Здоровье кп ру: Комсомольская правда – последние новости – Lenta.ru

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, у этого метода есть беспрецедентная особенность, заключающаяся 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 как инструменты 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,г., пистолет и др.). Ожидается, что невинные испытуемые будут реагировать на все стимулы. Напротив, от виновного субъекта (со знанием дела о вине) ожидаются более длительные ответы на критический предмет (например, 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, безусловно, ложны (например, « 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, описанная здесь методика имеет такую ​​же точность, как и современные методы обнаружения лжи на основе RT.Тем не менее, aIAT и CIT имеют 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.Это ограничение доступных методов, следовательно, 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 исследователю, который заинтересован в оценке того, является ли заявленная личность истинной или нет.

Эту статью можно рассматривать как доказательство концепции, репрезентативный пример типов проблем, которые не могут быть решены с помощью современных научно обоснованных методов обнаружения лжи (CIT и aIAT).Доступные методы не могут быть использованы, 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 представленных здесь экспериментах участники не реагируют, нажимая кнопки ДА / НЕТ с помощью клавиатуры, как в RT-CIT или aIAT, но вместо этого от них требуется 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, скорость, ускорение и траекторию). 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 указывается визуальной подсказкой. Анализ двигательных траекторий привел к интересным результатам. Инструктированная ложь можно отличить от правдивой реакции 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 продемонстрировал 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 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 обнаруживаться с помощью неожиданных вопросов, а не ожидаемых [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 из-за 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. Неуверенность в ответах 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 для обнаружения обмана. Поэтому 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] попросили испытуемых принять фальшивую личность, репетировать и вспоминать ее, пока их исполнение не станет безошибочным. Затем от лжецов требовалось ответить 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 отрепетировали свои истинные личности. Ожидаемые вопросы касались типичной информации, содержащейся в идентификационной карте (например,г. , имя, фамилия, дата рождения, место рождения). Напротив, неожиданные вопросы были вопросами идентичности, 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, касался возраста (например, 38).

Для правдивого респондента предполагается, что неожиданные вопросы автоматически вызывают правильный ответ. Напротив, лжец должен восстановить неожиданную информацию, которую не отрепетировали, 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.

Участников

Сорок италоязычных участников были набраны на факультете психологии Падуанского университета. 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 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 субъектов предоставили информированное согласие перед экспериментом.

Стимулы

Всем участникам были представлены 32 предложения, отображаемые в верхней части экрана компьютера. 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 поддельных профилях личности, которые им назначил экспериментатор. Правды ответили на вопросы об 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 ответить 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 не были ответами, которые, поскольку они лгали, требовали ответов ДА. Другими словами, только вопросы с ожидаемым и неожиданным ответом «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) как лжецы, так 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 мысленную арифметику в качестве отвлекающего задания. С другой стороны, рассказчики правды также выполняли в уме арифметические операции и только один раз проверяли свои настоящие автобиографические данные 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, требующих ответа ДА, был представлен аналогичный вопрос, требующий ответа НЕТ.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 нажатием кнопки 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 рамок 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 мышью
• 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 курсора мыши вдоль оси во времени
• Скорость во времени: скорость мыши между двумя временными рамками
• Acceleration over time: 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) в пределах каждого испытуемого.Всего в корреляционный анализ было введено 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 описываются шаги, выполняемые для анализа данных, и процедуры, использованные 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 правды 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 (красный цвет) и говорящих правду (зеленый цвет) до ожидаемого ДА и неожиданного ДА. 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.

Дезагрегация 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 всей выборки 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; 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

Отдельный выбор функций из исходного набора из 13 предикторов, 4 независимых переменных: ошибки, AUC, время MD 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 с помощью теста t , теста Коэна d и фактора 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.Правильно классифицировано как минимум 36/40 субъектов. 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 дополнительная выборка из 20 участников (10 лжецов и 10 рассказчиков правды), которые были протестированы с использованием моделей, ранее разработанных на основе 40 исходных 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 роль контрольных, ожидаемых и неожиданных вопросов в классификации, 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 вносится выявлением ошибок на неожиданные вопросы с помощью динамических функций мыши, тонкой настройки и без того хорошей классификации. 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 рассказчики правды. 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 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 проверили 20 немецких испытуемых (10 лжецов и 10 рассказчиков правды) с хорошими результатами. Чтобы изучить 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. Участники дали информированное согласие перед экспериментом. 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 у 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 условиях (ожидаемое НЕТ, неожиданное НЕТ, контрольный ДА и контрольный вопрос 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, которые не требовали ответа, 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 еще заметны.

Рис. 6. Траектории, когда лжецы ответили правдиво.

На этом рисунке представлены 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 когда 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, об этой схеме результатов никогда раньше не сообщалось, и она может указывать на уровень чувствительности метода анализа движения мыши.

Обсуждение

Насколько нам известно, никакие методы не могут точно определить, является ли идентификатор субъекта истинным или ложным без какой-либо информации об истинной личности респондента. В этой статье мы сообщаем о результатах нового метода обнаружения памяти, направленного 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, на которые требовался ответ ДА ​​/ НЕТ.Динамика мыши предоставляет богатый источник данных по сравнению с аналогичными задачами двоичной классификации, основанными на кнопках ответа. В то время как 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 были ожидаемыми и которые лжецы слишком 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 — это столица региона вашего 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 ответ будет более быстрым, с меньшим количеством ошибок и будет характеризоваться 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 за счет 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) для проверки обобщения 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 глубокого обучения. 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 сложно 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 если с меньшей точностью, когда они не лгут. Розенфельд и др. показали, что лжецов, говорящих правду, можно определить 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 связано с тем, 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 — оригинальная черновая версия: MM GS.
9. Написание — просмотр и редактирование: GS MM LG.

