BigPicture diagramming software add-in for Microsoft Excel

BigPicture

Построение диаграмм связей и исследование данных в Excel

BigPicture — это ПО для построения схем, работающее как надстройка для Microsoft Excel С BigPicture вы можете строить диаграммы связей, которые позволяют упорядочивать ваши мысли и идеи, а также создавать динамические схемы из электронных таблиц любого вида.

В основе удобства работы в BigPicture лежит тот факт, что люди склонны лучше воспринимать информацию визуально, и диаграммы, в том числе диаграммы связей, помогают нам схватывать сложную информацию на лету. Однако очень часто в работе нам требуется использовать электронные таблицы и данные. BigPicture позволяет добавить возможности визуального восприятия в электронные таблицы, непосредственно в Excel.

Гибкие функции визуализации для электронных таблиц

В отличие от других продуктов для построения диаграмм связей, BigPicture позволяет добавить возможности визуального восприятия в электронные таблицы непосредственно в Excel. Все содержимое ваших электронных таблиц Excel без исключения может быть связано с диаграммами и схемами BigPicture, в результате чего при обновлении чисел и формул в Excel графические схемы также будут обновляться автоматически. Интеграция является полной.

Обзоры BigPicture с высочайшими оценками

Цитата из обзора BigPicture от портала Small Business Trends
«к тому времени, когда вы ознакомитесь с половиной функций BigPicture, вы будете жалеть, что не начали пользоваться этим решением раньше… Крайне гибкий функционал и набор возможностей BigPicture, а также постоянно растущая база документации и обучающих видеороликов делают его инструментом, мимо которого вы точно не захотите пройти в 2015 году».

Вот что пишут о BigPicture на одном из наиболее важных в отрасли сайтов, Mind Mapping Software Blog: “«BigPicture — это высококачественный набор инструментов, который будет отличным подспорьем для любого руководителя, уже использующего Excel в своей работе, но пока не решающегося инвестировать в специальное ПО для построения диаграмм связей… Называть BigPicture «надстройкой» просто несправедливо. BigPicture — это комплексный набор инструментов, который позволит быстро начать создавать диаграммы связей и концептуальные и блок-схемы. Продукт успешно использует встроенные инструменты рисования и редактирования Excel для настройки форматирования отдельных элементов».

Обзор BigPicture также был опубликован в журнале Project Manager Today.

Для чего используется BigPicture?

BigPicture можно использовать для ряда процессов, от мозговых штурмов до построения диаграмм и анализа данных. Ниже приведено несколько примеров.

Стратегическое планирование

BigPicture позволит вам перенести процесс мозгового штурма в наглядную динамическую схему с идеями и вариантами решения проблемы, данные в которой можно с легкостью изменять.

Создавайте свои собственные диаграммы связей с данными или без них; их конечный вид и наполнение зависят только от ваших потребностей.

Используйте инструмент показа слайдов для создания привлекательных презентаций с комментариями. Легко делитесь схемами BigPicture таким же образом, как документами Excel.

Схема стратегии BigPicture с развернутыми узлами, в которых содержатся различные факторы и возможные последствия некоторых из решений.

Гибкая организационная диаграмма BigPicture, четко показывающая структуру организации с подробными сведениями по каждому сотруднику.

Организационные
диаграммы

Легко создавайте организационные диаграммы: преобразовывайте зарплаты, должности и даже замечания по эффективности работы и автоматически стройте гибкие диаграммы, иллюстрирующие иерархическую структуру вашей организации, настраивая используемые цвета, изображения и значки.

Разворачивайте ветви, чтобы получить подробную информацию об отделе, или сворачивайте их, чтобы получить обзор компании в целом. Любые изменения, вносимые в исходный набор данных по вашим человеческим ресурсам, будут автоматически и легко перенесены в диаграмму.

Схема данных, построенная с помощью BigPicture, на которой ясно, наглядно и подробно показаны связи между сложными точками данных.

Исследование данных

Сложные таблицы данных автоматически преобразовываются в легкую для восприятия инфографику и схемы данных. Разворачивайте и сворачивайте любые узлы схем данных, чтобы просматривать и обобщать информацию по требуемым отдельным элементам.

Более того, все схемы данных BigPicture ссылаются на исходные наборы данных, поэтому обновление и изменение структуры схем данных занимает считанные секунды.

Просмотр справочного руководства BigPicture (на английском языке)

Совместимость: Программное обеспечение BigPicture совместимо со всеми 32-разрядными и 64-разрядными версиями Microsoft Office 2007 и новее, работающими в Microsoft Windows Vista и новее.

Bigpicture.ru не работает сегодня только у меня? Статус Bigpicture.ru

Статус сервера

онлайн

Код состояния

200

Время отклика

1.747 sec

Узнайте, работает ли Bigpicture.ru в нормальном режиме или есть проблемы сегодня

Не открывается, не грузится, не доступен, лежит или глючит?

Самые частые проблемы Bigpicture.ru

Не определены.

Что делать, если сайт BIGPICTURE.RU недоступен?

Если BIGPICTURE.RU работает, однако вы не можете получить доступ к сайту или отдельной его странице, попробуйте одно из возможных решений:

Кэш браузера.

Чтобы удалить кэш и получить актуальную версию страницы, обновите в браузере страницу с помощью комбинации клавиш Ctrl + F5.

Блокировка доступа к сайту.

Очистите файлы cookie браузера и смените IP-адрес компьютера.

Антивирус и файрвол.
Проверьте, чтобы антивирусные программы (McAfee, Kaspersky Antivirus или аналог) или файрвол, установленные на ваш компьютер — не блокировали доступ к BIGPICTURE. RU.

DNS-кэш.

Очистите DNS-кэш на вашем компьютере и повторите попытку доступа на сайт.
Смотреть видео-инструкцию  ↓

VPN и альтернативные службы DNS.

VPN: например, мы рекомендуем NordVPN.

Альтернативные DNS: OpenDNS или Google Public DNS.

Плагины браузера.

Например, расширение AdBlock вместе с рекламой может блокировать содержимое сайта. Найдите и отключите похожие плагины для исследуемого вами сайта.

Сбой драйвера микрофона

Быстро проверить микрофон: Тест Микрофона.

Информация о сайте bigpicture.ru

Здесь вы сможете провести полный анализ сайта, начиная с наличия его в каталогах и заканчивая подсчетом скорости загрузки. Наберитесь немного терпения, анализ требует некоторого времени. Введите в форму ниже адрес сайта, который хотите проанализировать и нажмите «Анализ».

Идёт обработка запроса, подождите секундочку

Чаще всего проверяют:

Сайт	Проверок
vk. com	90767
vkontakte.ru	43421
odnoklassniki.ru	34494
mail.ru	16673
2ip.ru	16637
yandex.ru	13968
pornolab.net	9912
youtube.com	9207
rutracker.org	9002
vstatuse.in	7105

Результаты анализа сайта «bigpicture.ru»

Наименование	Результат
Скрин сайта
Название	Shared IP
Описание
Ключевые слова
Alexa rank
Наличие в web. archive.org	Нет
IP сайта	109.248.200.135
Страна	Неизвестно
Информация о домене	Владелец: Private Person Creation Date: 2009-04-01 20:00:00 Expiration Date: 2021-04-01 21:00:00
Посетители из стран	🇷🇺 Russia (29.4) 🇧🇾 Belarus (9.4) 🇺🇿 Uzbekistan (8.4)
Система управления сайтом  (CMS)	узнать
Доступность сайта	проверить
Расстояние до сайта	узнать
Информация об IP адресе или домене	получить
DNS данные домена	узнать
Сайтов на сервере	узнать
Наличие IP в спам базах	проверить
Хостинг сайта	узнать
Проверить на вирусы	проверить
Веб-сервер	nginx
Картинки	0
Время загрузки	0. 08 сек.
Скорость загрузки	355.38 кб/сек.
Объем страницы	html 30030 bytes (99.52%) css 146 bytes (0.48%) всего> 30176 bytes

Получить информер для форума

Если вы хотите показать результаты в каком либо форуме, просто скопируйте нижестоящий код и вставьте в ваше сообщение не изменяя.

[URL=https://2ip.ru/analizator/?url=bigpicture.ru][IMG]https://2ip.ru/analizator/bar/bigpicture.ru.gif[/IMG][/URL]

«Спорим, вы и не знали, что на многих известных музыкальных обложках прячется волгоградский парень». Добавим, волгоградский парень, окончивший ВолгГТУ буквально в декабре 2017 года!

23.01.2018

Все-таки фотошоп в сочетании с чувством юмора иногда творит чудеса. Особенно если навыки владения фотошопом позволяют буквально вписывать себя в историю. Как это сделал, к примеру, обычный русский 24-летний парень Игорь Липчанский из Волгограда.Он пофантазировал, что же происходит за кадром культовых обложек музыкальных альбомов. И, недолго думая, добавил себя туда.

«Меня зовут Игорь, и я живу в холодной России. В перерывах между разборкой автомата Калашникова и дрессировкой домашнего медведя я люблю слушать музыку, и когда вглядываюсь в обложку альбома, то обязательно нахожу место для себя».

Добавим, что Игорь буквально в декабре окончил ВолгГТУ. И уже через какой-то месяц – такой шумный успех на федеральном уровне! В опорном университете многие помнят Игоря по его авторской программе My Favorite Band, которую он увлеченно делал вместе с ребятами из студии студенческого телевидения «Политех-ТВ» и из которой мы узнавали о его музыкальных пристрастиях. Эти-то его пристрастия и привели молодого человека к новому увлечению, о котором мы все с большим удовольствием и узнали совсем недавно.

Вот что Игорь сказал по поводу того, что же подтолкнуло его к реализации столь смелой и креативной идеи в интервью корреспондентам одного из информационных агентств Волгограда: «Я люблю хорошую, качественную музыку и всегда восхищался фотографиями и иллюстрациями, которые используют музыканты на своих обложках и в какой-то момент я начал воспринимать обложки альбомов, как произведение искусства. Это действительно большая часть массовой культуры. Обложки таких альбомов, как The Dark Side of the Moon группы Pink Floyd или Nevermind от Nirvana стали культовыми и вписали себя в поп-культуру. Я достаточно долго рассматривал обложки, смотрел каверы на них и в этом находил нечто невероятное. И в какой-то момент подумал, а что могло бы происходить за кадром обложки, если бы там оказался я? Так и появилась идея сделать такие скейчи».

Желаем новых, ярких, творческих удач Игорю Липчанскому – волгоградском парню, выпускнику ВолгГТУ!

Возврат к списку

ответственные за красивую картинку на RIW

Команда BigPicture обеспечат участников RIW 2016 красивыми фотографиями из специальных фото-зон, расположенных на выставке INTERNET 2016.

Кроме того, сразу после получения бейджа на стойке регистрации, участники могут сделать новую фотографию для своего профиля на Runet-ID — фотографы BigPicture будут все три дня RIW работать в специальной фото-зоне Runet-ID.

“На предыдущих RIW ребята из нашей команды с завидным постоянством выступали в качестве спикеров или участников программы. На сайте выпускались материалы, посвященные конференциям, форумам и другим мероприятиям РАЭК.  В этом году БигПикче удалось еще ближе подобраться к «сердцу» Рунета и стать официальным визуальным партнером Russian Interactive Week-2016. Фотографы медиа-группы проведут съёмку участников конференции для Runet-ID, а также организуют отдельную съёмку для спикеров этого года 1, 2 и 3 ноября”, — комментирует Коммерческий директор медиа-группы BigPicture.ru, Александр Кукса.

