS神经调控实验（第10-15个月）：招募部分被试，按双盲设计完成tDCS干预实验，并采集干预前后数据；

（4）数据初步整理与检查（第13-18个月）：完成数据预处理，进行初步的质量控制与检查。

预期成果：获取完整的多模态神经影像数据、行为数据及神经调控数据，完成数据预处理与初步分析。

3.第三阶段：数据处理与分析（第19-30个月）

任务分配与进度安排：

（1）静息态与任务态fMRI分析（第19-22个月）：进行功能连接、激活分析、有效连接分析；

（2）ERPs分析与个体差异分析（第21-24个月）：提取与分析ERP成分，进行个体差异与神经指标关系的回归分析；

（3）多变量模式分析（MPA）（第23-26个月）：构建分类模型，评估模型性能与泛化能力；

（4）整合分析与成果撰写（第27-30个月）：整合多模态结果，撰写研究论文与项目总结报告。

预期成果：完成所有数据分析任务，获得关键研究结论，发表系列学术论文，完成项目总结报告。

4.第四阶段：成果推广与总结（第31-33个月）

任务分配与进度安排：

（1）学术会议交流（第31个月）：参加国内外学术会议，进行研究成果汇报；

（2）科普宣传（第32个月）：发布科普文章，开展公开讲座；

（3）项目结题与成果归档（第33个月）：完成项目结题，整理研究数据与文档。

预期成果：提升研究成果的学术影响力，增强公众科学素养，完成项目结题与成果归档。

5.第五阶段：项目评估与后续研究规划（第34-36个月）

任务分配与进度安排：

（1）项目评估（第34个月）：对项目成果进行内部评估，总结经验教训；

（2）后续研究规划（第35-36个月）：基于本项目的发现，提出后续研究方向与建议。

预期成果：完成项目评估报告，为后续研究提供规划与建议。

（二）风险管理策略

1.研究风险与应对措施：

（1）研究风险：神经影像数据质量不稳定（如头动伪影、设备故障等）。

应对措施：严格被试筛选与训练，优化扫描参数与流程；建立数据质量监控机制，实时检测与剔除低质量数据；制定设备维护计划，确保设备正常运行；采用先进的数据校正算法，提升数据质量。

2.被试招募风险与应对措施：

（1）被试招募风险：难以招募到足够数量和质量的被试，特别是特定人群（如高认知能力者、特定倾向者）。

应对措施：扩大招募范围，利用多渠道发布招募信息；提供合理报酬，提升被试参与积极性；与高校、社区合作，拓宽招募途径；建立被试筛选标准，确保被试群体代表性。

3.数据分析风险与应对措施：

（1）数据分析风险：多模态数据整合难度大，分析结果可能存在偏差。

应对措施：采用标准化分析流程，确保数据整合的一致性；利用先进的融合分析方法，提升数据整合效果；进行交叉验证，确保分析结果的可靠性；组建跨学科分析团队，提升数据分析能力。

4.神经调控实验风险与应对措施：

（1）神经调控风险：tDCS干预效果不确定，可能存在副作用。

应对措施：采用双盲设计，确保干预的客观性；进行严格的被试筛选，排除禁忌症；设置安慰剂对照组，评估干预效果；密切监测被试反应，及时调整干预方案。

5.研究伦理风险与应对措施：

（1）伦理风险：研究可能涉及被试隐私泄露、知情同意不充分等问题。

应对措施：制定详细伦理规范，确保研究过程符合伦理要求；进行充分知情同意教育，确保被试充分理解研究内容；建立数据匿名化机制，保护被试隐私；设立伦理审查委员会，定期审查研究方案。

6.资金管理风险与应对措施：

（1）资金管理风险：项目经费使用不合规，存在资金浪费或不足。

应对措施：制定详细的经费使用计划，确保资金合理分配；建立严格的资金管理制度，确保资金使用透明；定期进行财务审计，确保资金使用合规。

通过制定科学的时间规划和风险管理策略，本项目将确保研究过程的顺利进行，提升研究质量，达成预期目标。

十.项目团队

本项目团队由来自认知神经科学、心理学、神经影像学、神经工程学、计算神经科学与传播学等领域的专家组成，团队成员均具有丰富的跨学科研究经验，在虚假信息识别、社会认知、情绪神经科学、脑成像技术、机器学习与等领域取得了显著研究成果，具备完成本项目所必需的学术造诣与技术能力。

1.团队成员的专业背景与研究经验：

（1）项目负责人张教授，博士，国家认知神经科学研究所首席研究员，主要研究方向为认知神经科学与媒体心理。在虚假信息识别的神经机制探索方面，主持多项国家自然科学基金项目，在NatureHumanBehaviour、NatureCommunications等顶级期刊发表多篇研究成果，擅长多模态脑成像技术结合行为实验的研究范式，在虚假信息识别领域具有国际影响力。

（2）项目副研究员李博士，硕士，美国斯坦福大学神经科学系访问学者，研究方向为情绪认知与神经调控。在情绪神经科学领域发表多篇高水平学术论文，擅长fMRI、EEG和tDCS等神经调控技术，在情绪加工与认知控制的神经机制研究方面具有深厚积累，为项目中的情绪反应分析、神经调控实验设计及效果评估提供了专业支撑。

（3）核心成员王研究员，博士，清华大学心理学系教授，主要研究方向为社会认知与群体行为。在虚假信息传播的社会心理机制研究方面取得系列成果，擅长问卷设计、实验心理学与大数据分析，为项目中的个体差异研究（如倾向、认知能力）与行为实验设计提供了重要支持。

（4）核心成员赵博士，硕士，中国科学院自动化研究所研究员，研究方向为计算神经科学与机器学习。在脑影像数