Micromomentary expressions oder Mikroexpressionen sind minimale Bewegungen, die für Zehntelsekunden über ein Gesicht huschen, bevor die Mimik unter Kontrolle gebracht ist, wobei diese Signale schwer zu erkennen sind, denn diese flüchtigen Gesichtsausdrücke dauern pur Sekundenbruchteile.
Sie sind zumeist als Ausdruck der sieben universellen Emotionen Ekel, Ärger, Angst, Traurigkeit, Freude, Überraschung, und Verachtung beschrieben. Mikroexpressionen können willentlich nur schwer unterdrückt werden, jedoch können Menschen, die gute Beobachter sind, etwa Lügner anhand von Mikroexpressionen entlarven, wozu sich auch Zeitlupenaufnahmen eines Gesichts verwenden lassen. Diese Mikroexpressionen gleichen einem universellen Code, der Menschen hilft, einander zu verstehen. Diese Mikroexpressionen können demnach die wahren Gefühle eines Menschen verraten, mag er sich noch so viel Mühe geben, diese zu verbergen. In Verbindung mit anderen nonverbalen Äußerungen kann durchaus zu einer präzisen Einschätzung seiner Glaubwürdigkeit gelangen.
Paul Ekman hat gemeinsam mit anderen das Facial Action Coding System entwickelt, nach dem etwa Trauer durch das Heben der inneren Augenbraue, das Zusammenziehen der Augenbrauen und das Herabziehen der Mundwinkel zustande kommt. Furcht ist dabei deutlich komplexer und erfordert das Zusammenspiel von vielen weiteren Muskelpartien im Gesicht. Ekman hat sein System immer weiter verfeinert und glaubt nun, dass sich mit ihm auch die flüchtigsten Gesichtsausdrücke erfassen lassen, selbst wenn diese nur Bruchteile von Sekunden dauern.
Zu diesen Mikroexpressionen gehört auch das Blinzeln. Hömke et al. (2018) haben die potenzielle Feedback-Funktion des Blinzelns untersucht, das tendenziell unterschwellig ist und von kaum jemandem bewusst wahrgenommen wird. Dabei wurde ein auf Virtual Reality basierendes Modell in Form eines Avatars entwickelt, das es ermöglichte, das Blinzeln für einen virtuellen Zuhörer selektiv zu manipulieren und kleine Unterschiede in der Blinzeldauer zu erzeugen, was zu kurzen (208 ms) und langen (607 ms) Blinksignalen führte. Dabei zeigte sich, dass Sprecher unbewusst die subtilen Unterschiede in der Blinzdauer der Zuhörer berücksichtigten und wesentlich kürzere Antworten als Reaktion auf lange Blinzeln der Zuhörer produzierten. Diese Ergebnisse deuten darauf hin, dass neben den physiologischen, wahrnehmungsbezogenen und kognitiven Funktionen auch das Blinzeln des Zuhörers als kommunikative Signale wahrgenommen werden und das kommunikative Verhalten der Sprecher in der persönlichen Kommunikation direkt beeinflussen. Vermutlich ist der Lidschlag also ein Bestandteil für das Erreichen des gegenseitigen Verständnisses in der täglichen sozialen Interaktion.
Durch die Integration elektrophysiologischer und kommunikativer Ansätze zeigten Shuster et al. (2021) einen neuen und objektiven Detektionsansatz, um teilnehmerspezifische Indikatoren für betrügerisches Verhalten in einem interaktiven Szenario einer Zwei-Personen-Täuschungsaufgabe zu identifizieren. Man zeichnete die Gesichtsmuskelaktivität der Teilnehmer mit Hilfe der Elektromyographie auf und wandten Algorithmen des maschinellen Lernens an, um Lügen auf der Grundlage kurzer Gesichtsreaktionen zu erkennen. Mit einer durchschnittlichen Genauigkeit von 73 % konnte man zwei Gruppen von Teilnehmern identifizieren: Diejenigen, die ihre Lügen durch Aktivierung ihrer Wangenmuskeln verrieten, und diejenigen, die ihre Augenbrauen aktivierten. Man stellte auch fest, dass einige Teilnehmer ihre verräterischen Muskelgruppen wechselten. Generell übertraf der automatische Klassifikator ungeübte menschliche Experten.
Literatur
Hömke, Paul, Holler, Judith & Levinson, Stephen C. (2018). Eye blinks are perceived as communicative signals in human face-to-face interaction. PLOS ONE, doi:10.1371/journal.pone.0208030.
Shuster, Anastasia, Inzelberg, Lilah, Ossmy, Ori, Izakson, Liz, Hanein, Yael & Levy, Dino J. (2021). Lie to my face: An electromyography approach to the study of deceptive behavior. Brain and Behavior, 11, doi:10.1002/brb3.2386.
Stangl, W. (2022, 25. Februar). Das Erkennen von Mikroexpressionen mit Hilfe der AI. Stangl notiert ….
https://notiert.stangl-taller.at/grundlagenforschung/das-erkennen-von-mikroexpressionen-mit-hilfe-der-ai/.
ich kann das hier empfehlen
Der Artikel könnte ausführlicher geschrieben sein.
Die Erkennung von Mikroexpressionen lässt sich online trainieren:
Trainingsplattform in deutsch: http://www.mikroexpressionen.de
Trainingsplattform in italienisch: http://www.leggere-emozioni.it