Wie kann man Lügen enttarnen? Lügendetektoren können anhand der erhobenen körperlichen Reaktionen nicht immer eine verlässliche Entscheidungshilfe bieten. Was aber wäre, wenn es einen Polygraphen gäbe, der mit unbeeinflussbaren körperlichen Reaktionen, wie der elektrischen Aktivität des Gehirns, arbeiten würde?
In der nachfolgend vorgestellten Studie von Farwell und Donchin (1991) wurde erstmals ein solches Verfahren zur Detektion von sogenanntem Schuldwissen (Guilty Knowledge) getestet, das mittels einer EEG-Aufzeichnung und der anschließenden Auswertung der P300-Komponente im ERP (Event Related Potential) arbeitet.
Bevor diese Studie jedoch ausführlich beschrieben wird, werden im ersten Teil dieser Arbeit die theoretischen Grundlagen zum Thema Lügendetektion dargestellt. Dabei werden die Polygraphie, das klassische Oddball-Paradigma sowie der Guilty-Knowledge-Test beleuchtet. Anschließend folgt eine detailliertere Darstellung der Studie, welche die Beschreibung der Hypothesen, der Vorgehensweise sowohl bei der Datenerhebung als auch die der späteren Auswertung sowie der Ergebnisse umfasst. Im letzten Teil dieser Arbeit stehen die kritische Würdigung und Diskussion der Studienerkenntnisse, die auch mit neueren Studien in Bezug gesetzt werden. Daneben werden auch Implikationen für die Praxis vorgeschlagen.
Inhaltsverzeichnis
1. Einleitung
2. Theoretische Grundlagen
2.1. Polygraphie
2.2. Oddball-Paradigma
2.3. Guilty Knowledge Test
3. Zielsetzung
4. Methodisches Vorgehen
4.1. Experiment 1
4.2. Experiment 2
4.3. Theoriebezogene Hypothesen
4.4. Datenakquise
4.5. Datenvorbereitung
4.6. Experimentbezogene Hypothesen
5. Ergebnisse
5.1. Experiment 1
5.2. Experiment 2
6. Diskussion und Ausblick
Zielsetzung und Themen
Die Arbeit analysiert die Studie von Farwell und Donchin (1991), um zu untersuchen, ob die P300-Komponente der ereigniskorrelierten Potentiale (ERP) als zuverlässiger Parameter für die interrogative Polygraphie zur Lügendetektion dienen kann. Das primäre Ziel ist die Bewertung der Validität dieses Verfahrens im Vergleich zu herkömmlichen Polygraphen.
- Grundlagen der Polygraphie und des Guilty Knowledge Tests
- Einsatz des veränderten Oddball-Paradigmas zur P300-Messung
- Methodik des Bootstrappings zur individuellen Schuldzuweisung
- Kritische Diskussion der Fehlerraten und der praktischen Anwendbarkeit
- Vergleich mit alternativen Methoden wie fMRT und N400-Analyse
Auszug aus dem Buch
2.1.Polygraphie
Etymologisch leitet sich der Begriff Polygraph vom griechischen polygraphia („Vielschreiben“) ab und bezeichnet ein Gerät, mit dessen Hilfe multiple biologische Parameter des ANS (Autonomic Nervous System) aufgezeichnet werden können. Bei diesen Parametern handelt es sich beispielsweise um die elektrische Leitfähigkeit der Haut, Atmungs- oder kardiovaskuläre Veränderungen (vgl. bspw. Barland & Raskin, 1975; Podlesny & Raskin, 1978). Eine solche Erhebung findet meist in Verbindung mit der Befragung einer Person statt, wobei die körperlichen Daten später Auskunft über das Aktivitätsniveau dieser Person geben sollen. Anschließend wird dies in Bezug zu dem Befragungsinhalt (bspw. den Hergang einer Straftat) gesetzt. Diese hauptsächliche Verwendung bescherte dem Polygraphen auch die umgangssprachliche Bezeichnung „Lügendetektor“.
Zusammenfassung der Kapitel
1. Einleitung: Die Arbeit führt in die Thematik der Lügendetektion ein und stellt die Relevanz der P300-basierten Methode als objektive Alternative zu herkömmlichen Polygraphen dar.
2. Theoretische Grundlagen: Es werden die Funktionsweise der Polygraphie, das Oddball-Paradigma sowie der Guilty Knowledge Test als Basis für die P300-Messung erläutert.
3. Zielsetzung: Das Kapitel definiert die Forschungsfrage, ob die P300-Komponente eine zuverlässigere Methode zur Erkennung von Täuschungen bietet als klassische biologische Parameter.
4. Methodisches Vorgehen: Dieses Kapitel beschreibt das Studiendesign der beiden Experimente, die Datenakquise und die statistische Auswertung mittels Bootstrapping.
5. Ergebnisse: Die Resultate der beiden Experimente werden dargelegt und zeigen, dass die P300-Amplitude eine effektive Differenzierung zwischen schuldig und unschuldig ermöglicht.
6. Diskussion und Ausblick: Eine kritische Würdigung der Studienergebnisse, der praktischen Grenzen des Verfahrens und ein Vergleich mit neueren Methoden wie fMRT und N400.
Schlüsselwörter
Lügendetektion, Polygraphie, P300, ERP, Oddball-Paradigma, Guilty Knowledge Test, Bootstrapping, Schuld, Unschuld, Interrogation, Validität, kognitive Last, N400, fMRT, Informationsverarbeitung
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit untersucht die wissenschaftliche Eignung der P300-Komponente im EEG zur verlässlichen Identifikation von Schuldwissen bei Personen.
Was sind die zentralen Themenfelder?
Die Arbeit behandelt die psychophysiologische Messung von Täuschungsprozessen, die Anwendung von ERP-Technologien im juristischen Kontext und die statistische Auswertung von Einzelfalldaten.
Was ist das primäre Ziel der Studie?
Das Ziel ist die Beantwortung der Frage, ob Farwell und Donchins P300-basierter Polygraph eine reliable Entscheidungshilfe zur Bestimmung von Schuld oder Unschuld darstellt.
Welche wissenschaftliche Methode wird verwendet?
Es wird eine Kombination aus dem Oddball-Paradigma und dem Guilty Knowledge Test angewendet, ergänzt durch eine Bootstrapping-Statistik zur Korrelationsanalyse der EEG-Daten.
Was wird im Hauptteil behandelt?
Der Hauptteil umfasst die detaillierte Beschreibung zweier Experimente, die Erläuterung der Hypothesen sowie die Analyse der Klassifikationsergebnisse anhand des Bootstrap-Indexes.
Welche Schlüsselwörter charakterisieren die Arbeit?
Die wichtigsten Begriffe sind P300-basierte Polygraphie, Guilty Knowledge, ERP, Bootstrapping und Fehlklassifikationsanalyse.
Warum ist das Bootstrapping-Verfahren für die Analyse wichtig?
Das Bootstrapping erlaubt eine robustere statistische Auswertung bei kleinen Stichproben, um individuelle Korrelationen zwischen den Kurven von Probes, Targets und Irrelevants zu bestimmen.
Wie sicher ist die Methode laut den Ergebnissen?
Die Studie erreicht eine hohe Klassifikationsquote von 87,5 %, wobei das Verfahren jedoch für eine absolute Anwendung in der Realität als noch nicht ausreichend unfehlbar bewertet wird.
- Quote paper
- Melissa Quantz (Author), Yvonne Moch (Author), 2017, Über die Verwendung von P300-basierten Polygraphen zur Lügendetektion, Munich, GRIN Verlag, https://www.grin.com/document/366928