Отметим, что BigPicture.ru знаменит своими яркими и инетресными лонгридами. В честь десятилетия РАЭК и 9-ого RIW на сайте появился лонгрид “Девять лет связи” — все самые интересные события из жизни российских ИТ-компаний за 9 лет собраны здесь!

О BigPicture:

На сегодняшний день BigPicture.ru – это медиа-группа, в состав которой входят крупнейшие информационно-развлекательные площадки рунета. Профессиональная команда информационно-развлекательного блога bigpicture.ru, состоящая из редакторов, фоторепортеров, журналистов, ежедневно в формате 24/7 рассказывают о самых ярких и небанальных событиях и явлениях, которые происходят в России и по всему миру. В медиа-группу помимо сайта также входят: сообщество «Как это сделано», блог о путешествиях Александра Беленького, блог фотохудожника Петра Ловыгина, Сообщество Питерских Блогеров и другие площадки.

Официальный сайт: bigpicture.ru,

Новости ГУМРФ 19-08-2015

19 августа Парусное учебное судно «Мир» прибыло в порт Амстердам (Нидерланды), чтобы принять участие в грандиозном парусном событие сезона – Морском фестивале «Sail Amsterdam 2015». Фестиваль проходит в столице Нидерландов раз в пять лет, приглашая к участию красивейшие парусники из более чем десятка стран. «Мир» уже участвовал в фестивале в 2010 году, парусник хорошо знают и любят в Голландии.

Впервые фестиваль состоялся в 1975 году. Он был приурочен к празднованию 700-ой годовщины Амстердама собрав в Амстердамской гавани парусные суда со всех континентов. Событие увенчалась огромным успехом и фестиваль стали проводить каждые пять лет: 1980, 1985, 1990, 1995, 2000, 2005 и 2010.

Сегодня «Sail Amsterdam» — это одно из самых знаменательных морских событий в мире, которое в 2015 году проводится в Амстердаме в девятый раз. В течение пяти дней, Амстердам будет яркой выставкой исторических судов и навигационного наследия.

На этот раз в амстердамскую гавань зайдёт около 600 судов различных конфигураций, от огромных военных кораблей до более скромных в размерах копий исторических фрегатов. Но главной достопримечательностью, конечно, станут крупнейшие парусники А класса.

Участие в фестивале парусника «Мир» особенно символично. «Мир» носит официальный титул «Посланник Санкт-Петербурга». Амстердам и Санкт-Петербург навсегда связаны между собой историей зарождения и развития морского флота. Петр I во многом вдохновлялся красотой голландского флота, навигационной и судостроительной просвещённостью голландских моряков. В Амстердаме и сегодня с большим уважением относятся к мировому историческому наследию мореплавания: сотни яхт, катеров, плотов и других плавучих средств тоже примут участие в фестивале демонстрируя всё разнообразие, причудливость и фантазийность «морской души».

Важность того, что курсанты Государственного университет имени адмирала С.О. Макарова примут участие в «Sail Amsterdam 2015» невозможно переоценить. Ребята находятся в самом начале своего профессионального пути и очень важно, чтобы они прикоснулись к истории и традициям морской профессии, увидели людей, беззаветно преданных своему делу, потому, что для моряка его профессия, это нечто большее чем работа. На ребят возлагается большая ответственность – достойно представить ГУМРФ имени адмирала С.О. Макарова и Россию во время мероприятий фестиваля «Sail Amsterdam 2015».

Фото с сайта Big Pictures – Новости в фотографиях http://bigpicture.ru

Остальные фотографии в Фотогалерее

Если вы нашли ошибку, пожалуйста, выделите фрагмент текста и нажмите Ctrl+Enter.

Международный этап «Будущее зависит от тебя»

23 октября 2017 года, Москва. С 26 по 27 октября в России впервые в истории страны пройдет международный этап соревнований по футболу среди детей-сирот «Будущее зависит от тебя». В матчах примут участие 11 команд юношей и девушек в возрасте от 12 до 15 лет из десяти государств – Бразилии, Грузии, Египта, Индии, Казахстана, Латвии, Маврикия, Пакистана, Республики Беларусь и России.

Программа турнира, начнется 25 октября с вечера знакомств, где ребята с помощью переводчиков из числа студентов-волонтеров РУДН (партнера мероприятия) смогут познакомиться друг с другом, открыть для себя другие страны и рассказать сверстникам со сцены о своей родине. Это станет первым шагом, который поможет участникам преодолеть культурные и языковые барьеры и найти новых друзей. На вечере знакомств ребята также сразятся в игру FIFA на консолях PS4 при поддержке компании PlayStation Россия; победителю достанется честь поднять флаг соревнований «Будущее зависит от тебя» во время официальной Церемонии открытия.

Церемония открытия международного этапа соревнований пройдет 26 октября 2017 г. в 10.00 в большом футбольном манеже ФК «Локомотив» (Москва, ул. Большая Черкизовская, 125). Игровые матчи состоятся 26 и 27 октября, ребята сразятся в двух возрастных категориях – младшей (2004-2005 г.р.) и старшей (2002-2003 г.р.).

Помимо спортивной составляющей, участников также ждет насыщенная культурно-развлекательная программа, в том числе экскурсия по крупнейшему в России и в Европе спорткомплексу «Лужники» и вечерний круиз по Москве-реке на панорамной яхте, организованный партнером международного этапа Соревнований – Флотилией «Рэдиссон Ройал». Во время круиза состоится церемония награждения юных чемпионов. 

Соревнования «Будущее зависит от тебя» проводятся компанией «МегаФон» и  Российским футбольным союзом при поддержке Министерства иностранных дел РФ, Министерства образования РФ, Министерства спорта РФ с 2005 года. Сегодня это самый масштабный федеральный проект для детей-сирот, направленный не только на их физическое развитие, но и на социализацию и содействие семейному устройству. Международный этап состоится впервые в этом году, он станет тестовым испытанием в преддверии Чемпионата мира по футболу среди детей-сирот «Будущее зависит от тебя», который пройдет в Москве в мае 2018 года накануне Мундиаля и соберет уже 24 команды из 20 государств.

Широкое освещение событий в рамках Соревнований обеспечивают девять федеральных информационных партнеров: телеканал «Россия-24», спортивный телеканал «МАТЧ ТВ», агентство спортивных новостей «Р-Спорт», газета «Коммерсантъ», радио «Спорт FM», спортивный ресурс «Чемпионат», информационно-новостной портал ВЕСТИ. RU, портал новостей в фотографиях BigPicture.ru и Федерация спортивных журналистов России.

Справка о проекте:

Соревнования «Будущее зависит от тебя» ежегодно проводятся компанией «МегаФон» Российским футбольным  союзом при поддержке Министерства спорта РФ, Министерства образования и науки РФ, Министерства иностранных дел РФ и.

За двенадцать лет истории турнира в нем приняли участие более 3 500 команд детских домов и школ-интернатов из 140 городов России, Таджикистана, Южной Осетии, Абхазии, Латвии, Китая и Республики Беларусь. С 2005 года более 34 000 девчонок и мальчишек сражались за право стать победителем соревнований. Совместно с фондом «Измени одну жизнь» организаторами турнира создано более 1 900 видеоанкет об участниках турнира, 423 из них уже обрели новую семью.

Официальный сайт Соревнований: http://football.megafon.ru/

#БЗТ #БудущееЗависитОтТебя #Iamyfuture

львов-геев покинули гарем женщин, чтобы создать однополые группы

10 видов животных, практикующих гомосексуальность.
Научные исследования доказали, что существует множество видов, вовлеченных в гомосексуальные отношения.
В этом списке есть «лесбиянки-альбатросы» с Гавайев, и самцы-дельфины, у которых есть парни, и однополые пары, чайки берут детенышей, чтобы летать вместе.

Домашние бараны — самые многочисленные млекопитающие-геи.Научные исследования показали, что 8% самцов могут образовывать пары только самцов, отказываясь от контактов с самками. Эти однополые пары не вступают в брак, но действуют как пара на всю жизнь. (bigpicture.ru)

Лейсанские альбатросы. Самки лейсанского альбатроса на острове Оаху. Лесбийские пары участвуют в размножении, поцелуях и ряде других атрибутов поведения альбатросов, которые размножаются. (bigpicture.ru)

Дельфины афалины. В обществе дельфинов очень много однополых отношений.В одном случае невероятная пара дельфинов-геев состояла в отношениях 17 лет, в то время как исследователи обнаружили стаю дельфинов, полностью состоящую из мужчин-бисексуалов. (bigpicture.ru)

Бонобо. Гениальные приматы, как известно, используют язык любви, а не агрессии, чтобы решать проблемы и общаться друг с другом. Поскольку между двумя самцами или двумя самками происходит много конфликтов, между этими обезьянами были часты гомосексуальные отношения. (bigpicture.ru)

Петух Гибралтара.До 40% самцов этого вида вступают в однополые половые контакты. Гей-поведение может быть связано с высокой плотностью населения и большой конкуренцией между мужчинами, которые борются за женщин. (bigpicture.ru)

Африканские львы. Определенный процент самцов покидает имеющихся самок, чтобы создать свои однополые группы. Причина ассоциации самцов львов неизвестна. У львов один из самых сильных сексуальных инстинктов среди кошек, а это означает, что контакты между птицами и овцами, вероятно, более сфокусированы, чем представители одного пола.(bigpicture.ru)

Водные птицы и пингвины. Гомосексуальные отношения были зарегистрированы среди диких австралийских черных лебедей, которые иногда образуют тройное сообщество с двумя самцами при определении гнездования. Невероятно, но такие контакты повысили эффективность размножения самцов в защите гнезд от хищников. Кроме того, два пингвина-самца были в газете, когда вылупились яйца. До того, как они действительно появились, пингвины-яйца-геи пытались украсть яйца у разнополых пар пингвинов.(bigpicture.ru)

Западных чаек. Научные экспедиции на Калифорнийские Нормандские острова показали, что не менее 14% пар чаек состоят из двух самок. Этот сорт впервые был замечен в колониях, где в некоторых гнездах было обнаружено довольно много яиц. Часть яиц оплодотворена хорошо, вероятно, благодаря связям с самцами «на стороне». (bigpicture.ru)

Жирафы. Молодые самцы жирафов спариваются с самками, иногда практикующими гомосексуальные контакты и краткосрочные союзы.Эти действия могут включать языковые поцелуи, массаж шеи и «объятия», а также полный телесный контакт. Ученые предполагают, что целью однополого взаимодействия является знакомство с методами спаривания до того, как приблизиться к самке жирафа. (bigpicture.ru)

Стрекозы. Исследования показали неожиданно высокую частоту спаривания однополых стрекоз. Понимание причин однополых отношений между этими маленькими беспозвоночными является сложной задачей, и даже сегодня их взаимодействие плохо понимается.Химия окружающей среды и отсутствие партнера могут быть одним из факторов, влияющих на брачное поведение стрекоз. (bigpicture.ru)

Пресс-служба Национального ЛГБТ-портала

Материалы tsn.ua

«Это привело меня к полному безденежью» / Sudo Null IT News

Поддержание баланса между информационной и развлекательной составляющими ресурса всегда было сложной задачей. Но именно он влияет на то, какая аудитория будет посещать сайт.А с точки зрения монетизации было бы неплохо иметь платежеспособную целевую аудиторию.