Ссылки

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 HT. 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., Моэнс Т., Сухоцки К., Деби Э., Спруит А. Научиться лгать: влияние практики на когнитивные издержки лжи. Границы в психологии. 2012; 3: 526. pmid: 23226137
9. 9. Кляйнберг Б., Вершуере Б. Обнаружение памяти 2.0: первый веб-тест обнаружения памяти. PLoS One. 2015; 10 (4): e0118715. pmid: 25874966
10. 10. Сартори Г., 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 настоящую личность. Журнал судебной медицины. 2016, январь; 61 Приложение 1: S237–40. pmid: 263

12. 12. Агоста С., Сартори Г. Автобиографический IAT: обзор. Границы в 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. Наука о мышлении. 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 ожидания 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. Vrij A, Leal S, Granhag PA, Mann S, Fisher RP, Hillman J и др. Перехитрите лжецов: преимущество задавать неожиданные вопросы. 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., Стрчмуолл 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 неожиданных вопросов при обнаружении лжи.Прикладная когнитивная психология. 2013; 27: 107–114.
25. 25. Freeman JB, Ambady N. Mousetracker: Программное обеспечение для изучения умственной 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 хребта 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. Кеэрти СС, Шеваде СК, ЦБ, Мурти КРК. Улучшения в алгоритме SMO компании 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 К. Влияние стратегии индивидуального реагирования на пространственную игру общественных благ внутри мобильных агентов. Прикладная математика и вычисления. 2015; 251: 192–202
38. 38. Розенфельд Дж. П., Элвангер Дж. В., Нолан К., Ву С., Берманн Р. Г., Свит Дж. Распределение амплитуды скальпа P300 как показатель обмана в модели имитационного когнитивного дефицита.Международный журнал психофизиологии. 1999; 33 (1): 3–19. pmid: 10451015
39. 39. Деби Э., Баптист Л.Б., де Хаувер Дж., Вершуер Б. Ложь, правда, ложь: роль переключения задач в контексте обмана. Психологическое исследование-психологическое исследование. 2015; 79 (3): 478–488.

ЛИЦО И ЗАКОНОДАТЕЛЬСТВО. ПРАВОВЫЕ ОСНОВЫ СОЦИАЛЬНОГО ОБЕСПЕЧЕНИЯ И ЗАЩИТЫ ЗДОРОВЬЯ ПЕНСИОНЕРОВ В СТАРОМ ВОЗРАСТЕ

Аннотация:

В статье рассматриваются правоотношения человека и общества по возрасту и организация здоровья пенсионеров в России. Особое внимание уделяется реформе здравоохранения в связи со вступлением в силу Федерального закона «Об основах охраны здоровья граждан в Российской Федерации».

Как цитировать:

Попов Н.В., (2015), ЧЕЛОВЕК И ПРАВО. ПРАВОВЫЕ ОСНОВЫ СОЦИАЛЬНОГО ОБЕСПЕЧЕНИЯ И ЗАЩИТЫ ЗДОРОВЬЯ ПЕНСИОНЕРОВ в пожилом возрасте. Пробелы в российском законодательстве, 1: 127-129.

Список литературы:

Караваева Е.Н. Законодательство Российской Федерации о здравохранении: История, современное состояние, тенденции развития // Сибирский Юридический вестник.- 2004. — № 2.
Карелова Г. В Воронежской области развивается мобильная социальная помощь пенсионерам. — Электронный ресурс — Режим доступа: http://er.ru/news/ 2013/12/13/
Кодекс врачебной этики. — Электронный ресурс — Режим доступа: http://www.medicus.ru/handbook/legal/ document21180.phtml
Национальный стандарт Российской Федерации Социальное обслуживание населения. ГОСТ Р52143-2003. Основные виды социальных услуг. ГОСТ Р53058-2008. Социальные услуги гражданам пожилого возраста.
Оказание адресной социальной помощи неработающим пенсионерам. — Электронный ресурс — Режим доступа: ГАРАНТ.РУ: — http://www.garant.ru/pro-ducts/ipo/prime/doc/70156074/ ixzz3RdZpHV5p
Олифирова С. На сколько в столице подорожали платные социальные услуги — Режим доступа: http://www.kp.ru/daily/26036.5/2952517/.
Понькин И.В. я доктор Обсуждаем закон о здравоохранении Электронный ресурс — Режим доступа: http: www.ruskline.ru/analitika/2011/0.
РИА Новости.- Электронный ресурс — Режим доступа:
http://ria. ru/society/20130207/921644876.html ixzz2y N5wrHMA.
Федеральный закон от 30 марта 1999 г. № 52-ФЗ О санитарно-эпидемиологическом благополучии населения Электронный ресурс — Режим доступа: http: // docs.cntd.ru Закон РСФСР
Федеральный закон от 21 ноября 2011 г. № 323-ФЗ (ред. От 31.12.2014) Об основах здоровья Граждан в Российской Федерации Электронный ресурс — Режим доступа: http: // docs.cntd.ru Закон РСФСР
Age-Watch-Index Электронный ресурс — Режим доступа: http: // irelandru.com global-agewatch-index-2014

Ключевые слова:

гражданские правоотношения, здоровье, социальное обеспечение, пенсионеры по старости, врачебная этика.

