《Psychology, Crime & Law》：Do descriptors influence eyewitness performance and lineup fairness?
编辑推荐：
目击者描述在刑事调查中发挥着关键作用，因为它们对调查线索和列队构建具有显著影响。然而，当存在多名目击者时，在研究和实践中如何将多份描述汇编成单一描述性档案（即描述符技术，descriptor techniques）这一问题却很少受到关注。研究人员考察了不同
目击者描述在刑事调查中发挥着关键作用，因为它们对调查线索和列队构建具有显著影响。然而，当存在多名目击者时，在研究和实践中如何将多份描述汇编成单一描述性档案（即描述符技术，descriptor techniques）这一问题却很少受到关注。研究人员考察了不同的描述符技术——全面描述符（comprehensive descriptors，包含所有非矛盾及矛盾已解决的描述）、随机描述符（random descriptors，随机选取的描述子集）和共识描述符（consensus descriptors，常被提及的描述）——如何影响目击者表现和列队公平性（lineup fairness）。研究人员预期，采用全面描述符构建的列队将产生最高的公平性和最低的可辨别性（discriminability，指目击者区分有罪嫌疑犯与无辜嫌疑犯的能力），因为其包含更多细节，从而使得嫌疑犯与填充者之间的相似性最高。参与者（N=363）观看了两个模拟犯罪视频，完成了干扰任务，做出了列队指认决定，并对其自信度进行了评分。每位参与者各完成了一个目标在场（target-present）列队和一个目标缺席（target-absent）列队，随后完成了注意力检查和人口统计学问题。采用全面描述符构建的列队具有最高的可辨别性但公平性最低，而采用随机和共识描述符构建的列队则更公平但可辨别性降低。可辨别性仅在全面描述符列队与随机描述符列队之间存在显著差异。因此，将描述汇编成描述符的方式可能对列队表现和公平性产生影响——这同时具有方法论和实践意义。
**论文解读**
**一、研究背景与问题提出**
目击者描述在刑事调查中发挥着不可替代的作用——它们不仅引导调查方向、帮助锁定嫌疑人，更是构建列队（lineup）的核心依据。当前，资深目击者研究学者推荐的政策和程序建议指出，列队填充者（fillers，即已知无辜的陪衬者）应依据目击者对犯罪嫌疑人的描述来选取，即采用匹配描述技术（match-to-description technique）。然而，一项涵盖54个国家的目击者程序指南综述发现，89%的指南仍推荐基于填充者与嫌疑人外貌相似性而非匹配描述技术来选取填充者，且现有指南对匹配描述技术的操作细节缺乏进一步澄清。其中一个亟待澄清的问题涉及：当存在多名目击者时，列队构建者应依据哪些目击者描述来选取填充者？在单一目击者的案件中，调查人员依据一份描述即可完成填充者选取；但当多名目击者提供了详略不一的描述时，究竟应如何汇编这些描述便成为难题。在实验室研究中，研究人员通常将多名参与者的描述合并为一个描述性档案（descriptive profile），以确保列队刺激材料能更好地反映人们平均的记忆内容，而非受单一目击者偏差的影响。然而，不同研究在描述汇编方式上差异甚大——有的以至少一半描述者报告的特征为标准，有的以至少25%报告的特征为标准，而更多研究根本不报告描述汇编的任何细节。迄今为止，仅有一项研究探讨了不同描述汇编方式对列队公平性的影响，且未涉及目击者表现（eyewitness performance）。这一研究空白意味着，不同研究在目击者列队识别领域得出不一致结论，其部分原因可能正是描述符技术在方法学层面的差异。此外，在实际侦查中，如何将多名目击者的差异性描述整合为有效描述符以构建列队，其对目击者识别表现的影响仍然未知。本研究正是在此背景下，旨在系统检验三种描述符技术对列队公平性和目击者表现的影响，为法律心理学研究实践和实际列队构建提供参考。
**二、研究目标与重要意义**
本研究旨在考察不同的描述汇编方式——全面描述符、随机描述符和共识描述符——是否会影响匹配填充者池（description-matched filler pool）的构成、列队表现和列队公平性。研究人员提出了两个核心假设：第一，共识描述符和随机描述符将比全面描述符产生更好的列队表现（H1）；第二，全面描述符将比共识描述符和随机描述符产生更公平的列队（H2）。这些假设基于以下推理：全面描述符因包含更多具体特征，会导致符合描述的面孔数量减少，从而形成更小但相似性更高的填充者池，进而提高列队成员间的面部相似性；而共识和随机描述符因信息更稀疏，会产生更大但嫌疑犯-填充者相似性较低的填充者池。根据诊断特征检测理论（Diagnostic Feature Detection theory，DFD，该理论认为列队决策依赖于对列队成员间诊断性特征与非诊断性特征的比较），较低的嫌疑犯-填充者相似性将使目击者更容易依赖诊断特征（diagnostic features，即未包含在目击者描述中且可能在列队成员间存在差异的面部特征）来区分有罪嫌疑犯与无辜嫌疑犯。因此，全面描述符预期产生较低的可辨别性，但因其成员间相似性更高，反而可能使列队更加公平。本研究首次将描述符技术对目击者表现的影响纳入考察，填补了该领域的重要空白，同时为实际列队构建中多目击者描述的处理提供了实证依据。