В случае с BigPicture возникла еще одна сложность — Сергей Барышников даже не начинал проект с нуля, но не было никого, скажем, отрицательного уровня (мы не будем здесь повторять эту историю по просьбе Сергея). У него просто не было ни возможности отступить, ни второй попытки.

Мы попросили предпринимателя поделиться своим опытом, предостеречь новичков от ошибок, рассказать о том, как набирать «своих» людей в команду и многое другое.

Как вы пришли к созданию BigPicture?

Это привело меня к полному безденежью.

Вы начали этим заниматься ради своего дохода?

Я понял, что наемная работа меня категорически не устраивает, и надо заниматься чем-то своим. К тому времени у меня был некоторый опыт создания и монетизации развлекательного контента, и я запустил свой проект.

Вы с самого начала понимали, что эта идея имеет большой потенциал, или сначала она была продвинута исключительно по вашей воле?

BigPicture стала прибыльной всего через два месяца после запуска.Нашим первым рекламодателем был Филипс. Рекламная кампания принесла нам 100 долларов.

И уже через 13 месяцев мы заняли первое место в рейтинге блогов Яндекса и тем самым привлекли внимание рекламодателей. Они пришли к нам ровным потоком, так что нам грех жаловаться, что все сложилось ни шатко, ни вздутие. Напротив, он давал адекватный стимул для роста, развития в сфере контента и так далее.

Качество содержания — это функция оценки.Что важно при управлении таким проектом, чтобы он действительно стал успешным. Что нельзя делать, а что необязательно?

Как я уже сказал, у меня был опыт создания и управления такими ресурсами, как «Фишки», «ЯПлакал» и так далее. Я понял, какие у них преимущества, а какие недостатки. Раньше у них была большая аудитория, а реклама стоила очень дешево. У рекламодателя было ощущение, что их размещают на аудиторию нынешнего «ВКонтакте», то есть на молодую аудиторию без денег.Я постарался уйти от стереотипов, присущих развлекательным сайтам: убрать мемы, легкие шутки и сделать контент для более взрослой аудитории — для офисного планктона. Это публика 25-35 лет, им нужно чем-то отвлекаться во время работы. Мы дали им познавательный и развлекательный контент, который представлен в виде фотографий.

То есть ваши денежные долги спровоцировали рост проекта до текущей стадии?

Да. Я не считаю себя каким-то выдающимся медиаменеджером, журналистом или фотографом.Теперь BigPicture существует только потому, что у меня был стимул работать двадцать пять часов в сутки и, несмотря ни на что, сделать проект, который принесет деньги в короткие сроки и решит все мои проблемы.

Какой главный урок из истории развития компании до настоящего момента?

Я сторонник того, чтобы выучить уроки, когда бизнес уже закончился. Я извлек массу уроков из своего предыдущего бизнеса. С BigPicture все развивается так быстро, что у меня нет времени извлекать уроки.Мне нужно держать нос по ветру и смотреть, куда движутся СМИ в их нынешнем виде.

Можете ли вы назвать несколько серьезных ошибок или проблем, которые вам пришлось решить во время разработки BigPicture?

Скажу, какую проблему пришлось решать с собой. Когда вы покидаете одно плохо завершившееся дело и открываете новое, очень важно максимально абстрагировать эти две истории друг от друга. Необходимо следить за тем, чтобы одно не тянуло за собой другое.Можно запросто сделать так, чтобы второй казался успешным бизнесом, но постоянно выводить деньги из обращения или отвлекаться на решение проблем, оставшихся от первого бизнеса. В результате успешный новый бизнес может обернуться еще большим «геморроем», чем предыдущий. Для меня было очень важно полностью разделить эти две истории.

Многие люди постоянно повторяют это: кто-то пишет, создает блоги, пытается собрать сообщество. Можете ли вы дать совет людям, которые собираются обзавестись собственными шишками?

Меньше слушайте разных умных людей, которые подскажут вам, как вести правильный бизнес.Это самый важный совет. Сейчас развелось много разных тренеров и бизнесменов, которые якобы объяснят вам, как за два месяца сделать успешный бизнес и заработать первый миллион. На самом деле это не работает — только ваш мозг, только мотивация, настойчивость помогут сделать успешный бизнес.

Чем вы занимались до BigPicture?

С 1999 по 2006 год у меня был интернет-магазин телефонов. В 2006-2008 годах у меня был перерыв, я занимался разработкой одного развлекательного сайта.А с 2009 года началась BigPicture.

Как вы относитесь к найму людей в стартапы? Я знаю пару парней, которые работают на вас — они увлеченные профессионалы. Насколько это определяет ощущения от проекта? Есть ли у вас незыблемые правила? Что это должны быть за люди? Как собрать команду?

Я собираю людей, с которыми можно заниматься не только конкретным проектом (например, BigPicture), но и любым проектом, который был бы нам интересен.Мне нужен не просто хороший журналист или хороший фотограф. Мне нужен человек, с которым легко, который может сопровождать меня в любых моих приключениях (на первый взгляд это может показаться приключением), который верит мне и знает, что вместе мы будем развиваться.

Мне нужны молодые и разносторонние люди. Я считаю, что время просто хороших журналистов прошло. Нам нужны люди, которые могут пойти, снять себя, накраситься и сделать это как можно быстрее.

А что с развитием бизнеса?

Мне сложно об этом говорить, потому что я практически не занимаюсь наймом людей в коммерческий отдел, так как там есть директор.Он отвечает за это. Сейчас я стараюсь максимально абстрагироваться от денежных вопросов и заниматься продуктом, дальнейшим стратегическим развитием компании.

Для меня важно, чтобы человек с первого дня вписался в коллектив и чувствовал себя органично. Это главное. Остальное мы научим.

Много ли таких людей в Москве? Вам не хватает таких сотрудников?

В отдел продаж мы постоянно ищем людей. Если завтра к нам придет мужчина, и мы поймем, что он «наш», мы его возьмем.Хороших продавцов не бывает много. А в редакции закрываются все вакансии.

Как я понял из ваших слов, у вас будет следующий проект. Вы знаете, на что это будет похоже? Или это место и время умножены обстоятельствами?

Все известно. Параллельно с BigPicture мы развиваем коммуникационное агентство SALO. Этим занимаются те же люди, которые работают в BigPicture. Часть своего времени они тратят на новый проект. SALO помогает малому и среднему бизнесу общаться в PR и маркетинге.Мы берем компании в эксплуатацию на 2-3 года и благодаря нашим возможностям, договоренностям с блогерами, креативности и опыту в оффлайн-бизнесе помогаем увеличить продажи и узнаваемость.

Важно, чтобы с другой стороны были адекватные люди, которые понимают, что мы делаем. Мы не хотим создавать еще одно агентство, в котором два человека работают творчески, а еще двое занимаются захватывающими отчетами. Мы почти не делаем отчетов. Пусть клиенты смотрят отчеты о росте продаж в 1С.Мы за максимальную свободу действий и максимальное доверие.

BigPicture.ru стал партнером конкурса ОАО «ТГК-1» для журналистов, фотографов и блогеров «Реальная сила»

Крупнейший информационно-развлекательный портал России Bigpicture. ru стал официальным партнером конкурса «Настоящая». Энергетика », проведенного ОАО« ТГК-1 »в год 10-летия Общества. Редакция BigPicture войдет в состав жюри и выберет лучшие работы, присланные журналистами, фотографами и блогерами.

Конкурс посвящен энергосистеме региона, генерирующим мощностям и тем, кто сегодня работает в электроэнергетике от Балтики до Баренцева моря: на территории четырех субъектов России работают 54 электростанции и 7000 сотрудников ТГК. -1.

— Наши объекты надежно обеспечивают потребителей Северо-Запада светом и теплом, без которых сложно представить комфортную жизнь современного человека. Мы хотим показать скрытую за этим работу, — сказала Лариса Семенова, начальник Департамента по связям с общественностью ОАО «ТГК-1».- Большинство наших ГЭС и ТЭЦ расположены в живописных местах и ​​имеют уникальную архитектуру, которая наверняка заинтересует фотографов и блогеров.

На конкурс принимаются репортажи, статьи, теле- и радиосюжеты, интервью с работниками электростанций, очерки и зарисовки об энергообъектах Компании, созданных в 2015 году. Победители будут определены в двух номинациях: «Настоящая энергия». Инженеры »и« Объекты реальной энергетики »Победители получат ценные призы от организаторов и партнеров конкурса.

Работы можно подать до 15 августа 2015 года. Фотографии станут основой серии выставок «Настоящая энергетика», которая пройдет в сентябре 2015 года в Санкт-Петербурге, Мурманске и Петрозаводске.

Для создания своих конкурсных работ фотографы, блогеры и журналисты могут посещать объекты ОАО «ТГК-1». По вопросам посещения ТЭЦ и ГЭС обращайтесь в Компанию: [email protected].

Подробная информация и публикация работ — на официальном сайте конкурса «Настоящая сила» www.tgc1.ru/realenergy.

Соборы, церкви и храмы Санкт-Петербурга

Храм Спаса-на-Крови, Исаакиевский, Казанский и Петропавловский соборы — названия, знакомые каждому, кто только начал знакомиться с Петербургом. Но посмотрите за пределы популярных туристических мест, и вы откроете для себя калейдоскоп церквей и храмов, которые иллюстрируют богатое наследие города как столицы Российской империи. Вот некоторые из св.Менее известные, но не менее замечательные соборы, храмы и церкви Петербурга, которые вам стоит посетить.

Лютеранское наследие

Как «окно в Европу» Российской империи, Санкт-Петербург на протяжении веков был домом для различных диаспор иммигрантов с Запада, в том числе из современной Германии и Скандинавии. Их наследие находится в большом количестве лютеранских церквей в историческом районе Св.Санкт-Петербург:

• Церковь Святых Петра и Павла (Петрикирхе)

Петрикирхе. Кредит: peterburg.ru

Невский проспект, 22

Петрикирхе, или церковь Святых Петра и Павла, была построена в XIX веке через дорогу от Казанского собора. В советские времена это внушительное здание было преобразовано в бассейн, а в начале 90-х было восстановлено — факт, который до сих пор проявляется в его нынешнем интерьере.Сегодня церковь снова работает и служит общественным центром, где проходят художественные выставки, семинары и другие мероприятия в «Катакомбах» — атмосферном подземелье, расположенном под оставшейся структурой того самого плавательного бассейна.

• Церковь Святой Анны (Анненкирхе)

Annenkirche. Кредит: vk.com/concert_st_anna

ул. Кирочная, 8Б

Анненкирхе, историческая лютеранская церковь на Кирочной улице, обманчиво проста снаружи, но предлагает поистине уникальные, незабываемые впечатления для посетителей.Первоначально лютеранская церковь, в разное время служила кинотеатром, казино и ночным клубом. Наконец, в 2002 году, после того как ее вернули церкви Ингрии, она была разрушена пожаром и оставалась без присмотра до 2010 года. В наши дни, как и Петрикирхе, это одновременно церковь и место проведения некоторых из самых модных культурных мероприятий города.

Подробнее об Анненкирхе можно прочитать в нашей статье «Скрытые жемчужины Санкт-Петербурга» .