Представляем Дредноутус: гигантский, исключительно совершенный динозавр-зауропод | Сейчас

Кеннет Лаковара, доктор философии

Ученые обнаружили и описали новый сверхмассивный вид динозавров с наиболее полным скелетом, когда-либо обнаруженным в своем роде. Dreadnoughtus schrani длиной 85 футов (26 м) и весом около 65 тонн (59 300 кг) является самым крупным наземным животным, для которого можно точно рассчитать массу тела. Его скелет исключительно полный, на нем представлено более 70 процентов костей, за исключением головы. Поскольку все ранее обнаруженные сверхмассивные динозавры известны только по относительно фрагментарным останкам, Dreadnoughtus предлагает беспрецедентное окно в анатомию и биомеханику самых крупных животных, когда-либо ходивших по Земле.

« Dreadnoughtus schrani был поразительно огромен», — сказал Кеннет Лаковара, доктор философии , доцент Колледжа искусств и наук Университета Дрекселя, который обнаружил ископаемый скелет Dreadnoughtus в южной Патагонии в Аргентине и руководил раскопками и анализом. . «Он весил не меньше дюжины африканских слонов или более семи T. rex . Поразительно, но скелеты показывают, что когда умер этот 65-тонный экземпляр, он еще не вырос. Это, безусловно, лучший пример любого из самых гигантских существ, когда-либо ходивших по планете ».

Лаковара и его коллеги опубликовали подробное описание своего открытия с определением рода и вида Dreadnoughtus schrani, в журнале Scientific Reports от Nature Publishing Group. Новый динозавр принадлежит к группе крупных пожирателей растений, известных как титанозавры. Окаменелость была обнаружена в течение четырех полевых сезонов с 2005 по 2009 год Лаковарой и командой, в которую входило Лючио М.Ибирику, доктор философии, Национального центра Патагонико в Чубуте, Аргентина, Музей естественной истории Карнеги Мэтью Ламанна, доктор философии , и Джейсон Пул Академии естественных наук Университета Дрекселя, а также многие нынешние и бывшие Дрексель студенты и другие сотрудники.

Более 100 элементов скелета Dreadnoughtus представлены на типовом экземпляре, включая большую часть позвонков 30-футового хвоста, шейный позвонок диаметром более ярда, лопатку, многочисленные ребра, пальцы ног, коготь, небольшая часть челюсти и единственный зуб, и, что особенно важно для расчета массы животного, почти все кости обеих передних и задних конечностей, включая бедренную кость высотой более 6 футов и плечевую кость. На этом участке также была обнаружена более мелкая особь с менее полным скелетом.

«Золотой стандарт» для расчета массы четвероногих (четвероногих животных) основан на измерениях, проводимых на бедренной кости (бедренная кость) и плечевой кости (кость плеча). Поскольку образец типа Dreadnoughtus включает в себя обе эти кости, его вес можно оценить с уверенностью. До описания 65-тонного экземпляра Dreadnoughtus schrani другой патагонский гигант, Elaltitan , обладал титулом динозавра с наибольшим расчетным весом в 47 тонн, согласно недавнему исследованию.

В целом, кости особи типа Dreadnoughtus schrani составляют примерно 45,3 процента всего скелета динозавра, или до 70,4 процента всех типов костей его тела, за исключением костей черепа. Это гораздо более полно, чем все ранее обнаруженные гигантские динозавры-титанозавры.

«Титанозавры — замечательная группа динозавров, виды которых варьируются от веса коровы до веса кашалота и более. Но самые большие титанозавры остались загадкой, потому что почти во всех случаях их окаменелости очень неполны », — сказал Мэтью Ламанна.

Например, Argentinosaurus имел сопоставимую и, возможно, большую массу, чем Dreadnoughtus , но известен только по полудюжине позвонков в средней части спины, большеберцовой кости и нескольким другим фрагментам; Поскольку в образце отсутствуют кости верхних конечностей, не существует надежного метода для расчета окончательной массы аргентинозавра. Футалогкозавр был наиболее полным и чрезвычайно массивным титанозавром, известным до Дредноутус , но у этого экземпляра отсутствуют большинство костей конечностей, хвоста и любой части черепа.

Чтобы лучше визуализировать структуру скелета Dreadnoughtus , команда Лаковары сканировала в цифровом виде все кости обоих образцов динозавров. Они сделали «виртуальную опору» скелета, которая теперь общедоступна для загрузки из онлайн-приложения с открытым доступом к бумаге в качестве трехмерной цифровой реконструкции.

«У этого есть то преимущество, что он не занимает физического пространства», — сказал Лаковара. «Эти изображения могут быть перенесены по всему миру в другие ученые и музеи. Верность идеальная. Он не разлагается со временем, как кости в коллекции ».

«Цифровое моделирование — это волна будущего. Это станет еще более распространенным явлением в палеонтологии, особенно в исследованиях гигантских динозавров, таких как Dreadnoughtus , где одна кость может весить сотни фунтов », — сказал Ламанна.

