Использование программы KidLogger для научных исследований

С 2001 года KidLogger вносит вклад в развитие глобальной системы мониторинга компьютеров, начав как бесплатный кейлоггер. С самого начала он записывал не только вводимый текст, но и хронологию использования приложений. В 2010 году KidLogger превратился в онлайн-сервис родительского контроля для мониторинга использования компьютеров и смартфонов. С 2016 года программное обеспечение также используется научным сообществом для экспериментов в области машинного обучения, которым требуются крупные наборы данных, описывающие взаимодействие человека с компьютером.

Сегодня исследователи по всему миру используют KidLogger для изучения психометрических моделей поведения на основе цифровых следов — включая активность клавиатуры, клики мыши, шаблоны использования программного обеспечения и посещения сайтов. Один из ключевых исследовательских вопросов — как временная динамика компьютерной активности коррелирует с личностными чертами, особенно определяемыми моделью «Большой пятерки» (открытость опыту, добросовестность, экстраверсия, дружелюбие и нейротизм).

Еще одно развивающееся направление исследований — влияние многозадачности и цифровых отвлечений на стресс и продуктивность. Например, учёные обнаружили, что социальные сети могут негативно влиять на настроение и концентрацию студентов — что подчёркивает необходимость дальнейшего изучения влияния онлайн-среды на поведение.

Мониторинг цифрового поведения также помогает выявить другие влияющие факторы среди работников умственного труда, такие как продолжительность сна, когнитивная нагрузка или мотивация. Научное сообщество работает над более точными способами сбора, обработки и анализа цифровой активности для улучшения поведенческих моделей. Промышленные отрасли всё больше интересуются измерением процессов принятия решений и выявлением поведенческих паттернов привилегированных пользователей в критической ИТ-инфраструктуре. Эти знания ценны в области кибербезопасности, цифровой криминалистики и систем непрерывной аутентификации.

В сфере образования KidLogger также исследуется как инструмент отслеживания вовлеченности студентов, выявления пробелов в обучении и оценки профессиональной этики — например, среди переводчиков.

Что записывает KidLogger

KidLogger фиксирует всю активность пользователя на компьютере или смартфоне в хронологическом порядке. Записанные данные используются как входные признаки для моделей машинного обучения. Цифровой след может включать:

  • Время начала и окончания использования компьютера;
  • Продолжительность использования программ, время переключения между ними;
  • Время активации заголовков окон;
  • Временные паузы при вводе текста;
  • Посещение сайтов, активное время, переключения вкладок;
  • Движения мыши и клики;
  • События с клавиатурой с контекстом (активное приложение или сайт);
  • Коммуникации (например, сообщения Skype, входящие/исходящие);
  • Отслеживание браузерных плагинов: прокрутка, клики, наведение, время отклика интерфейса;
  • Данные трекинга взгляда (ИК-камера, только Windows 10);
  • Периодические скриншоты и снимки с веб-камеры;
  • Записи микрофона для определения голосовой активности.

KidLogger может экспортировать данные в форматах CSV, JSON и HTML с точностью до миллисекунд.

Создание наборов данных с помощью KidLogger

KidLogger позволяет легко генерировать наборы данных для исследований и машинного обучения. После установки программы откройте настройки и перейдите на вкладку Format. Вы можете настроить точность до миллисекунд и выбрать, какие события необходимо регистрировать в зависимости от нужных признаков для вашей модели.

По умолчанию KidLogger работает локально без подключения к облаку. Мониторинг и хранение данных могут осуществляться полностью на локальном устройстве.

Как записывать набор данных в формате CSV или JSON

KidLogger позволяет экспортировать собранные данные и признаки в файлы формата CSV или JSON для дальнейшей обработки. Эти данные, то есть будущие признаки, включают дату и время события, тип, имя, заголовок, продолжительность и параметры события.

 

События мыши, тег 'mouse':
mouse,13:24:00:526,notepad, Move ,1437:945
mouse,13:24:00:558,notepad, Move ,1354:849
mouse,13:24:00:590,notepad, Move ,1313:806
mouse,13:24:00:621,notepad, Move ,1295:776
mouse,13:24:00:646,notepad, Move ,1278:738

mouse,11:08:53:474,notepad, Scroll ,689:728
mouse,11:16:23:698,notepad, Click ,144:30

где 'notepad' — имя активного процесса.

События клавиатуры, тег 'keystroke':

keystroke,13:19:34:7,notepad,t
keystroke,13:19:34:91,notepad,y
keystroke,13:19:34:459,notepad,p
keystroke,13:19:34:932,notepad,i
keystroke,13:19:34:940,notepad,n
keystroke,13:19:34:992,notepad,g

Выбор активного окна, тег 'app':

app,13:25:47:854,notepad,Untitled - Notepad

В указанное время пользователь активировал окно с заголовком 'Untitled - Notepad'.

Выбор сайта (URL), тег 'url':

url,11:16:23:625,0,https://mail.google.com/mail/u/0/#inbox,Incoming (96) - test@gmail.com - Gmail - Google Chrome

Другие теги: system, folder, mp3, idle, jpg, chat

 

Локальный сервер KidLogger

Локальный сервер KidLogger обеспечивает централизованный сбор данных с нескольких устройств в рамках школ, отделов или других подразделений.

Он позволяет собирать данные для одного пользователя с разных устройств — таких как смартфоны и компьютеры — и объединять их в единый журнал активности. Это упрощает контекстные исследования и поведенческий анализ на разных платформах.

Экспорт данных: Данные мониторинга доступны в виде таблиц SQL для дальнейшего анализа и интеграции.

Инструмент мониторинга с открытым исходным кодом

Мы открыты к сотрудничеству с образовательными учреждениями и научными организациями. По запросу мы предоставим доступ к последним исходным кодам клиентских приложений и серверных компонентов KidLogger. Кроме того, мы предлагаем поддержку исследовательских проектов с помощью экспериментальных функций мониторинга пользователей.

Выбранные научные работы, использующие KidLogger

Ниже приведён список прошлых исследовательских проектов и академических публикаций, в которых использовался KidLogger. Эти ссылки демонстрируют практическое применение инструмента и масштаб его вклада в поведенческие исследования.

Список публикаций будет добавлен здесь.

  • Исследование паттернов использования мобильных устройств с помощью библиотеки нейросетей FANN