День св. Люси в св.Екатерины. Кредит: Александр Демьянчук / ТАСС

ул. Малая Конюшенная, 1

Построенная шведскими эмигрантами и для них, эта прекрасная лютеранская церковь имеет адрес консульства Швеции, что делает ее идеальным местом для проведения всех мероприятий, связанных с этой скандинавской страной. Как и его католические и армянские тезки, он был построен во время правления Екатерины Великой в году, в так называемую русскую эпоху Просвещения, время религиозной свободы и секуляризации.

Калейдоскоп религий

Этот список лютеранских церквей Санкт-Петербурга можно продолжать и продолжать — это показатель того, насколько ранний Санкт-Петербург находился под влиянием немецких и скандинавских мигрантов, — но многокультурная и многоконфессиональная история города означает, что есть так много других, не менее увлекательных и прекрасные образцы религиозной архитектуры, привезенные в этот город на северо-западе России людьми со всего мира.

• Базилика Святой Екатерины

Базилика св.Екатерина. Кредит: bigpicture.ru

Невский проспект 32-34

Прогуливаясь по Невскому проспекту, нельзя не заметить это великолепное здание в стиле барокко, которое, по сути, является единственной католической базиликой в ​​России. Как ни странно, в советское время он был частью Музея атеизма. Однако с 1992 года церковь снова начала работать и теперь регулярно проводит мессу на разных языках, включая английский и испанский, а также репетиции хора каждую пятницу.

• Армянская церковь Святой Екатерины

Армянская церковь Святой Екатерины. Кредит: Wikipedia Commons

Невский проспект 40-42

Завершает тройку храмов святой Екатерины на Невском проспекте Армянская церковь Святой Екатерины. Его интерьеры, полностью отреставрированные в соответствии с историческими записями, суровы, но изысканны и украшены замечательными иконами.

• Большая хоральная синагога Св.Санкт-Петербург

Большая хоральная синагога. Кредит: sinagoga.jeps.ru

Лермонтовский проспект 2

В третьей по величине синагоге Европы находится также один из немногих полностью кошерных ресторанов Санкт-Петербурга Le’Chaim, а также сувенирный и кошерный магазин. В день Хануки в Большой синагоге проходит массовый праздник с фейерверком и сытными пончиками суфганийот .

Санкт-Петербургская мечеть. Кредит: polarsteps.com

Кронверкский проспект 7

Может показаться старше, но St.Петербургской мечети едва исполнилось столетие; Построенное в 1921 году, замысловато оформленное здание может вместить около 5000 человек и является центром активности во время всех исламских праздников.

Datsan Gunzechoinei. Кредит: flickr.com/fruitsofkarma

Приморский проспект 91

Через реку от острова Елагин, среди невзрачных построек, находится зрелище, словно вырванное из тибетского пейзажа. Gunzechoinei, что по-тибетски означает «Источник священного учения заботливого Господа-отшельника», был построен в 1915 году по проекту некоторых из самых известных архитекторов и художников той эпохи.Сегодня он известен не только красивой архитектурой и гостеприимной атмосферой, но и кафетерием, где подают настоящие бурятские пельмени бууза и чай с молоком.

Обнаружение поддельной личности с помощью неожиданных вопросов и динамики мыши

Abstract

Обнаружение фальшивых личных данных — серьезная проблема безопасности. Современные методы обнаружения памяти использовать нельзя, поскольку они требуют предварительного знания истинной личности респондента.Здесь мы сообщаем о новом методе обнаружения поддельных идентификационных данных, основанном на использовании неожиданных вопросов, которые могут быть использованы для проверки личности респондента без какой-либо предварительной автобиографической информации. В то время как рассказчики правды автоматически отвечают на неожиданные вопросы, лжецы должны «строить» и проверять свои ответы. Этот недостаток автоматизма отражается в движениях мыши, используемых для записи ответов, а также в количестве ошибок. Ответы на неожиданные вопросы сравниваются с ответами на ожидаемые и контрольные вопросы (т.е., вопросы, на которые лжец тоже должен ответить правдиво). Параметры, которые кодируют движение мыши, были проанализированы с использованием классификаторов машинного обучения, и результаты показывают, что траектории мыши и ошибки в неожиданных вопросах эффективно отличают лжецов от правдивых. Кроме того, мы показали, что лжецы могут быть идентифицированы также, когда они отвечают правдиво. Неожиданные вопросы в сочетании с анализом движения мыши могут эффективно выявить участников с поддельными именами без необходимости получения какой-либо предварительной информации об испытуемом.

Образец цитирования: Monaro M, Gamberini L, Sartori G (2017) Выявление поддельной личности с помощью неожиданных вопросов и динамики мыши. PLoS ONE 12 (5):
e0177851.

https://doi.org/10.1371/journal.pone.0177851

Редактор: Чжун-Кэ Гао, Тяньцзиньский университет, КИТАЙ

Поступила: 10 января 2017 г .; Принята к печати: 4 мая 2017 г .; Опубликован: 18 мая 2017 г.

Авторские права: © 2017 Monaro et al.Это статья в открытом доступе, распространяемая в соответствии с условиями лицензии Creative Commons Attribution License, которая разрешает неограниченное использование, распространение и воспроизведение на любом носителе при условии указания автора и источника.

Доступность данных: Все соответствующие данные находятся в документе и его файлах с вспомогательной информацией.

Финансирование: Автор (ы) не получил специального финансирования для этой работы.

Конкурирующие интересы: Авторы заявили об отсутствии конкурирующих интересов.

Введение

Использование поддельных идентификационных данных — очень распространенная проблема. Люди могут подделывать свою личную информацию по ряду причин. Фальшивая автобиографическая информация, например, наблюдается в спорте, когда игроки утверждают, что они моложе, чем они есть на самом деле [1]. Социальные сети изобилуют фальшивыми профилями [2]. Поддельная личность также является серьезной проблемой в сфере безопасности [3]. Фактически считается, что большое количество террористов скрывается среди мигрантов с Ближнего Востока, въезжающих в Европу.Обычно у мигрантов нет документов, и их идентификационные данные часто основываются на самодекларировании. Среди мигрантов считается, что большое количество террористов выдают ложные данные при въезде на границу. Например, один из террористов, участвовавших в подрыве террориста-смертника в аэропорту Брюсселя 22 марта 2016 г., использовал личность бывшего футболиста миланского «Интера» [4]. В этих случаях инструменты биометрической идентификации (например, отпечатки пальцев) не могли быть применены, поскольку большинство подозреваемых ранее были неизвестны.Интересно, что в принципе можно применить методы обнаружения.

С самого начала, начиная с пионерской работы Бенусси [5], идентификация обманчивых реакций в основном основывалась на использовании физиологических показателей [6]. Совсем недавно были внедрены методы, основанные на времени реакции (RT). Они основаны на задержках реакции на представленный интересующий стимул. Существует широкий консенсус относительно того факта, что обман когнитивно сложнее, чем установление истины, и что эта более высокая когнитивная сложность отражается в ряде показателей когнитивных усилий, включая, например, время реакции [7].Есть свидетельства того, что процесс подавления правдивого ответа, который активируется автоматически, и замена его обманчивым ответом может быть сложной когнитивной задачей. Однако в некоторых случаях ответить ложью быстрее, чем правдиво [8]. Фактически, различные типы лжи могут различаться по своей когнитивной сложности и могут требовать разного уровня когнитивных усилий. Например, когнитивные усилия могут быть минимальными, когда субъект просто отрицает факт, который действительно произошел.

Напротив, он может быть очень высоким при фабрикации сложной лжи, например, когда Улисс, герой «Одиссея », сказал Полифему, что его настоящее имя «Ничейный». Эта ложь была направлена ​​на то, чтобы обмануть Полифема, но также должна была быть легко распознана одноглазыми товарищами Полифема как ложь.

Обнаружение памяти на основе RT имеет ряд преимуществ по сравнению с альтернативными психофизиологическими методами, особенно когда большое количество субъектов находится под пристальным вниманием. Во-первых, RT менее чувствительны к сильным индивидуальным изменениям или изменениям окружающей среды, например, в случае физиологических параметров.Во-вторых, этот метод имеет беспрецедентную особенность, заключающуюся в том, что его можно применять, используя просто компьютер, и проводить через Интернет большому количеству испытуемых. В настоящее время два метода обнаружения памяти, основанные на RT, которые используются для представления слов или предложений, могут быть адаптированы в качестве инструментов для проверки личности. Тест на скрытую информацию (CIT-RT) [9] и автобиографический тест на неявную ассоциацию (aIAT) [10] — это методы, основанные на RT, которые прошли тщательную проверку с удовлетворительными результатами [11].

CIT-RT — это метод, который состоит из представления важной информации в ряду очень похожих некритических источников отвлекающей информации. Например, если скрытая информация об орудии убийства находится под пристальным вниманием, нож (известное орудие убийства) будет представлен вместе с отвлекающими элементами, которые также являются потенциальным орудием убийства (например, пистолет и т. Д.). Ожидается, что невинные испытуемые будут реагировать на все стимулы. Напротив, от виновного субъекта (со знанием дела о вине) ожидаются более длительные ответы по критическому пункту (например,г., нож). При применении для проверки того, соответствует ли автобиографическая информация, которую утверждает испытуемый, истинной личности, CIT эффективно распознает личности лжецов и правдивых [11].

AIAT — это методика обнаружения памяти, которая использует согласованность / несогласованность между предложениями. Он включает стимулы, принадлежащие к четырем категориям: две из них являются логическими категориями, представленными предложениями, которые безусловно истинны (например, « Я перед компьютером ») или заведомо ложны (например,г., « Я поднимаюсь на гору ») для респондента и относящиеся к моменту тестирования. Две другие категории представлены альтернативными версиями исследуемой автобиографической памяти (например, « Я поехал в Париж на Рождество » против « Я поехал в Лондон на Рождество »), причем только одна из двух истинна. . Во время теста испытуемый выполняет задачу категоризации. Истинное автобиографическое событие идентифицируется, потому что оно определяет более быстрые RT при совместном использовании одной и той же моторной реакции с безусловно верными предложениями [12].

Что касается средней точности классификации основанных на RT методов обнаружения лжи, CIT [9] и aIAT [10] имеют такую ​​же точность, что и описанные здесь эксперименты (около 90%). Таким образом, описываемая здесь методика имеет такую ​​же точность, что и современные методы обнаружения лжи на основе RT. Тем не менее, у aIAT и CIT есть важное ограничение: оба требуют, чтобы в тест была включена информация об истинной идентичности. CIT-RT противопоставляет информацию об истинной личности информации о фальшивой личности [11].AIAT также построен таким образом, что из двух контрастирующих воспоминаний одно должно быть истинным, а другое — ложным [10]. Если мы построим aIAT только с заявленной (фальшивой) идентичностью, у нас будут две ложные памяти, и тест не будет удовлетворять одному из основных ограничений в применении процедуры. Таким образом, это ограничение доступных методов является серьезной проблемой для приложений в реальных условиях, даже если Мейксер и Розенфельд [13] сделали шаг в этом направлении.Фактически, в большинстве случаев расследования истинная личность субъекта полностью неизвестна экзаменатору, который заинтересован в оценке того, является ли заявленная личность истинной или нет.

Этот документ можно рассматривать как доказательство концепции, репрезентативный пример типов проблем, которые не могут быть решены с помощью современных научных методов обнаружения лжи (CIT и aIAT). Доступные методы нельзя использовать, когда критическая информация, которая оценивается на достоверность (в данном случае, настоящая личность респондента, который пытается скрыть свою личность), недоступна.