3D-сканирование с помощью лазера Dreadnoughtus показывает глубокие, прекрасно сохранившиеся шрамы прикрепления мышц, которые могут предоставить обширную информацию о функции и силе мышц животного и о том, где они прикреплены к скелету — информации, которая отсутствует во многих зауроподы. Попытки понять структуру тела, скорость роста и биомеханику этого динозавра являются постоянными областями исследований в лаборатории Лаковары.

Динозавр, который ничего не боялся

Иллюстрация: Дженнифер Холл

«Имея тело размером с дом, вес стада слонов и вооруженный хвост, Dreadnoughtus ничего бы не боялся», — сказал Лаковара. «Это напоминает мне о классе линкоров начала прошлого века, называемых дредноутами, которые были огромными, плотно одетыми и практически непроницаемыми».

В результате Лаковара выбрал название « Dreadnoughtus », что означает «ничего не боится». «Я думаю, что пора травоядным животным получить должное за то, что они являются самыми выносливыми существами в окружающей среде», — сказал он. Название вида « schrani, » было выбрано в честь американского предпринимателя Адама Шрана, который поддержал исследование.

Чтобы вырасти до Dreadnoughtus , динозавр должен был съесть огромное количество растений. «Представьте себе одержимость едой на всю жизнь», — сказал Лаковара, описывая потенциальный образ жизни Dreadnoughtus , который жил примерно 77 миллионов лет назад в лесу с умеренным климатом на южной оконечности Южной Америки.

«Каждый день нужно получать достаточно калорий, чтобы накормить это тело размером с дом. Я полагаю, что их день в основном состоит из того, чтобы стоять на одном месте », — сказал Лаковара. «У вас есть эта 37-футовая шея, уравновешенная 30-футовым хвостом сзади. Не двигая ногами, вы получаете доступ к гигантской кормовой оболочке из деревьев и листьев папоротника. Вы тратите час или около того, очищая этот патч, в котором есть тысячи калорий, а затем делаете три шага вправо и проводите следующий час, убирая этот патч ».

Взрослый дредноутус , вероятно, был слишком большим, чтобы бояться каких-либо хищников, но он все равно был бы целью падальщиков после смерти от естественных причин или экологических бедствий.Команда Лаковара обнаружила несколько зубов теропод — более мелких хищных динозавров — среди окаменелостей Dreadnoughtus . Однако полнота и составная природа двух скелетов свидетельствует о том, что эти люди были похоронены в отложениях быстро, прежде чем их тела полностью разложились. Основываясь на осадочных отложениях на этом месте, Лаковара сказал, что «эти два животных были похоронены быстро после того, как река разлилась и прорвалась через естественную дамбу, превратив землю в нечто вроде зыбучих песков. Быстрое и глубокое захоронение образца типа Dreadnoughtus schrani объясняет его необычайную полноту. Его несчастье было нашей удачей ».

Дополнительная информация и ресурсы

Полный набор ресурсов, включая мультимедийный контент, доступный для использования новостными СМИ, можно найти в коллекции ссылок на странице медиаресурсов Dreadnoughtus .

Ссылка на статью (от 4 сентября 2014 г.): http://dx.doi.org/10.1038 / srep06196

Основными соавторами исследования с Lacovara были Мэтью С. Ламанна, доктор философии из Музея естественной истории Карнеги в Питтсбурге и Лусио М. Ибирику, доктор философии из Centro Nacional Patagonico в Чубу, Аргентина, которые начали работать с Lacovara. в качестве студента-волонтера во время раскопок Dreadnoughtus и получил докторскую степень в Университете Дрекселя. Ламанна была первым автором недавней статьи, описывающей динозавра Anzu wyliei , широко известного как «курица из ада». ”

Дополнительные соавторы: Джейсон К. Пул , координатор зала динозавров в Академии естественных наук Университета Дрекселя; Елена Р. Шретер, доктор философии , недавно получившая докторскую степень за работу над Dreadnoughtus в лаборатории Лаковары в Дрекселе; Пауль В. Ульманн, Кристин К. Фогеле и Захари М. Боулс , докторанты в лаборатории Лаковары в Дрекселе; Аджа М. Картер , выпускница Drexel Biology 2014 года, которая участвовала в подготовке Dreadnoughtus в качестве студента; Эмма К.Фаулер , студент Дрекселя; Виктория М. Эгертон, доктор наук Манчестерского университета, получившая докторскую степень в лаборатории Лаковары; Элисон Э. Мойер , выпускница Дрекселя 2008 года, которая участвовала в раскопках Dreadnoughtus в Аргентине в качестве бакалавра, а теперь является докторантом по палеонтологии в Университете штата Северная Каролина; Кристофер Л. Кугенур, доктор философии , который получил докторскую степень в лаборатории Лаковары в Дрекселе и сейчас работает в Университете Питтсбурга, Джонстаун, Пенсильвания.кампус; Джейсон П. Шейн Государственного музея Нью-Джерси; Джеральд Д. Харрис, доктор философии , Государственный колледж Дикси в Сент-Джордж, штат Юта; Рубен Д. Март – nez, доктор философии Национального Университета Патагонии Сан-Хуан Боско в Чубуте, Аргентина; и Фернандо Э. Новас, доктор философии, Аргентинского музея естественных наук в Буэнос-Айресе.

Лаковара, Ламанна и Пул ранее были среди соавторов, описавших Paralititan stromeri , большого титанозавра, которого они раскопали в египетской Сахаре.