**三、关键技术方法**
本研究采用3（描述符类型：全面、随机、共识）×2（目标在场与否：在场、缺席）×2（目标：目标1、目标2）的混合实验设计。参与者为363名通过Prolific Academic招募的成年人，女性占55.1%，平均年龄41岁。材料方面，使用了两段45秒的模拟盗窃视频，两位演员均为20多岁的白人男性，面部相似度中等（BetaFace评分约60%）。描述获取阶段，由50名独立参与者观看视频后提供自由回忆书面描述，平均每位目标获得约3.25至3.49个描述符。描述汇编依据Mansour等人的程序：全面描述符保留所有非矛盾细节并以多数意见解决矛盾；随机描述符从所有非矛盾特征中随机选取7个特征子集；共识描述符以25%的最低一致率阈值纳入特征（因50%阈值下仅剩种族、性别和年龄三项基线特征）。三名研究助理各自负责一种描述符条件，从含有156张男性面孔的芝加哥面孔数据库和实验室数据库中盲选匹配描述的面孔以构建描述匹配填充者池。列队采用不同填充者设计（different-filler design），每个列队含6名成员，无辜嫌疑犯与有罪嫌疑犯的BetaFace相似度为75%。列队表现以可辨别性（d'）、诊断性比率（diagnosticity ratio）、识别准确率及部分接收者操作特征曲线下面积（pAUC）等指标衡量；列队公平性以结果性Tredoux's E（resultant Tredoux's E，衡量列队有效规模的指标）和多d'方法（multi-d'）进行评估。所有分析在R语言环境中完成，采用假发现率校正（False Discovery Rate correction）后的p值，显著性阈值为0.05。
**四、研究结果**
**（1）列队表现（Performance）**
描述性统计显示，全面描述符列队具有最高的击中率（hit rate）和正确拒绝率（correct rejection rate），而共识描述符列队具有最高的虚报率（false alarm rate）。从信号检测论参数来看，全面描述符列队的可辨别性最高（d'=1.64），其次为随机描述符列队（d'=1.35）和共识描述符列队（d'=1.28）。诊断性比率呈现相似模式：全面描述符为5.66，随机描述符为4.75，共识描述符为4.00。响应标准（response criterion）方面，随机描述符列队最为保守（c'=0.50），其次为共识描述符列队（c'=0.39）和全面描述符列队（c'=0.35）。Probit回归分析表明，可辨别性在整体上并未随描述符技术发生显著变化（p<0.40），目标在场列队准确率（p<0.14）和目标缺席列队准确率（p<0.06）也未达显著差异。然而，识别准确率（即击中占所有选择的比率）在全面描述符列队（M=0.62）中显著高于共识描述符列队（M=0.47，p=0.04）和随机描述符列队（M=0.42，p=0.01）。在pAUC（考虑了自信度对响应标准的影响）比较中，全面描述符列队（pAUC=0.20）显著优于随机描述符列队（pAUC=0.15，D=2.24，p=0.01），但与共识描述符列队（pAUC=0.16）未达显著差异（D=1.78，p=0.07）。因此，本研究的H1未获支持——全面描述符并未产生最差的可辨别性，反而在多项指标上表现最优。
**（2）列队公平性（Fairness）**
以结果性Tredoux's E衡量（该指标在目标缺席条件下最具解释力），所有描述符条件下的列队均达到合理公平水平（E>3）。然而，与H2的预测相反，全面描述符列队在目标缺席条件下的公平性最低（E值最小），共识描述符列队公平性最高，随机描述符列队居中（具体E值参见原文表4）。多d'分析进一步揭示了公平性的深层机制：全面描述符列队产生了最高的d'(GFp)（即有罪嫌疑犯与列队填充者的可区分度）和最高的d'(FaFp)（即填充者在目标缺席列队中比在目标在场列队中更有效地吸引指认选择），以及最大的d'(GFp)与d'(IFa)差值（即差异性填充者分流效应，differential filler siphoning effect）。差异性填充者分流效应反映了填充者对无辜嫌疑犯的保护功能——填充者在不削弱对有罪嫌疑犯指认率的前提下，有效吸收了对无辜嫌疑犯的错误指认。全面描述符列队尽管Tredoux's E较低，但在差异性填充者分流方面表现最优，这说明即使列队成员间选择分布不够均匀，填充者仍能为无辜嫌疑犯提供实质保护。