Здесь мы представим новую парадигму, которая преодолевает недостатки доступных методов и может использоваться для определения правдивости личной информации. Что наиболее важно, мы покажем, что поддельные личности могут быть обнаружены при отсутствии какой-либо информации об истинной личности подозреваемого. Поддельные личности будут обнаружены с помощью неожиданных вопросов в сочетании с анализом движений мыши во время ответа в задаче двоичной классификации. Мы покажем, что анализ динамики мыши эффективно определяет, верна ли личная информация, которую утверждает испытуемый.В экспериментах, представленных здесь, участники не реагируют, нажимая кнопки ДА / НЕТ с помощью клавиатуры, как в RT-CIT или aIAT, но вместо этого они должны реагировать, щелкая виртуальные кнопки мыши, появляющиеся на экране компьютера вдоль с вопросами относительно их личности. Использование мыши для записи ответов имеет ряд преимуществ по сравнению с использованием клавиатуры. Хотя нажатие кнопки может разрешить запись только RT, запись с помощью мыши позволяет собирать несколько индикаторов, включая, но не ограничиваясь, RT (например.g., скорость, ускорение и траектория). Этот метод также является многообещающим с точки зрения устойчивости к контрмерам, поскольку большое количество параметров движения кажется, в принципе, более сложным для полного контроля с помощью эффективных, запланированных контрмер для обнаружения лжи.

Было показано, что анализ траекторий мыши может уловить когнитивную сложность при обработке стимулов, когда участники должны давать ответы с множественным выбором. Эта процедура применялась к большому количеству областей и оказалась полезной для выявления когнитивной сложности, связанной с проверкой отрицательных предложений [14], расовыми установками [15], восприятием [16], предполагаемой памятью [17] и лексическими решениями [18]. ].Duran et al. представили новаторское расследование по детекции лжи [19]. Авторы записывали двигательные траектории (авторы не использовали мышь для записи ответов, а скорее контроллер Nintendo Wii), в то время как испытуемые выполняли задание лежа. Во время задания участники должны были отвечать правдиво или лгать на представленные предложения, как это было проиндексировано визуальной подсказкой. Анализ двигательных траекторий привел к интересным результатам. Инструктированная ложь можно отличить от правдивых ответов по нескольким параметрам, включая время запуска двигателя, общее время, необходимое для ответа, траекторию движения и кинематические параметры, такие как скорость и ускорение.Их эксперимент выявил тот факт, что когнитивный конфликт, вызванный ложью, влияет на траекторию реакции, но не показал напрямую его эффективность в отнесении лиц, вводящих в заблуждение, от правдивых. Короче говоря, метод, который исследовали авторы, может быть использован для определения того, когда правдивый лжет, но не когда лжец лжет, поскольку их процедура сравнивает в пределах одного и того же говорящего правду субъекта правдивые ответы с лживыми ответами.

Здесь мы представим результаты эксперимента, в котором траектории двигательных реакций с использованием мыши были исследованы, в то время как участники были проверены на вопросы, касающиеся их личности.Было задано два типа вопросов: ожидаемые вопросы и неожиданные вопросы [20]. Vrij и соавторы [21] первыми начали использовать неожиданные вопросы, и растет экспериментальная поддержка идеи о том, что во время следственного интервью обманчивые предметы будут легче обнаруживать с помощью неожиданных вопросов, а не ожидаемых вопросов [22]. Было показано, что лжецы планируют возможные интервью, репетируя вопросы, которые, как они ожидают, также будут заданы [23]. Лжецы дают свои запланированные ответы на ожидаемые вопросы легко и быстро, но им необходимо придумать правдоподобные ответы в случае неожиданных вопросов, и это приводит к увеличению когнитивной нагрузки.Напротив, правдивые ответы не страдают от побочных эффектов когнитивной нагрузки, поскольку они довольно автоматичны и не требуют усилий как для ожидаемых, так и для неожиданных вопросов. Используя методологию неожиданных вопросов в следственном интервью, Lancaster et al. [24] сообщили о хороших показателях классификации как для говорящих правду (78%), так и для лжецов (83%). Lancaster et al. Результаты [24] наблюдались путем сравнения разницы в количестве деталей, сообщаемых при ответах на ожидаемые и неожиданные вопросы.Короче говоря, лжецы, говоря правду, сообщают гораздо больше деталей на ожидаемые вопросы, а не на неожиданные, и обнаружение лжи может извлечь выгоду из этой разницы.

Описанный здесь эксперимент состоит из задачи бинарной классификации, включающей ожидаемые и неожиданные вопросы об идентичности. Ожидаемые вопросы касались типичной информации, представленной в документах, в то время как неожиданные вопросы касались информации, которая была хорошо известна и автоматически извлекалась правдивым, но которая должна быть «вычислена на месте» лжецами.Примером ожидаемого вопроса может быть дата рождения, а соответствующим неожиданным вопросом может быть зодиак, соответствующий дате рождения. В то время как правдивые люди легко проверяют вопросы, связанные с зодиаком, лжецы не знают зодиака немедленно, и им приходится вычислять его для правильной проверки. Неопределенность при ответе на неожиданные вопросы может привести к ошибкам. Кроме того, мы обнаружили, что траектория реакции мыши, проанализированная с использованием кинематических параметров и других пространственных и временных параметров, предназначенных для определения неопределенности двигательной реакции, может быть полезна при обнаружении обмана.Следовательно, ожидается, что обман будет отражаться в форме траекторий.

Методы

В задаче проверки личности лжецы обычно должны узнать автобиографическую информацию о новой личности и пройти тест, отвечая так, как если бы эта информация была для них реальной. Например, Verschuere et al. [11] просили испытуемых принять фальшивую личность, репетировать и вспоминать ее до тех пор, пока их выступление не станет безошибочным. Затем от лжецов требовалось отреагировать так, как если бы их новая личность была истинной.Точно так же здесь мы требовали, чтобы обманывающие участники познали новую личность. Во время сеанса тестирования участникам задавались как ожидаемые, так и неожиданные вопросы об их личной информации. Ожидаемые вопросы включали информацию о ложной личности, которая была назначена лжецам и репетировалась перед тестом до тех пор, пока испытуемые не совершили никаких ошибок. Говорящие правду репетировали свои истинные личности. Ожидаемые вопросы касались типичной информации, содержащейся в идентификационной карте (например,г., имя, фамилия, дата рождения, место рождения). Напротив, неожиданными вопросами были вопросы, связанные с личностью, на которые испытуемые не были готовы отвечать. Эти неожиданные вопросы были непосредственно получены из ожидаемых вопросов (например, возраст личности и знак зодиака определяются по дате рождения; в то время как вопросы о дате рождения ожидаются, вопросы о возрасте и знаке зодиака являются неожиданными). Например, если субъект репетировал год рождения, указанный на поддельном удостоверении личности (например,g., 1988), неожиданный вопрос, связанный с рождением, был о возрасте (например, 38).

Для правдивого респондента предполагается, что неожиданные вопросы автоматически вызывают правильный ответ. Напротив, лжец должен воссоздать непредсказуемую неожиданную информацию и проверить ее. Следовательно, этот процесс требует времени до отправки ответа, что отражается в более длительных RT. Короче говоря, «Неожиданные вопросы увеличат когнитивную нагрузку лжеца» [20], и ожидается, что это отразится не только на RT и количестве ошибок, но и на траекториях движения мыши.

Далее мы подробно опишем структуру эксперимента и собранные меры. Комитет по этике психологических исследований Университета Падуи одобрил экспериментальную процедуру.

Участники

Сорок италоязычных участников были набраны на факультете психологии Университета Падуи. Выборка состояла из 17 мужчин и 23 женщин. Их средний возраст составлял 25 лет (SD = 4,6), а средний уровень образования — 17 лет (SD = 1.8). Все участники были правши. Эти первые 40 участников были использованы для разработки модели, которая позже была протестирована для обобщения в новой группе из 20 итальянскоязычных участников (10 лжецов и 10 рассказчиков правды). Вторая выборка состояла из 9 мужчин и 11 женщин. Их средний возраст составлял 23 года (SD = 1,5), а средний уровень образования — 17 лет (SD = 0,83). Обе группы испытуемых предоставили информированное согласие перед экспериментом.

Стимулы

Тридцать два предложения, отображаемые в верхней части экрана компьютера, были представлены всем участникам.Квадраты, представляющие ответы ДА и НЕТ, были расположены в верхнем левом и верхнем правом углу экрана компьютера. Шестнадцать предложений требовали ответа ДА, а 16 предложений требовали ответа НЕТ, как для лжецов, так и для рассказчиков правды. 32 экспериментальным вопросам предшествовали 6 обучающих вопросов (3 требовали ответа ДА и 3 требовали ответа НЕТ) по вопросам, связанным с личностью, не включенным в сам эксперимент (например, «Ваш вес 51 кг?»). Предложения, требующие ответа ДА, относятся к следующим категориям:

• Ожидаемые вопросы: Они включали информацию, которая была отрепетирована перед экспериментом, как для правдивых, так и для лжецов.Лжецы ответили личной информацией о фальшивых профилях личности, которые им назначил экспериментатор. Правды ответили на вопросы относительно их истинной личности.
• Неожиданные вопросы: Неожиданные вопросы включали информацию, тесно связанную с ложными именами, но не репетированную явно перед экспериментом ни правдивыми, ни лжецами. В этом случае лжецы ответили на информацию, относящуюся к присвоенным им фальшивым именам, в то время как рассказчики правды ответили на вопросы об их истинных именах.
• Контрольные вопросы: Контрольные вопросы смешивались с ожидаемыми и неожиданными вопросами. Контрольные вопросы ( n = 8; 4 требовали ответа ДА и 4 ответа НЕТ) включали личную информацию, на которую испытуемые должны были отвечать правдиво, поскольку они не могли быть скрыты от экзаменатора, контролирующего тест. Например, « Вы мужчина ?» (для мужчины) требовал ответа ДА, тогда как « Вы женщина ?» (для мужчины) не требовал ответа.Следовательно, контрольные вопросы требовали правдивых ответов как лжецов, так и рассказчиков правды, даже если они были связаны с личностью.

И для лжецов, и для рассказчиков правды половина ожидаемых, неожиданных и контрольных вопросов ( n = 16) требовала ответов ДА. Напротив, 16 вопросов, полученных из ожидаемых, неожиданных и контрольных вопросов, не требовали ответов, как показано в таблице 1.

Как видно из таблицы 2, ответы лжецов и рассказчиков правды различались только ожидаемыми и неожиданными ответами ДА.Фактически, для лжецов ожидаемые и неожиданные вопросы относительно их поддельной личности на самом деле не были ответами, которые, поскольку они лгали, требовали ответов ДА. Другими словами, только вопросы с ожидаемыми и неожиданными ответами ДА различали две группы, потому что правдивые люди отвечали искренне, а лжецы обманывали. На все остальные вопросы (контроль ДА, контроль НЕТ, ожидаемое НЕТ, неожиданное НЕТ) и лжецы, и рассказчики правды ответили правдиво.