Согласно аргентинскому законодательству окаменелости Dreadnoughtus являются собственностью федерального правительства Аргентины и должны постоянно храниться в провинции Санта-Крус, где они были обнаружены. Окаменелости были перевезены в Филадельфию и Питтсбург в 2009 году для научной подготовки и анализа в соответствии с соглашением о ссуде на исследования. Подготовка и анализ окаменелостей проводились в Университете Дрекселя, Академии естественных наук Университета Дрекселя и Музее естественной истории Карнеги.Все окаменелости Dreadnoughtus в настоящее время находятся в Университете Дрекселя и будут возвращены в постоянное хранилище в Museo Padre Molina в Рио-Гальегос, Аргентина, в 2015 году.

Источники финансирования исследования Dreadnoughtus включают Национальный научный фонд (награда EAR 0603805 и три стипендии для аспирантов [DGE Award 1002809]), Фонд юрского периода, Р. Зайдель, Университет Дрекселя, Академия естественных наук Университета Дрекселя. , Музей естественной истории Карнеги и спонсор Адам Шран.

Почему попытки помочь бедным странам могут на самом деле навредить им

Идея о том, что более богатые страны раздают помощь, расцвела в конце 1960-х, когда первые гуманитарные кризисы достигли массовой аудитории на телевидении. Американцы смотрели по телевизору, как дети умирают от голода в Биафре, богатой нефтью области, которая отделилась от Нигерии и теперь блокируется правительством Нигерии, как напомнил Филип Гуревич в статье 2010 года в New Yorker.Протестующие так громко призвали администрацию Никсона к действиям, что в итоге они спровоцировали крупнейшую невоенную воздушную перевозку, которую когда-либо видел мир. Спустя всего четверть века после Освенцима гуманитарная помощь, казалось, дала миру новую надежду на борьбу со злом без войны.

Был также веский экономический и политический аргумент в пользу помощи бедным странам. В середине 20-го века экономисты широко считали, что ключом к запуску роста — будь то в уже благополучной стране или в стране, надеющейся стать еще богаче — было закачивание денег на фабрики, дороги и другую инфраструктуру страны.Поэтому в надежде на распространение западной модели демократии и рыночной экономики Соединенные Штаты и западноевропейские державы поощряли иностранную помощь меньшим и более бедным странам, которые могли попасть под влияние Советского Союза и Китая.

Уровень иностранной помощи, распределяемой по всему миру, резко вырос с 1960-х годов, достигнув пика в конце холодной войны, затем снизился, прежде чем снова подняться. Музыкальные концерты Live Aid повысили осведомленность общественности о таких проблемах, как голод в Африке, в то время как Соединенные Штаты выступили с масштабными инициативами по оказанию помощи на несколько миллиардов долларов.А Всемирный банк и сторонники помощи агрессивно ухватились за исследования, в которых утверждалось, что иностранная помощь ведет к экономическому развитию.

Дитон был не первым экономистом, который оспорил эти предположения, но за последние два десятилетия его аргументам стало уделяться большое внимание. И он сделал их, возможно, лучше разбираясь в данных, чем кто-либо раньше. Скептицизм Дитона в отношении выгод от иностранной помощи вырос из его исследования, которое включало подробное рассмотрение домашних хозяйств в развивающихся странах, где он мог видеть последствия интервенции иностранной помощи.

«Я думаю, что его понимание того, как мир работает на микроуровне, заставило его крайне подозрительно относиться к схемам быстрого обогащения, которые некоторые люди использовали на уровне развития», — говорит Дарон Аджемоглу, экономист Массачусетского технологического института.

Данные свидетельствуют о том, что претензии гуманитарного сообщества иногда не подтверждались. Даже несмотря на то, что в 1980-х и 1990-х годах объем иностранной помощи Африке резко увеличивался, экономика африканских стран была хуже, чем когда-либо, как показывает диаграмма ниже из статьи экономиста Билла Истерли из Нью-Йоркского университета.

Эффект не ограничился Африкой. Многие экономисты заметили, что приток иностранной помощи, похоже, не приводит к экономическому росту в странах по всему миру. Скорее, значительный объем иностранной помощи, поступающей в страну, как правило, коррелировал с более низким экономическим ростом, как показывает эта диаграмма из статьи Арвинда Субраманиана и Рагурама Раджана.

Страны, получающие меньше помощи, те, что находятся в левой части диаграммы, обычно имеют более высокий рост, в то время как те, которые получают больше помощи, на правой стороне, имеют более низкий рост.

Почему это произошло? Ответ был не сразу ясен, но Дитон и другие экономисты утверждали, что это связано с тем, как иностранные деньги меняют отношения между правительством и его народом.

Подумайте об этом так: чтобы иметь финансирование для управления страной, правительству необходимо собирать налоги со своего народа. Поскольку люди, в конечном счете, владеют кошельками, у них есть определенный контроль над своим правительством. Если лидеры не предоставляют базовые услуги, которые обещают, люди имеют право их отключить.

Дитон утверждал, что иностранная помощь может ослабить эти отношения, в результате чего правительство станет менее подотчетным своему народу, конгрессу или парламенту и судам.

«Моя критика помощи больше связана со странами, где они получают огромную помощь по сравнению со всем остальным, что происходит в этой стране», — сказал Дитон в интервью Wonkblog. «Например, большинство правительств зависят от своих людей в плане налогов, чтобы управлять собой и предоставлять услуги своему народу.Правительства, получающие все свои деньги от помощи, ее вообще не имеют, и я считаю это очень разрушительным «.

