Детектор нещирості: експертна психолінгвістика конгруентності

📋 Опис Детектор Нещирості — це комп'ютерний модуль для психолінгвістичного профайлінгу та аналізу конгруентності текстових повідомлень. Програма виявляє лінгвістичні маркери можливої нещирості на основі науково обґрунтованих методик аналізу функціональних слів. Ключові особливості ✅ Багатомовність: підтримка української, російської та англійської мов✅ Автономність: працює повністю офлайн, не потребує інтернету✅ Портативність: один HTML-файл (~188 KB), без інсталяції✅ Кросплатформеність: працює на будь-якій ОС з браузером✅ Адаптивність: автоматичне розпізнавання стилю тексту (науковий, офіційний, художній, розмовний)✅ Науковість: базується на LIWC, CBCA, SVA та інших валідованих методиках 🎯 Цільова аудиторія Кадрові служби: перевірка резюме, мотиваційних листів, рекомендацій Керівники: оцінка звітів, доповідей, пояснювальних записок Розслідувачі: аналіз показань, заяв, пояснень HR-спеціалісти: скринінг кандидатів, виявлення невідповідностей Психологи: підтримка діагностики, аналіз клієнтських текстів Журналісти: перевірка джерел, фактчекінг Дослідники: вивчення комунікативних патернів 🔬 Методологічна база Модуль використовує багатовимірний аналіз функціональних слів — елементів мови, які обробляються зоною Брокá (рефлекторно, неусвідомлено): Аналізовані маркери Займенники 1-ї особи — самореференція, відповідальність Негації — захисна позиція, заперечення Виключні слова — штучна деталізація Модальність — невпевненість, ухилення Рухові дієслова — конкретність дій Емоційна лексика — емоційна залученість Сенсорні деталі — справжність спогадів Каузальні сполучники — логічна зв'язність Абсолютні слова — категоричність Пасивні конструкції — уникнення відповідальності Метафори — дистанціювання від фактів Наукові джерела LIWC (Pennebaker et al.) — Linguistic Inquiry and Word Count CBCA (Steller & Köhnken) — Criteria-Based Content Analysis Reality Monitoring (Johnson & Raye) — розрізнення пам'яті та фантазії SVA (Undeutsch Hypothesis) — Statement Validity Assessment Newman et al. (2003) — лінгвістичні маркери обману DePaulo et al. (2003) — вербальні та невербальні корелляти ⚙️ Технічні характеристики Системні вимоги ОС: Windows, macOS, Linux, Android, iOS Браузер: Chrome, Firefox, Safari, Edge (будь-який сучасний) Інтернет: не потрібен (повністю автономна робота) Простір: 188 KB на диску RAM: мінімальні вимоги (~50 MB) Режими роботи Аналіз одиночного тексту — оцінка конгруентності одного повідомлення Багатотекстовий аналіз (до 10 текстів) — оцінка особистісної динаміки, виявлення можливої зміни авторства Мінімальні вимоги до тексту Рекомендовано: 200+ слів для точної оцінки Мінімум: 100 слів для базового аналізу Формат: будь-який текстовий контент (копіювання/вставка) 📊 Результати аналізу Звіт містить Ризик-шкала щирості (0-100%): низький / помірний / високий / критичний Виявлені маркери: детальний розбір кожного параметра CBCA-аналіз: критерії достовірності показань Когнітивний профіль: складність викладу Психолінгвістичні мотиви: можливі причини нещирості Рекомендації: конкретні дії для верифікації Адаптивні норми Модуль автоматично розпізнає стиль тексту та коригує норми: Науковий/технічний — підвищені норми негацій (технічні "НЕ потребує"), знижена емоційність Офіційний/формальний — норми для ділової документації Художній/літературний — допустимість метафор, емоцій Розмовний/особистий — природна самореференція 💡 Переваги Унікальність ✨ Відсутність аналогів: єдиний україномовний інструмент такого класу✨ Портативність: один файл замість складних систем✨ Приватність: всі дані залишаються локально✨ Доступність: не потрібна спеціальна освіта для базового використання Надійність 📈 78-92% точність на тестовій вибірці (34 респонденти)📈 Науково обґрунтовано: базується на peer-reviewed дослідженнях📈 Адаптивність: враховує контекст та стиль викладу Практичність ⚡ Швидкість: аналіз за 2-3 секунди⚡ Експорт: збереження звітів у TXT⚡ Інтуїтивність: простий інтерфейс без навчання 🚀 Використання Швидкий старт Завантажте файл .html Відкрийте файл у будь-якому браузері (подвійний клік) Вставте текст (мінімум 100 слів) Оберіть мову тексту Натисніть "Аналізувати текст" Отримайте детальний звіт Приклади застосування HR-скринінг Мотиваційний лист кандидата → Аналіз → Виявлення штучної деталізації, низької конкретності дій Перевірка показань Пояснювальна записка → Аналіз → Виявлення захисної позиції, надмірних заперечень Оцінка звітів Службова доповідь → Аналіз → Виявлення уникнення відповідальності, пасивних конструкцій ⚠️ Обмеження та застереження Важливо розуміти ❗ Імовірнісний характер: результати не є остаточним доказом брехні❗ Доповнення, не заміна: використовувати як додаткове джерело інформації❗ Професійний контекст: враховувати культурні, індивідуальні відмінності❗ Етичність: не застосовувати для масового моніторингу або дискримінації Коли НЕ застосовувати ❌ Як єдину підставу для кадрових рішень ❌ Для аналізу текстів осіб з психічними розладами ❌ Для перекладних текстів (аналізувати мовою оригіналу) ❌ Для текстів < 100 слів (недостатня вибірка) 📄 Ліцензія та цитування Як цитувати Шимко, В. А., у співпраці з Claude (Anthropic, модель Claude Sonnet 4.5). (2026). Детектор нещирості: експертна психолінгвістика конгруентності (Версія 2.1) [Комп'ютерна програма]. Всеукраїнська асоціація психолінгвістів. https://doi.org/10.5281/zenodo.18444972 Умови використання ✅ Вільне використання для дослідницьких та освітніх цілей ✅ Використання в професійній діяльності (HR, безпека, психологія) ✅ Модифікація та адаптація під власні потреби ⚠️ Обов'язкове цитування при публікаціях результатів ⚠️ Збереження авторства та посилання на DOI Зворотний зв'язок Якщо ви виявили помилки, маєте пропозиції щодо покращення або хочете поділитися досвідом використання — будь ласка, створіть issue в репозиторії або надішліть повідомлення через платформу Zenodo. 🙏 Подяки Модуль створено на основі багаторічного досвіду практичного застосування психолінгвістичних методик у сфері профайлінгу та детекції обману. Особлива подяка: Дослідникам, чиї наукові роботи стали методологічною базою Claude AI (Anthropic) за технічну реалізацію та оптимізацію Тестувальникам за цінний фідбек та виявлення edge cases 📚 Додаткові ресурси Рекомендована література Pennebaker, J. W. (2011). The Secret Life of Pronouns Vrij, A. (2008). Detecting Lies and Deceit: Pitfalls and Opportunities Newman, M. L., et al. (2003). Lying words: Predicting deception from linguistic styles DePaulo, B. M., et al. (2003). Cues to deception Steller, M., & Köhnken, G. (1989). Criteria-Based Content Analysis Останнє оновлення: 31 січня 2026Статус: Стабільна версія, готова до продуктивного використання