Методика эксперимента

Эксперимент проводился с использованием программы MouseTracker [25].Двадцать участников ответили правдиво, в то время как остальным было дано указание солгать о своей личности в соответствии с ложным профилем, который был чрезмерно изучен перед началом эксперимента, согласно Verschuere et al. [11]. 20 лжецов были проинструктированы узнать ложную личность по поддельному итальянскому удостоверению личности, к которому была прикреплена фотография субъекта и который также сообщил ложные личные данные. После этапа обучения участники дважды вспомнили информацию, которую они прочитали на удостоверении личности.Между двумя отзывами от них требовалось выполнить некоторую ментальную арифметику в качестве отвлекающего задания. С другой стороны, рассказчики правды также выполняли в уме арифметические операции и проверяли свои настоящие автобиографические данные только один раз перед началом эксперимента. Во время экспериментального задания 6 ожидаемых вопросов, 6 неожиданных вопросов и 4 контрольных вопроса, описанных выше, были представлены в случайном порядке. Для каждого из 16 вопросов, на которые требовался ответ «ДА», был представлен аналогичный вопрос, требующий отрицательного ответа.Каждый участник ответил на 32 вопроса плюс 6 учебных вопросов, которые не были включены в анализ. В половине случаев вопрос ДА появлялся первым, а в другой половине — вторым. Участники инициировали представление каждого вопроса, нажимая кнопку СТАРТ, которая появлялась в центре нижней части экрана компьютера. Ответ давался нажатием одной из двух кнопок ответа, появляющихся в верхней части экрана компьютера, одной в верхнем левом углу и одной в правом верхнем углу.

Сбор данных с помощью движения мыши

Для каждого ответа программа MouseTracker записывала положение мыши от начальной точки до нажатия кнопки. Поскольку записанные траектории имели разную длину, каждый моторный ответ был нормализован по времени, чтобы можно было усреднить и сравнить испытания [25]. Используя линейную интерполяцию, программа рассчитала временную нормализацию в 101 таймфрейме. В результате каждая траектория имела 101 таймфрейм, и каждый таймфрейм имел соответствующие координаты X и Y.Мы определили момент времени, в который две группы показали максимальную разницу во время движения по оси ординат. Эти точки максимальной разницы во времени были закодированы как Y18, Y29 и Y30 (общее время было предварительно масштабировано до 100 временных кадров в соответствии с процедурой, утвержденной Freeman и Ambady [25]). Затем мы рассчитали скорость и ускорение в этих временных рамках. MouseTracker Программа по умолчанию записывает также другие пространственные и временные параметры. Здесь мы сообщаем все параметры, предварительно собранные программой MouseTracker и использованные для кодирования траектории мыши.Параметры, собранные из моторных ответов на каждый из вопросов, были следующими:

• Количество ошибок: общее количество ошибок при ответе на 32 вопроса
• Время инициации (IT): время между появлением вопроса и началом движения мыши
• Время реакции (RT): время между появлением вопроса и виртуальным нажатием кнопки с помощью мыши
• Максимальное отклонение (MD): максимальное перпендикулярное расстояние между фактической траекторией и идеальной траекторией (линия, соединяющая кнопку запуска с кнопкой ожидаемого ответа)
• Площадь под кривой (AUC): геометрическая площадь, заключенная между фактической траекторией и идеальной траекторией
• Максимальное время отклонения (MD-время): время, необходимое для достижения точки максимального отклонения от идеальной траектории
• x-flip: общее количество изменений направления мыши во время полной траектории по оси x
• y-flip: общее количество изменений направления мыши во время полной траектории по оси y
• Координаты X, Y во времени (X _n , Y _n ): положение мыши вдоль оси во времени
• Скорость во времени: скорость мыши между двумя временными рамками
• Ускорение во времени: ускорение движения мыши между двумя временными рамками

Окончательный список возможных предикторов включал 13 переменных, которые отображали различные параметры ответа: количество ошибок, время инициирования (IT), время реакции (RT), максимальное отклонение (MD), площадь под кривой (AUC). , Максимальное время отклонения (MD-время), x-flip, y-flip, Y30, Y29, Y18, Y30 – Y29 и Y29 – Y18.Для каждой из переменных мы вычислили среднее значение 32 ответов для каждого участника.

Корреляционный анализ и выбор признаков

Был проведен корреляционный анализ, чтобы выделить независимые переменные, которые имели максимальную корреляцию с зависимой переменной (правдивые против лжецов) и минимальную корреляцию между независимыми переменными [26]. Мы рассмотрели для каждой характеристики среднее значение всех ответов (как ДА, так и НЕТ) каждого испытуемого.Всего в корреляционный анализ были введены 13 независимых переменных. Следующие характеристики были выбраны на основе этих критериев и позже использовались в качестве предикторов для разработки классификаторов машинного обучения (ML): количество ошибок (r _pb = 0,68), AUC (r _pb = 0,53), MD- времени (r _pb = 0,45) и Y29 (r _pb = 0,42) (r _pb — значение корреляции между зависимыми и независимыми переменными).

Анализ и результаты

В этом разделе описаны шаги, выполняемые для анализа данных, и процедура, использованная при разработке классификаторов машинного обучения.

Данные и инструкции по воспроизведению результатов доступны в качестве вспомогательной информации (см. Наборы данных S1 и S2, текст S1 и S2).

Анализ траекторий

Первый анализ сравнивал ответы лжецов и рассказчиков правды путем усреднения индивидуальных ответов на ответы ДА и НЕТ. На рис. 1 представлены средние траектории лжецов и правдивых, отвечающих ДА на ожидаемые и неожиданные вопросы (единственные вопросы, на которые лжецы отвечали лживо).Как можно заметить, две экспериментальные группы различались как по параметрам AUC, так и по MD. Ответы правдивых привели к более прямой траектории, соединяющей отправную точку с правильным ответом. Напротив, лжецы сначала отклонились в сторону правильного ответа по умолчанию, а затем изменили траекторию, чтобы нажать кнопку ложного ответа. Более того, лжецы тратили больше времени на перемещение по оси Y на начальном этапе ответа, чем правдивые. Максимальная разница между двумя группами в положении мыши по оси Y была обнаружена на временном интервале 29.Соответственно, координата Y на этом временном интервале (Y29) также была добавлена ​​в качестве предиктора.

Рис. 1. Средние траектории лжецов и правдивых.

На рисунке представлены средние траектории между испытуемыми, соответственно, для лжецов (красным) и для рассказчиков правды (зеленым) до ожидаемого ДА и неожиданного ДА вопросов. Ожидаемые и неожиданные вопросы, требующие ответа ДА, — это те, на которые лгали лжецы. Приведены значения параметров MD, AUC, x-flip и y-flip для двух групп.Серая область представляет собой разницу в параметре AUC между лжецами и правдивыми.

https://doi.org/10.1371/journal.pone.0177851.g001

Прототипные траектории правдивых и лжецов.

Здесь мы приводим примеры индивидуальных траекторий мыши в ответ на контрольные вопросы и неожиданные вопросы, полученные от прототипа рассказчика правды (рис. 2) и прототипа лжеца (рис. 3).

Траектории относятся к ответам на отдельные вопросы.Обратите внимание, что этот лжец правдиво отвечает на контрольные вопросы. Тем не менее, его ответ отклоняется от прямой траектории, которая в идеале характеризует правдивый ответ (см. Рис. 2). Это обобщение мышления лжеца, когда лжец отвечает на вопросы, требующие правдивых ответов, обсуждается в статье.

Разбивка ответов на контрольные, ожидаемые и неожиданные вопросы.

Мы проанализировали выступления испытуемых отдельно для контрольных, ожидаемых и неожиданных вопросов.На рис. 4 представлена ​​траектория контрольных, ожидаемых и неожиданных вопросов (слева направо). Траектории лжецов и правдивых в контрольных вопросах практически совпадают. Максимальная разница в траектории снова наблюдается в ответ на неожиданные вопросы.

Разбивка ответов ДА и НЕТ.

Мы исследовали, есть ли разница в траектории и времени ответа между вопросами, на которые испытуемые отвечали, перемещая мышь вправо (вопросы, не требующие ответа), и вопросами, на которые испытуемые отвечали, перемещая мышь влево ( вопросы, требующие ответа ДА).Тесты t для всего образца были проведены для сравнения левого и правого откликов. Мы не обнаружили статистически значимой разницы для времени MD ( t = 1,63; p = 0,1; Cohen d = 0,2; BF = 0,57) и Y29 ( t = 0,1; p = 0,9; коэффициент Коэна d = 0,01; BF = 0,17). Для AUC мы получили следующие результаты: t = -2,09 и p = 0,04, но значение Коэна d показало небольшую величину эффекта ( d = -0.33), и фактор Байеса приблизился (BF = 1,2). На рис. 5 показаны траектории левого (зеленый) и правого (красный) ответов. Можно отметить, что две кривые следуют очень похожей, хотя и зеркальной, траектории.

Рис. 5. Траектории ответов ДА и НЕТ.

Ответы на левую кнопку ответа и на правую кнопку ответа сообщаются здесь отдельно. Траектории двух типов ответов не различались.

https://doi.org/10.1371 / journal.pone.0177851.g005

Описательная статистика независимых переменных

Выбор функции изолирован из исходного набора из 13 предикторов, 4 независимых переменных: ошибки, AUC, MD-время и Y29. Они сильно коррелировали с группой (рассказчик правды / лжец). В следующей таблице (см. Таблицу 3) представлена ​​описательная статистика, а также анализ разницы между правдивыми и лжецами, продемонстрированный тестом t , критерием Коэна d и фактором Байеса.

Модели машинного обучения

Несколько классификаторов машинного обучения (ML) были протестированы с использованием 10-кратной процедуры перекрестной проверки, реализованной WEKA [27]. Мы выбрали четыре классификатора, которые различаются в зависимости от их предположений: Random Forest [28], Logistic [29], Support Vector Machine (SVM) [30–31] и Logistic Model Tree (LMT) [32]. 10-кратная перекрестная проверка проводилась следующим образом: группа участников (40 человек) была случайным образом разделена на 10 подгрупп по 4 человека в каждой.В каждом прогоне одна из 10 подвыборок сохранялась в качестве тестового набора для оценки модели, а оставшиеся 9 использовались в качестве обучающих данных. Затем процесс перекрестной проверки был повторен 10 раз, так что каждая из 10 подгрупп участников использовалась ровно 1 раз в качестве набора для проверки. Затем 10 результатов на тестовой выборке были усреднены для получения единственной оценки точности. Результаты представлены в таблице 4. Все классификаторы достигли точности около 90% или выше при классификации лжецов и правдивых.Как минимум 36/40 субъектов были правильно классифицированы. Логистический классификатор достиг точности 95% (правильно классифицировано 38/40 участников). Сопоставимые результаты были получены с использованием перекрестной проверки с исключением по одному (LOOCV) [33].

Как показано в таблице 5, модели классификации обладают высокой специфичностью и высокой чувствительностью. Фактически, в контрольных выборках ошибки классификации равномерно распределены по двум классам.

Оценка модели: выступление 20 итальянских участников вне выборки.

После разработки описанных выше классификаторов машинного обучения была собрана и протестирована дополнительная выборка из 20 участников (10 лжецов и 10 рассказчиков правды) с использованием моделей, ранее разработанных на основе исходных 40 участников. Эта группа участников была совершенно новой группой, которую раньше никогда не использовали для анализа или построения моделей. Эта процедура считается оптимальной стратегией, позволяющей избежать переобучения (см. Дворк и др. [34]). Точность классификации этого нового образца представлена ​​в таблице 4.Стоит отметить, что точность классификации оставалась стабильной, в том числе по всем классификаторам, даже в этой проверочной выборке.