Может показаться странным, что наличие большего количества денег не поможет бедной стране. Тем не менее экономисты давно заметили, что страны которые в изобилии богаты природными ресурсами, такими как нефть или алмазы, как правило, более неравны, менее развиты и более бедны, как показано на диаграмме ниже. Страны в левой части диаграммы имеют меньше топлива, руды и металлов и более высокий рост, в то время как те, кто находится справа, обладают большим богатством природных ресурсов, но более медленным ростом.Экономисты утверждают, что это «проклятие природных ресурсов» происходит по разным причинам, но одна из них заключается в том, что такое богатство может укрепить и развратить правительство.

Подобно доходам от нефти или алмазов, богатство от иностранной помощи может оказывать разлагающее влияние на слабые правительства, «превращая то, что должно быть выгодным политическим институтам в токсичные», — пишет Дитон в своей книге «Большой побег: здоровье, богатство и Истоки неравенства ». Это богатство может сделать правительства более деспотическими, а также может увеличить риск гражданской войны, поскольку меньше делится властью, а также является прибыльным призом, за который стоит бороться.

Дитон и его сторонники приводят десятки примеров гуманитарной помощи, используемой для поддержки деспотических режимов и усугубляющих страдания, в том числе в Заире, Руанде, Эфиопии, Сомали, Биафре и у красных кхмеров на границе Камбоджи и Таиланда. Ссылаясь на исследователя Африки Алекса де Ваала, Дитон пишет, что «помощь может быть достигнута только жертвами войны, если они заплатят военачальникам, а иногда и продлевают войну».

Он также приводит множество примеров, в которых Соединенные Штаты оказывают помощь «для« нас », а не« для них »- чтобы поддержать наших стратегических союзников, наши коммерческие интересы или наши моральные или политические убеждения, а не интересы местные.

Соединенные Штаты десятилетиями оказывали помощь Эфиопии при тогдашнем президенте Мелесе Зенауи Асресе, потому что он выступал против исламского фундаментализма, а Эфиопия была очень бедной. Неважно, что Асрес был «одним из самых репрессивных и авторитарных диктаторов в Африке», — пишет Дитон. По словам Дитона, «награда за чистое творчество» достается Маауйе ульд Сид’Ахмед Тайя, президенту Мавритании с 1984 по 2005 год. Западные страны перестали оказывать помощь Тайе после того, как его правительство стало слишком политически репрессивным, но ему удалось получить доступ. снова активизировался, став одной из немногих арабских стран, признавших Израиль.

Кто-то может выступить за то, чтобы полностью обойти коррумпированные правительства и раздавать продукты питания или финансирование напрямую среди людей. Дитон признает, что в некоторых случаях это может стоить того, чтобы спасти жизни. Но одна проблема с этим подходом заключается в том, что он сложен: чтобы добраться до бессильных, вам часто приходится проходить через сильных мира сего. Другая проблема заключается в том, что это подрывает то, в чем люди в развивающихся странах нуждаются больше всего — «эффективное правительство, которое работает с ними сегодня и завтра», — пишет он.

Старый расчет иностранной помощи заключался в том, что бедные страны просто страдали от нехватки денег. Но в наши дни многие экономисты ставят под сомнение это предположение, утверждая, что развитие больше связано с силой институтов страны — политических и социальных систем, которые развиваются в результате взаимодействия правительства и народа.

В мире много мест, где отсутствуют хорошие дороги, чистая вода и хорошие больницы, — говорит Аджемоглу из Массачусетского технологического института: «Почему эти места существуют? Если вы посмотрите на это, вы быстро избавитесь от идеи, что они существуют, потому что государство не может предоставлять там услуги.«Этим странам нужно даже больше, чем деньги, — это эффективное управление, то, что иностранная помощь может подорвать, — считают они.

Некоторые люди считают, что критика Дитоном иностранной помощи заходит слишком далеко. Есть лучшие и худшие способы распределения иностранной помощи. — говорят они. Некоторые подходы, основанные на проектах, такие как финансирование местного бизнеса, строительство колодца или предоставление формы, чтобы девочки могли ходить в школу, оказались очень успешными в помощи местным общинам. В последнее десятилетие исследователи пытались интегрировать эти уроки экономистов и выступить за более эффективные методы оказания помощи.

Многие люди считают, что гуманитарное сообщество нуждается в более тщательном изучении, чтобы определить, какие методы оказались эффективными, а какие нет. Например, такие экономисты, как Абхиджит Банерджи и Эстер Дюфло, выступают за создание рандомизированных контрольных испытаний, которые позволяют исследователям тщательно изучать эффекты развития различных типов проектов — например, после микрокредитования, предоставляемого людям в бедных странах.

Эти методы снова вызвали всплеск оптимизма в профессиональных кругах в отношении усилий по иностранной помощи.И снова Дитон играет скептика.

Хотя Дитон согласен с тем, что многие проекты развития успешны, он критически относится к заявлениям о том, что эти проекты могут быть воспроизведены в другом месте или в более крупном масштабе. «Проблема в том, что« то, что работает »- это весьма условная концепция», — сказал он в интервью. «Если он работает в высокогорье Кении, нет оснований полагать, что он будет работать в Индии или что он будет работать в Принстоне, штат Нью-Джерси».