**（3）探索性分析（Exploratory Analyses）**
在高自信度指认产出（eyewitness yield）方面，随机描述符列队表现出最佳的产出率和诊断性比率，而全面描述符列队的产出率最差；同时，随机描述符列队的响应标准最为保守。但需注意，该分析的观察值数量较少，结果推广应持谨慎态度。
**（4）结果小结（Summary of Findings）**
描述符技术未在probit回归中显著影响整体可辨别性，但pAUC比较显示全面描述符列队的可辨别性显著高于随机描述符列队——这一差异可能源于pAUC将响应标准（通过自信度体现）纳入考量。在识别准确率指标上，全面描述符列队显著优于随机和共识描述符列队。列队公平性（以Tredoux's E衡量）在全面描述符条件下最低，但在差异性填充者分流方面最高。综合来看，全面描述符在提升识别表现的同时，以一定程度的公平性损失为代价，但该损失通过增强的填充者分流保护效应得到了一定补偿。
**五、讨论与结论**
本研究的核心发现与预期方向相反：全面描述符列队并未因更高的嫌疑犯-填充者相似性而降低可辨别性，反而在多项表现指标上优于随机和共识描述符列队。研究人员以原型性（prototypicality）理论对此进行解释：在同时呈现列队（simultaneous lineup）中，目击者并非孤立评估每张面孔，而是通过比较选出与记忆中犯罪嫌疑人的形象最匹配的面孔。全面描述符因其包含了更完整的描述细节，列队围绕一个更全面的面部特征档案构建，使得有罪嫌疑犯（或高相似度的无辜嫌疑犯）在列队中显得更具“原型性”——即成为最典型的、最符合整体特征模式的选择。因此，即使目击者的记忆不够牢固，也可能通过挑选最符合所有特征线索的面孔来识别嫌疑人。相反，共识和随机描述符因信息稀疏，列队围绕一个不太完整的面部档案组织，削弱了嫌疑犯作为“最佳匹配”的突出程度。
BetaFace面部相似性评估结果表明，无论描述符技术如何，各列队中填充者与嫌疑犯的平均相似性均维持在约60%至64%的狭窄区间，填充者池的面孔间变异也有限。这一发现提出了一个重要问题：无论是AI工具还是真实目击者，是否主要依赖于三种描述符技术所共享的一组核心面部特征来进行相似性判断和识别决策？如果是，这可能意味着存在一组有限但高度显著的突出特征，它们在不成比例地驱动着相似性判断——无论描述符本身的完整程度如何。
就列队构建实践而言，本研究提示：若警方在多名目击者情境下使用所有非矛盾细节来构建描述符，可能比随机选取特征子集甚至仅依赖共识特征更有效地提升目击者对有罪嫌疑犯的识别能力。然而，研究人员强调，当前结果基于以高质量视频呈现的两名白人男性目标获得，在推广至其他目击者群体（如儿童、老年人或不同文化背景者）、描述质量水平、描述获取方式、嫌疑人种族与性别、犯罪类型、编码条件以及刺激类型（如视频列队）之前，尚需更多复制和推广性研究。此外，无辜嫌疑犯与有罪嫌疑犯的相似度被设定为75%这一较高水平，在低相似度匹配下，全面描述符技术的优势可能减弱甚至消失，未来研究应直接操纵无辜嫌疑犯的相似性以考察其与描述符类型的交互作用。研究人员还指出，若列队构建采用混合方法——即不仅依据描述匹配，还兼顾填充者与嫌疑犯的视觉相似性——描述符技术的影响可能会被稀释甚至消除，因为基于相似性的筛选引入了一个额外的约束条件，可能掩盖原始描述在突出诊断特征方面的作用。
**研究结论：** 虽然目前尚无普遍接受的指导方针来汇编多名目击者的描述，但本研究表明，生成和应用描述符的具体步骤可显著影响列队表现和公平性。研究人员的发现提示，整合个体目击者的描述可能比选择性优先采纳某些描述或仅依赖最普遍报告的特征产生更好的结果。虽然该方法可能在某种程度上损害目标缺席列队的公平性，但它通过差异性填充者分流效应显著增强了可辨别性（无论是在实证层面还是理论层面）和识别准确率——从而在不显著增加无辜嫌疑犯指认风险的情况下提高正确识别率，因为填充者吸收了更多的错误选择。这些发现凸显了在实验研究中更密切关注列队构建过程中目击者描述汇编方式的必要性。研究人员强烈呼吁研究者明确报告其描述获取和列队构建程序，这将有助于未来的元分析评估列队构建文献中的不一致性是否至少部分源于方法学差异。在实践层面，还需进一步研究以确定这些结果的稳定性和可推广性，从而为涉及多名目击者的警务实践以及模拟真实情境的研究方法学提供指导。