Вклад контрольных, ожидаемых и неожиданных вопросов.

Чтобы лучше понять вклад контрольных, ожидаемых и неожиданных вопросов в классификацию, мы использовали три отдельные модели для каждого типа вопросов. Результаты показывают, что основной вклад вносят неожиданные вопросы (см. Таблицу 6). Точность классификации с использованием классификаторов машинного обучения подтверждает, что невозможно эффективно отличить лжецов от правдивых только на основе контрольных вопросов.То же самое верно и для ожидаемых вопросов, хотя в этом случае траектории двух групп кажутся более разделенными (см. Рис. 4). Используя только неожиданные вопросы, точность классификации достигает максимума с показателями выше 90%, также в проверочной выборке, подтверждая, что когнитивная нагрузка лжецов из-за неожиданных вопросов является причиной различий между двумя группами.

Относительный вес предикторов.

Мы также исследовали относительный вес предикторов, удаляя независимые переменные одну за другой и повторно прогоняя классификаторы.Результаты показали, что после устранения ошибок предикторов точность классификации упала примерно до 75% для перекрестной проверки и примерно до 70% для процедуры тестирования (случайный лес: перекрестная проверка = 70%, тест = 65%; логистическая : перекрестная проверка = 77,5%, проверка = 70%; SVM: перекрестная проверка = 75%, проверка = 65%; LMT: перекрестная проверка = 75%, проверка = 70%). Основной вклад в точность прогнозов дает выявление ошибок на неожиданные вопросы с помощью динамических функций мыши, тонко настраивающих и без того хорошую классификацию.Это ясно, если учесть, что прогнозы, основанные исключительно на ошибках, дали следующие результаты: Случайный лес: перекрестная проверка = 77,5%, тест = 100%; Логистика: перекрестная проверка = 82,5%, тест = 100%; SVM: перекрестная проверка = 80%, тест = 95%; LMT: перекрестная проверка = 85%; Тест = 100%. После удаления AUC из предикторов точность классификации осталась стабильной в тестовом наборе и упала до 90% во время перекрестной проверки (случайный лес: перекрестная проверка = 90%, тест = 95%; логистика: перекрестная проверка = 95%, test = 95%; SVM: перекрестная проверка = 85%, проверка = 95%; LMT: перекрестная проверка = 90%, проверка = 100%).Аналогичные результаты были получены при удалении MD-времени из предикторов (Случайный лес: перекрестная проверка = 90%, тест = 95%; Логистика: перекрестная проверка = 90%, проверка = 95%; SVM: перекрестная проверка = 87,5%. , тест = 85%; LMT: перекрестная проверка = 90%, тест = 95%). Наконец, после выгрузки Y29 из предикторов точность как в обучающем, так и в тестовом наборах немного снизилась (Случайный лес: перекрестная проверка = 92,5%, тест = 95%; Логистика: перекрестная проверка = 95%, тест = 95%. ; SVM: перекрестная проверка = 92.5%, тест = 85%; LMT: перекрестная проверка = 92,5%, тест = 95%).

Вкратце, относительная важность независимых переменных показала, что общее количество ошибок дало основной вклад в правильное различение лжецов от правдивых, за которым следовали MD-время, AUC и положение мыши по оси y. ось на таймфрейме 29 ^-го .

Анализ ошибок.

Ошибки для контроля и ожидаемые вопросы у правдивых практически отсутствуют (см. Таблицу 7).В ответ на неожиданные вопросы чаще всего ошибались лжецы и правдивые. Средний лжец делает в 12,4 раза больше ошибок при ответе на неожиданные вопросы по сравнению с правдивыми.

Лжецы и рассказчики правды не делают ошибок при проверке вопросов, а всего 2/240 на ожидаемые вопросы. Разница между этими двумя группами возникает из-за неожиданных вопросов, когда правдивые люди делают в общей сложности 5/240 ошибок, а лжецы — 82/240. Это указывает на то, что на каждую ошибку, допущенную правдой в ответ на неожиданные вопросы, лжецы делают 16 ошибок.Стоит отметить, что лжецы делают больше ошибок из-за неожиданного ДА (60/120, где они лгут), чем из-за неожиданного НЕТ (22/120, когда они отвечают правдиво), t = — 4,59, p <0,01; Коэна d = 1,60; BF = 16,42.

Немецкий проверочный образец.

Чтобы проверить, может ли модель эффективно классифицировать участников из разных культур, мы протестировали 20 немецких субъектов (10 лжецов и 10 рассказчиков правды) с хорошими результатами. Чтобы рассмотреть влияние культуры на обобщение результатов, мы протестировали выборку из 20 участников, носителей немецкого языка в Дюссельдорфе (10 рассказчиков правды и 10 лжецов; средний возраст = 29.5 лет; мужчины = 9/20) с вопросами на немецком языке. Перед экспериментом участники дали информированное согласие. Результаты этой группы были оценены с использованием модели, первоначально обученной на 40 итальянских участниках. Точность классификации была следующей: случайный лес = 95%, логистика = 100%, SVM = 90%, LMT = 95%. Анализ ошибок (см. Таблицу 8) показывает, что доля ошибок лжецов и лиц, говорящих правду, сопоставима в двух группах (итальянский n = 40 и немецкий n = 20) с результатами для лжецов t = — 1.4, p = 0,17 ( d Коэна = -0,49, BF ​​= 0,64) и результаты для правдивых t = 0,66, p = 0,52 ( d Коэна = 0,28, BF = 0,43) .

Можем ли мы обнаружить лжецов, если они отвечают правдиво?

Схема эксперимента, описанная в рукописи, требует, чтобы лжецы лгали только тогда, когда отвечали ДА на ожидаемые и неожиданные вопросы ДА. Во всех остальных случаях (ожидаемое «НЕТ», неожиданное «НЕТ», контрольное «ДА» и контрольное «НЕТ») лжецы отвечали правдиво (см. Таблицу 2).Интересный вопрос: можно ли обнаружить лжецов по их правдивым ответам? В предыдущем разделе мы сравнили траектории ответов двух групп с ожидаемыми и неожиданными вопросами, на которые требовался ответ ДА ​​(см. Рис. 1). Здесь мы сравнили траектории двух групп для ответов, требующих ответа НЕТ, и для всех контрольных вопросов. Траектории, когда лжецы отвечали правдиво, показаны на рис. 6. Хотя разница уменьшается по сравнению с ответами, в которых лжецы лгали, различия с рассказчиками правды все же заметны.

Рис. 6. Траектории, когда лжецы ответили правдиво.

На этом рисунке показаны средние траектории ответов на вопросы, на которые правдиво ответили как лжецы (красным), так и правдивые (зеленым).

https://doi.org/10.1371/journal.pone.0177851.g006

Чтобы оценить, отличались ли траектории лжецов и тех, кто говорил правду, когда они не лгали, мы сравнили две экспериментальные группы. о независимых переменных, ранее использовавшихся при разработке классификаторов.Результаты независимого t-теста, представленные в таблице 9, показывают, что стили ответа лжецов могут быть идентифицированы, даже если лжецы отвечали правдиво. Классификаторы имели следующие уровни точности при идентификации лжецов и правдивых только на основе ответов на вопросы, на которые лжецы отвечали правдиво: случайный лес = 77,5%, SVM = 80%, логистика = 80% и LMT = 77,5%. Все классификаторы явно были относительно точными, даже если они были ниже точности классификации, основанной только на ответах ДА на ожидаемые и неожиданные вопросы (что находилось в диапазоне 90–92%).

Как статистический анализ, так и анализ машинного обучения показали, что признаки лжи распространяются на вопросы, на которые они правдиво ответили. Даже если отвечать правдиво, лжецов можно идентифицировать, но с меньшей точностью. С когнитивной точки зрения здесь интересно то, что в плане эксперимента мышление лжецов также распространило свои эффекты на вопросы, когда они отвечали правдиво. Насколько нам известно, такая картина результатов никогда ранее не сообщалась и может указывать на уровень чувствительности метода анализа движения мыши.

Обсуждение

Насколько нам известно, никакие методы не могут точно определить, является ли идентификатор объекта истинным или ложным без какой-либо информации об истинной личности респондента. В этой статье мы сообщаем о результатах нового метода обнаружения памяти, нацеленного на определение того, является ли идентификатор истинным или поддельным, когда лжецы не предоставляют никакой личной информации, которая затем включается в сам тест.

Участники отвечали с помощью мыши на вопросы, касающиеся идентификатора, которые требовали ответа ДА / НЕТ.Динамика мыши обеспечивает богатый источник данных по сравнению с аналогичными задачами двоичной классификации, основанными на кнопках ответа. Хотя данные, собранные при нажатии кнопок, ограничиваются записью задержки между началом вопроса и нажатием кнопки, реакция мыши позволяет собирать несколько параметров, включая время реакции, а также время начала, скорость, ускорение и траекторию мыши.

Чтобы разработать модель, которая эффективно выявляет участников с поддельными именами, мы протестировали респондентов с вопросами, которые ожидались и которые лжецы усвоили на этапе предварительного обучения (имя, фамилия, дата рождения и место рождения).Наряду с ожидаемыми вопросами, касающимися информации документа, удостоверяющего личность, также был представлен ряд неожиданных вопросов, связанных с ожидаемыми вопросами. Рассмотрим, например, место рождения. Ожидаемые вопросы, которые появятся в удостоверении личности, будут: «Вы родились в Пизе?» (требуется ответ ДА) или «Вы родились в Нью-Йорке?» (требуя ответа НЕТ). Соответствующие неожиданные вопросы будут такими: «Флоренция — столица вашего региона?» (требуется ответ ДА, учитывая, что Пиза, место рождения, находится в Тоскане, столицей которой является Флоренция) и «Венеция — столица вашего региона рождения?» (не требуя ответа, учитывая, что Пиза, заявленное место рождения, находится в Тоскане, столицей которой является Флоренция, а не Венеция).Другой неожиданный вопрос, связанный с датой рождения (производной от даты), касался зодиака. Говорящие правду должны иметь возможность получать ответы об их истинном зодиаке более автоматически, чем лжецы; поэтому ожидается, что их реакция будет более быстрой, с меньшим количеством ошибок и более прямой траекторией движения мыши. В целом, неожиданные вопросы должны быть быстро найдены рассказчиками правды, в то время как лжецы должны мысленно «вычислить» ответ на основе исходной ожидаемой информации [21].

Исследование, представленное здесь, продемонстрировало, что динамика мыши, проанализированная с использованием модели машинного обучения, дала правильную классификацию лжецов и рассказчиков правды с точностью более 90%. Этот результат был достигнут путем разработки набора классификаторов с сопоставимой производительностью в диапазоне точности 90–95% (Random Forest, SVM, Logistics и LTM). Другая группа была собрана и протестирована (10 рассказчиков правды и 10 лжецов), чтобы подтвердить обобщение модели. В этой группе было подтверждено, что точность сопоставима с точностью группы, использованной для разработки классификаторов (95% = 19/20 участников правильно классифицированы), что показывает, что высокая точность, достигнутая на этапе построения модели, не была результатом переоснащение.

Теория игр также является многообещающим методом в глубоком обучении. Мы не оценивали, могут ли более сложные модели глубокого обучения, основанные на концепциях теории игр [35–37], превзойти стандартные модели машинного обучения, которые мы использовали в этом исследовании, но это может стать будущим направлением.