Успех местного проекта, такого как микрофинансирование, также зависит от множества других местных факторов, которые исследователям труднее выделить.Дитон пишет в своей книге, что сказать, что эти рандомизированные контрольные испытания доказывают, что определенные проекты вызывают рост или развитие, все равно что сказать, что мука вызывает торт. «Мука« вызывает »лепешки в том смысле, что лепешки, приготовленные без муки, хуже, чем лепешки из муки — и мы можем провести любое количество экспериментов, чтобы продемонстрировать это — но мука не будет работать без разрыхлителя, яиц и масла — вспомогательные факторы, необходимые для того, чтобы мука «стала причиной» торта ».

Критика Дитоном иностранной помощи проистекает из его естественного скептицизма в отношении того, как люди используют и злоупотребляют экономическими данными для продвижения своих аргументов.«Наука об измерении экономических эффектов гораздо важнее, сложнее и противоречивее, чем мы обычно думаем», — сказал он The Post.

Аджемоглу сказал о Дитоне: «Он вызывающий и проницательный, и он чрезвычайно критически относится к вещам, которые он считает дрянными, и к вещам, которые требуют чрезмерного внимания. И я думаю, что сфера внешней помощи, эта политическая арена действительно взбесила его, потому что в ней не хватало строгости, но и при этом столь грандиозно заявлялось ».

Дитон не возражает против всех видов иностранной помощи.В частности, он считает, что определенные виды медицинской помощи — например, вакцинация или разработка дешевых и эффективных лекарств для лечения малярии — принесли огромную пользу развивающимся странам.

Но в основном, сказал он, богатый мир должен думать о том, «что мы можем сделать, чтобы улучшить жизнь миллионов бедных людей во всем мире, не вмешиваясь в их экономику так, как мы делаем, выделяя огромные суммы. денег их правительствам ». В целом, он утверждает, что мы должны сосредоточиться на том, чтобы причинять меньше вреда развивающемуся миру, например, продавать меньше оружия деспотам или обеспечивать, чтобы развивающиеся страны заключили справедливые торговые соглашения и не пострадали от У.С. внешнеполитические решения.

Дитон также считает, что наше отношение к иностранной помощи — что развитые страны должны налететь и спасти всех остальных — снисходительно и подозрительно похоже на идеи колониализма. Риторика колониализма также «была направлена ​​на помощь людям, хотя и для того, чтобы принести цивилизацию и просвещение людям, чья человечность была далеко не полностью признана», — писал он.

Напротив, многие позитивные события, происходящие в Африке — например, широкое распространение сотовых телефонов за последнее десятилетие — являются полностью доморощенными.Он отмечает, что, хотя за последние десятилетия мир добился огромных успехов в сокращении бедности, почти все это произошло не благодаря помощи. Большинство из них было связано с развитием таких стран, как Китай, которые получили очень небольшую помощь по отношению к валовому внутреннему продукту и «должны были решать ее сами».

В конечном счете, Дитон утверждает, что мы должны оставаться в стороне и позволить более бедным странам развиваться по-своему. «Кто поручил нам ?» он спрашивает.

Карибское море действует как свисток, который можно «услышать» из космоса — Новости

Исследование Карибского моря, проведенное учеными-океанологами Ливерпульского университета, показало, что среди всего шума океана этот регион ведет себя как свисток, который дует так громко, что его можно «услышать» из космоса в форма колебаний гравитационного поля Земли.

Карибское море — часть Атлантического океана, к юго-востоку от Мексиканского залива. Он окружен Южной Америкой, Центральной Америкой и островами Карибского моря и занимает площадь примерно 2 754 000 км ² (1 063 000 миль ² ).

Исследователи проанализировали уровни моря и показания давления, снятые со дна моря, с использованием четырех различных моделей активности океана в море за период с 1958 по 2013 год, а также с использованием информации от мареографов и спутниковых измерений силы тяжести.

« Свисток Россби»

Они заметили явление, которое они назвали «свистком Россби», которое происходит, когда волна Россби — большая волна, которая медленно распространяется на запад в океане — взаимодействует с морским дном.

Это заставляет волну затухать на западной границе и вновь появляться на восточной стороне бассейна, взаимодействие, которое было описано как «червоточина Россби». Только волны определенной длины могут пережить этот процесс, не прекращая себя, но эти конкретные волны усиливают себя, создавая колебания с четко определенным периодом.

А-квартира

В результате вода попадает в бассейн и выходит из него каждые 120 дней. Этого изменения массы достаточно, чтобы изменить гравитационное поле Земли, которое можно измерить со спутников. 120-дневный период означает, что этот свисток воспроизводит ноту ля-бемоль, хотя он на много октав ниже слышимого диапазона.

Профессор Крис Хьюз, эксперт в области науки об уровне моря в университете, сказал: «Мы можем сравнить активность океана в Карибском море со свистком.Когда вы дуетесь в свисток, струя воздуха становится неустойчивой и возбуждает резонансную звуковую волну, которая попадает в полость свистка. Поскольку свисток открыт, звук излучается так, что вы его слышите.

Точно так же океанское течение, текущее через Карибское море, становится нестабильным и вызывает резонанс довольно странного вида океанской волны, называемой «волной Россби». Поскольку Карибское море частично открыто, это вызывает обмен водой с остальной частью океана, что позволяет нам «слышать» резонанс, используя измерения силы тяжести.

