编辑推荐：
为探究社会惩罚机制，研究人员开展队列跳跃任务研究，揭示其认知和神经机制，具重要意义。
在日常生活中，我们常常会遇到各种违反社会规范的行为，比如排队时有人插队。当看到这种行为时，人们内心往往会涌起一种想要制止的冲动，但不同的人反应却大不相同。为什么会这样呢？这背后又有着怎样复杂的心理和神经机制呢？以往研究中，对社会惩罚的探究主要借助犯罪情景假设和经济博弈等范式。犯罪情景假设通常让参与者对刑事犯罪中的道德违规进行假设性决策；经济博弈则让参与者在有成本的情况下做出惩罚决策，比如支付一定数量的代币来减少违规者的收益。然而，这些范式存在局限性。在现实生活中，人们实施惩罚的方式丰富多样，经济范式难以涵盖这些实际情况，且难以区分自私动机和惩罚行为。同时，现有研究对社会惩罚在日常生活场景中的认知和神经机制了解有限。因此，为了更深入地理解社会惩罚在日常情境中的运作机制，中国科学院心理研究所行为科学重点实验室等机构的研究人员开展了一项关于社会惩罚的研究，该研究成果发表在《iScience》杂志上。
研究人员开发了队列跳跃范式（queue-jumping task），并利用功能磁共振成像（fMRI）技术来研究个体在面对队列跳跃事件时的大脑活动。在这个范式中，参与者需要想象自己在排队购买电影票时，有人插队的情景。研究人员通过操纵插队者在队列中的位置来改变规范违反的严重程度，越靠近队伍前面插队，违规越严重；同时，通过改变参与者在队列中的位置来操纵心理成本，越靠近队尾，心理成本越高；还设置了资源稀缺（剩余票数充足或不足）这一变量。
为开展研究，研究人员使用了多种关键技术方法。行为学方面，运用方差分析（ANOVA）验证实验操纵的有效性，通过回归分析探究各因素对惩罚倾向的影响，采用决策树分析揭示社会惩罚的认知路径。神经影像学方面，对 fMRI 数据进行预处理，通过单变量和多变量分析确定与不同条件相关的脑区，利用感兴趣区域（ROI）分析对比不同脑区的激活情况，使用广义心理生理交互作用（gPPI）分析研究脑区之间的功能连接，借助脑网络分析构建社会惩罚的神经网络。
研究结果如下：
- 范式验证：行为层面：通过重复测量方差分析和配对样本 t 检验发现，更高的违规严重程度、心理成本和资源稀缺程度会导致参与者更强的惩罚倾向。有序概率回归表明，违规严重程度对惩罚倾向影响最大，每增加一个单位，参与者表现出最高惩罚倾向的概率增加 12%，心理成本和资源稀缺程度的影响次之。决策树分析显示，在高违规条件下，参与者会优先考虑维护规范，跳过心理成本的评估；在低违规条件下，则会更全面地评估心理成本。此外，反应时间与惩罚倾向呈负相关，即反应时间越长，惩罚倾向越低。
- 范式验证：神经层面：对比高惩罚和低惩罚条件发现，左侧背外侧前额叶皮层（dlPFC）激活增强。与以往经济和犯罪惩罚研究对比，该范式中的 dlPFC 位于更靠前的区域（BA 9）。参数化一般线性模型（GLM）分析表明，左侧中额叶回（MTG）的激活随惩罚倾向水平变化而变化，且 MTG 和 dlPFC 区域的激活水平呈正相关。此外，在对比高、低违规严重程度时，左侧梭状回、右侧后扣带回皮层（PCC）和左侧 dlPFC 激活增强；对比高、低心理成本时，左侧中扣带回皮层（MCC）、腹内侧前额叶皮层（vmPFC）和左侧 dlPFC 激活增强；资源不足时，参与者在左侧颞顶联合区和右侧尾状核等区域表现出更多的推理和更强的遵守社会规范的欲望。
- 构建社会惩罚的神经网络：以左侧 dlPFC 为种子区域进行 gPPI 分析，发现高、低违规条件下，左侧 dlPFC 与左侧背侧 PCC 耦合增强；低、高心理成本条件下，左侧 dlPFC 与左侧额极（FP）、左侧背侧前扣带回皮层（dACC）等区域的连接增强。图论分析表明，社会惩罚网络具有小世界特性，且高惩罚倾向组的小世界属性更高，网络的全局效率与惩罚倾向正相关。拓扑高阶功能连接（tHOFC）分析显示，连接系数可预测个体惩罚倾向，高惩罚倾向组在处理违规严重程度的脑区之间有更强的正功能连接，在处理违规严重程度和心理成本的脑区之间有更强的负功能连接。
- 队列跳跃范式的生态效度和普遍性：多项补充研究表明，队列跳跃范式中参与者的惩罚倾向与日常生活中社会惩罚行为的频率显著相关，而其他范式中的惩罚倾向与日常生活中的惩罚行为关联较弱。此外，该范式能有效区分不同专业背景参与者的惩罚倾向，且范式中使用的四点惩罚倾向评分量表与现实生活中的二元惩罚决策具有相关性。
研究结论和讨论部分指出，本研究通过队列跳跃范式揭示了社会惩罚在日常情境中的认知和神经机制。行为和神经学结果验证了该范式的有效性，为理解社会惩罚提供了新视角。研究发现，人们在实施惩罚时会优先评估集体利益而非个人利益，这体现了惩罚的利他性。在神经层面，社会惩罚涉及多个神经回路，包括与社会规范相关的区域（如梭状回和 PCC）、自我相关处理区域（如 vmPFC 和 MCC）以及惩罚执行区域（如前 dlPFC 和 MTG）。脑网络分析表明，这些区域之间的紧密联系可有效预测个体惩罚倾向。
本研究的成果具有重要意义。它加深了人们对社会惩罚机制的理解，为进一步研究社会规范维护、合作行为促进等提供了理论基础。同时，研究结果有助于在实际生活中制定更有效的策略来规范人们的行为，促进社会和谐。但研究也存在一定局限性，如当前范式主要关注静态队列，未来研究可考虑动态环境；还应进一步研究插队者相对位置、人际因素以及文化差异等对社会惩罚的影响 。