Мы провели анализ для определения наиболее важного предиктора, которым были общие ошибки, за которыми следовали MD-время, AUC и положение мыши по оси Y на временном кадре 29 ^-й .

С когнитивной точки зрения подтверждено, что неожиданные вопросы могут использоваться для раскрытия обмана. Сила неожиданных вопросов широко исследовалась на следственных допросах [22]. Здесь мы расширяем результаты и подтверждаем, что неожиданные вопросы могут быть встроены в тест проверки личности, чтобы позволить идентифицировать лиц, вводящих в заблуждение, с высокой точностью. Лжецам трудно отвечать на неожиданные вопросы быстро и без ошибок. Их неуверенность улавливается динамикой мыши, поскольку их двигательное поведение отклоняется от идеальной траектории говорящего правду.

Интересно отметить, что наш экспериментальный план требует от лжецов правдивых ответов на ряд вопросов. Анализ таких правдивых ответов показывает, что лжецов по-прежнему можно обнаружить, даже с меньшей точностью, если они не лгут. Розенфельд и др. показали, что лжецов, говорящих правду, можно идентифицировать с помощью P300, аналогично тому, о чем мы сообщаем здесь [38]. Важно отметить, что от лжецов требуется правдиво отвечать на все стимулы, кроме ожидаемых и неожиданных вопросов, которые, напротив, требуют лжи.Следовательно, они должны переключаться между ложью и правдой, и этот переход имеет цену, которая проявляется также при правдивом ответе, как показали Деби и др. [39]. Это означает, что образ мышления лжеца отражается в динамике мыши, и что обнаружение лжи можно также распространить на ответы, которым они не лгут. Это как если бы инструкция лгать на одни вопросы, но не на другие, вызывает у лжецов большую когнитивную нагрузку, которая связана не только с обманчивыми ответами, но и с переключением между ответами, требующими лжи, и ответами, требующими правды.

Неожиданные вопросы требуют тщательной подготовки ответов, и это может быть ограничением при автоматическом онлайн-использовании метода. Дополнительные ограничения настоящего исследования включают тот факт, что процедура была протестирована на участниках одной культуры, а обобщение проверено на участниках, принадлежащих к другой культуре (Германия). Дальнейшее ограничение настоящего исследования проистекает из того факта, что проблема обнаружения поддельных удостоверений личности не позволяет проводить прямое сравнение с более проверенными методами обнаружения лжи (например,г., ЦИТ). Таким образом, любое сравнение методов носит косвенный характер.

Принимая во внимание все эти ограничения, мы думаем, что использование неожиданных вопросов в сочетании с анализом динамики мыши кажется многообещающим путем для выявления обманчивых ответов.

Вклад авторов

1. Концептуализация: GS MM.
2. Обработка данных: MM.
3. Формальный анализ: GS MM.
4. Расследование: ММ.
5. Методология: GS MM LG.
6. Надзор: GS.
7. Проверка: GS MM LG.
8. Написание — первоначальный эскиз: MM GS.
9. Написание — просмотр и редактирование: GS MM LG.

Список литературы

1. 1.
   УЕФА. Встанет ли настоящий Эриберто. 20 сентября 2002 г. http://www.uefa.com/news/newsid=34451.html.
2. 2.
   Donath JS. Личность и обман в виртуальном сообществе.В: Смит М.А., Коллок П. редакторы. Сообщества в киберпространстве. Лондон и Нью-Йорк: Routledge Press; 1999. С. 29–59.
3. 3.
   Барбер С. Прямая связь между кражей личных данных и терроризмом и способы ее остановить. Техасский университет в Остине. 7 декабря 2015 г. https://news.utexas.edu/2015/12/07/the-direct-link-between-identity-theft-and-terrorism
4. 4.
   Agenzia Giornalistica Italia (AGI). Брюссель: камикадзе используют личность бывшего игрока dell’Inter. 28 марта 2016 г.http://www.agi.it/estero/2016/03/28/news/bruxelles_kamikaze_uso_identita_ex_giocatore_dellinter-650281/
5. 5.
   Бенусси В. Die atmungssymptome der lüge. Archiv für die gesamte Psychologie. 1914; 31: 244–273.
6. 6.
   Розенфельд JP, Грили ХТ. Обман, обнаружение, потенциал, связанный с событием p300 (erp). В: Энциклопедия судебной медицины Wiley. John Wiley & Sons, Ltd; 2009.
7. 7.
   Vrij A, Fisher R, Mann S, Leal S. Подход когнитивной нагрузки к обнаружению лжи.Психология расследования и профилирование преступников. 2008; 5: 39–43.
8. 8.
   Ван Бокстаэле Б., Вершуере Б., Моенс Т., Сухоцки К., Деби Э., Спруит А. Обучение лжи: влияние практики на когнитивные издержки лжи. Границы психологии. 2012; 3: 526. pmid: 23226137
9. 9.
   Кляйнберг Б., Вершуере Б. Обнаружение памяти 2.0: первый веб-тест на обнаружение памяти. PLoS One. 2015; 10 (4): e0118715. pmid: 25874966
10. 10.
    Сартори Дж., Агоста С., Зогмайстер С., Феррара С.Д., Кастиэльо Ю.Как точно определять автобиографические события. Психологическая наука. 2008. 19 (8): 772–780. pmid: 18816284
11. 11.
    Verschuere B, Kleinberg B. Id-check: онлайн-проверка скрытой информации выявляет истинную личность. Журнал судебной медицины. 2016 Янв; 61 Приложение 1: S237–40. pmid: 263

12. 12.
    Агоста С., Сартори Г. Автобиографический IAT: обзор. Границы психологии. 2013; 4: 519. pmid: 23964261
13. 13.
    Meixner J, Rosenfeld JP. Имитация терроризма Применение теста скрытой информации на основе P300.Психофизиология. 2011. 48: 149–154. pmid: 20579312
14. 14.
    Дейл Р., Дюран Н.Д. Когнитивная динамика верификации отрицательного предложения. Когнитивная наука. 2011; 35 (5): 983–996. pmid: 21463359
15. 15.
    Фриман Дж. Б., Паукер К., Санчес Д. Т.. Перцепционный путь к предвзятости: межрасовое воздействие снижает резкие сдвиги в восприятии расы в реальном времени, которые предсказывают предвзятость смешанной расы. Психологическая наука. 2016; 27: 502–517. pmid: 26976082
16. 16.
    Quétard B, Quinton JC, Colomb M, Pezzulo G, Barca L, Izaute M и др.Комбинированные эффекты ожиданий и визуальной неопределенности при обнаружении и идентификации цели в тумане. Когнитивная обработка. 2015; 16: 343–348.
17. 17.
    Эбни Д.Х., Макбрайд Д.М., Конте А.М., Винсон Д.В. Динамика ответа в предполагаемой памяти. Психономический бюллетень и обзор. 2015; 22 (4): 1020–1028.
18. 18.
    Барка Л., Пеццуло Г. Разворачивание визуального лексического решения во времени. PLoS One. 2012; 7 (4): e35932. pmid: 22563419
19. 19.
    Дюран Н.Д., Дейл Р., Макнамара Д.С.Динамика действия преодоления истины. Психономический бюллетень и обзор. 2010. 17 (4): 486–491.
20. 20.
    Врий А. Когнитивный подход к обнаружению лжи в обнаружении обмана: текущие проблемы и новые подходы. Оксфорд, Великобритания: John Wiley & Sons, Inc .; 2015.
21. 21.
    Вридж А., Леал С., Гранхаг П.А., Манн С., Фишер Р.П., Хиллман Дж. И др. Перехитрить лжецов: польза от задания неожиданных вопросов. Закон и человеческое поведение. 2009. 33: 159–166. pmid: 18523881
22. 22.Warmelink L, Vrij A, Mann S, Leal S, Poletiek FH. Влияние неожиданных вопросов на обнаружение знакомой и незнакомой лжи. Психиатрия, психология и право. 2013; 20 (1).
23. 23.
    Хартвиг ​​М., Гранхаг П.А., Стрчмвалл Л. Стратегии виновных и невиновных подозреваемых во время допросов. Психология, преступность и право. 2007. 13: 213–227.
24. 24.
    Ланкастер Г.Л., Вридж А., Хоуп Л., Уоллер Б. Отделение лжецов от рассказчиков правды: преимущества задания непредвиденных вопросов об обнаружении лжи.Прикладная когнитивная психология. 2013; 27: 107–114.
25. 25.
    Freeman JB, Ambady N. Mousetracker: Программное обеспечение для изучения мысленной обработки в реальном времени с использованием метода компьютерного отслеживания мыши. Методы исследования поведения. 2010; 42: 226–241. pmid: 20160302
26. 26.
    Зал МА. Выбор подмножества функций на основе корреляции для машинного обучения. Диссертация, Университет Вайкато. 1999. http://www.cs.waikato.ac.nz/mhall/thesis.pdf.
27. 27.
    Холл М., Фрэнк Э., Холмс Г., Пфарингер Б., Ройтеманн П., Виттен И.Программное обеспечение для интеллектуального анализа данных weka: обновление. Информационный бюллетень ACM SIGKDD Explorations. 2009. 11 (1): 10–18.
28. 28.
    Брейман Л. Случайные леса. Машинное обучение. 2001. 45 (1): 5–32.
29. 29.
    le Cessie S, van Houwelingen JC. Оценщики гребня в логистической регрессии. Прикладная статистика. 1992. 41 (1): 191–201.
30. 30.
    Platt JC. Быстрое обучение опорных векторных машин с использованием последовательной минимальной оптимизации. В: Достижения в методах ядра. MIT Press Cambridge; 1999 г.
31. 31.
    Кирти СС, Шеваде СК, ЦБ, Мурти КРК. Улучшения в алгоритме SMO Platt для проектирования классификатора SVM. Нейронные вычисления. 2001. 13 (3): 637–649.
32. 32.
    Ландвер Н., Холл М., Фрэнк Э. Деревья логистических моделей. Машинное обучение. 2005. 95 (1–2): 161–205.
33. 33.
    Гао З.К., Цай Цюй, Ян YX, Донг Н., Чжан СС. График видимости из частотно-временного представления адаптивного оптимального ядра для классификации эпилептиформной ЭЭГ. Международный журнал нейронных систем.2017; 27 (4): 1750005. pmid: 27832712
34. 34.
    Дворк С., Фельдман В., Хардт М., Питасси Т., Рейнгольд О., Рот А. Многоразовое удержание: сохранение достоверности в адаптивном анализе данных. Наука. 2015; 349: 636–638. pmid: 26250683
35. 35.
    Ван Дж., Лу В., Лю Л., Ли Л., Ся К. Оценка полезности на основе однозначного сопоставления в игре «Дилемма заключенного для взаимозависимых сетей». PLoS ONE. 2016; 11 (12): e0167083. pmid: 27

4

36. 36.
    Чен М., Ван Л., Сунь С., Ван Дж., Ся К.Эволюция сотрудничества в игре пространственных общественных благ с адаптивным ассортиментом репутации. Physics Letters A. 2016; 380 (1): 40–47.
37. 37.
    Чен М., Ван Л., Ван Дж., Сунь С., Ся С. Влияние стратегии индивидуального реагирования на пространственную игру общественных благ внутри мобильных агентов. Прикладная математика и вычисления. 2015; 251: 192–202
38. 38.
    Розенфельд Дж.