На видео ниже показано, как распространяется волна Россби, вместе с соответствующими временными рядами давления на дно океана (масса океана). Звук в фильме — это настоящая нота, которую играет океан, ускоренная до слышимого диапазона и повторяющаяся несколько раз.

Прибрежное затопление

«Это явление может изменять уровень моря на целых 10 см вдоль побережья Колумбии и Венесуэлы, поэтому его понимание может помочь предсказать вероятность прибрежного наводнения.”

Небольшие изменения уровня моря могут значительно увеличить вероятность потерь от наводнений, и Барранкилья в Колумбии был определен как город, в котором потери от наводнений резко возрастут при повышении уровня моря всего на 20 см.

Ученые считают, что «свисток Россби» может также оказывать влияние на всю Северную Атлантику, поскольку он регулирует течение Карибского течения, которое является предшественником Гольфстрима, важной винтики в климатическом двигателе океана.

Статья «Свисток Россби: резонансный режим бассейна, наблюдаемый в Карибском море» опубликована в журнале Geophysical Research Letters .

рецептов съедобных насекомых | Crunchy Critters

Состав:

• Овощи — одна луковица, одна морковь, две палочки сельдерея, шесть грибов, один зубчик чеснока, половина кабачков, шесть листьев мяты, небольшая веточка петрушки и один красный перец чили (по желанию)
• Специи — две чайные ложки молотого кориандра, одна чайная ложка молотого тмина, одна чайная ложка перца, одна чайная ложка заатар и одна чайная ложка пасты из хариссы (можно найти в большинстве магазинов здорового питания, а также по желанию), половину чайной ложки куркумы, половину чайной ложки тимьяна, четверть чайной ложки корицы. , две чайные ложки белого перца, одна чайная ложка морской соли
• Шесть ломтиков черного хлеба в панировочных сухарях
• Два взбитых яйца
• Пятьдесят граммов мучных червей или сверчков Crunchy Critters, или смесь каждого из них (5 пакетов по 10 г)
• Масло подсолнечное (для жарки)

Метод приготовления:

1. Поместите сорок граммов животных в пищевой блендер и взбивайте в течение двух секунд, пока не получите мелко нарезанную консистенцию. Поместите в большую миску вместе с панировочными сухарями и перемешайте.

2. В тот же пищевой блендер (не нужно мыть) поместите все овощи и зелень и измельчите до мелкой нарезки, но без пюре!

3. Нагрейте большую сковороду и на слабом огне обжарьте овощную смесь, регулярно помешивая, около пяти минут. Добавьте специи и продолжайте варить еще пять минут, регулярно помешивая.Дайте остыть, пока не станет достаточно холодным, чтобы его можно было обрабатывать.

4. Когда смесь остынет, поместите ее в миску вместе с насекомыми и панировочными сухарями деревянной ложкой или руками. Смешайте до однородной массы.

5. Добавьте яйца и оставшиеся десять граммов насекомых в смесь для пирожков и хорошо перемешайте. Смешав пирожки руками, сформируйте небольшие порции размером с бургер толщиной около двух-трех сантиметров и выложите на смазанный маслом противень.

6. Поставьте большую сковороду на средний огонь, подождите пять минут, чтобы она нагрелась, добавьте столовую ложку подсолнечного масла и осторожно с прорезью ломтика рыбы добавьте котлеты, остерегайтесь брызг горячего масла! Жарьте примерно четыре-пять минут до золотистого цвета, затем осторожно переверните и продолжайте обжаривать еще пять минут, пока не получите красивый золотистый цвет.Теперь они готовы к употреблению.

Наслаждайтесь ими в хлебе питта или в обертке с хрустящим салатом, помидорами, маслинами и йогуртом, или как хотите!

Cheryl Brunette — вязать лучше, жить проще.

Будьте смелее и счастливее вязальщицы. Присоединяйтесь к моему вязальному племени, отряду, труппе, группе, банде. . . стайка девчонок и ребят, которые вяжут. . . подписавшись на мою электронную рассылку новостей.

КОГДА ВЫ ПОДПИСЫВАЕТЕСЬ. . .

• Вы получите электронное письмо с просьбой подтвердить, что это действительно вы подписались, а не ваш шурин, чья глупая концепция остроумия заключается в том, чтобы подписывать вас на то, что вы ненавидите. (Хотя вязание трудно ненавидеть. Гольф, конечно, другое дело. Человек может ненавидеть гольф.)
• Примерно раз в неделю или раз в несколько месяцев вы будете получать электронное письмо со ссылками на статьи, новостями YouTube, дополнительными советами по вязанию, случайными идеями, специальными предложениями и случайными историями.
• Вы поможете мне разработать новые программы и инструменты. Я хочу знать ваши самые животрепещущие вопросы по вязанию, ваши самые душераздирающие пряжи, ваши самые запутанные проблемы.

~ Так вы хотите быть в курсе? Это бесплатно.

». . . Когда я смотрю одно из ваших видео или получаю электронное письмо, я как будто слышу от друга из дома: -) С уважением, Дебора »

«Мне нравятся ваши электронные письма. Они всегда вызывают у меня улыбку и дополняют мои знания. Желаем вам всего наилучшего », Charlotte H

«Мне очень нравятся ваши электронные письма. И твою книгу свитеров, и все твои видео.