Data wejścia w życie: 17 sierpnia 2026 r

Aplikacja jest udostępniana przez Stowarzyszenie Naukowe Seksuologii Stosowanej („SNSS”), wpisane do Krajowego Rejestru Sądowego pod numerem 0001065320, NIP 7492118336, REGON 52679155000000.

W sprawach dotyczących prywatności i działania aplikacji można skontaktować się z Sekretariatem SNSS: sekretariat@seksuologiastosowana.pl.

mHugginCore jest aplikacją do przeprowadzania zadań poznawczych na iPadzie. Aplikacja nie tworzy kont użytkowników, nie zawiera reklam ani narzędzi analitycznych i nie przesyła danych do autora aplikacji ani zewnętrznych serwerów.

Użytkownik może lokalnie wprowadzić dane diagnosty, imię i nazwisko osoby badanej, wiek, sygnaturę sprawy oraz odpowiedzi i wyniki zadań. Dane te są przetwarzane wyłącznie na urządzeniu w celu przeprowadzenia badania, zapisania jego przebiegu i utworzenia raportu.

Wyniki badań są przechowywane lokalnie w zaszyfrowanym magazynie. Klucz szyfrujący jest chroniony przez systemowy pęk kluczy iPada. Dostęp do aplikacji może być zabezpieczony PIN-em oraz — jeśli użytkownik ją włączy — biometrią urządzenia. Twórca aplikacji nie ma zdalnego dostępu do tych danych ani możliwości ich odzyskania.

Użytkownik może wyeksportować raport w formacie PDF, CSV lub JSON i przekazać go przez systemowy arkusz udostępniania iPadOS. Od momentu wyboru zewnętrznej usługi lub odbiorcy dalsze przetwarzanie podlega zasadom tej usługi i odpowiedzialności użytkownika.

Poszczególne badania można usunąć w aplikacji. Usunięcie aplikacji z iPada usuwa jej lokalny magazyn danych; elementy wcześniej wyeksportowane trzeba usunąć oddzielnie z miejsc, do których zostały zapisane.

Aplikacja jest przeznaczona dla wykwalifikowanych specjalistów, a nie do samodzielnego użytkowania przez dzieci lub osoby badane.

Data wejścia w życie: 17 sierpnia 2026 r

Aplikacja jest udostępniana przez Stowarzyszenie Naukowe Seksuologii Stosowanej („SNSS”), wpisane do Krajowego Rejestru Sądowego pod numerem 0001065320, NIP 7492118336, REGON 52679155000000.

W sprawach dotyczących prywatności i działania aplikacji można skontaktować się z Sekretariatem SNSS: sekretariat@seksuologiastosowana.pl.

mHugginVision jest aplikacją do przeprowadzania zadań poznawczych na iPadzie. Aplikacja nie tworzy kont użytkowników, nie zawiera reklam ani narzędzi analitycznych i nie przesyła danych do autora aplikacji ani zewnętrznych serwerów.

Użytkownik może lokalnie wprowadzić dane diagnosty, imię i nazwisko osoby badanej, wiek, sygnaturę sprawy oraz odpowiedzi i wyniki zadań. Dane te są przetwarzane wyłącznie na urządzeniu w celu przeprowadzenia badania, zapisania jego przebiegu i utworzenia raportu.

Wyniki badań są przechowywane lokalnie w zaszyfrowanym magazynie. Klucz szyfrujący jest chroniony przez systemowy pęk kluczy. Dostęp do aplikacji może być zabezpieczony PIN-em oraz — jeśli użytkownik ją włączy — biometrią urządzenia. Twórca aplikacji nie ma zdalnego dostępu do tych danych ani możliwości ich odzyskania.

Użytkownik może wyeksportować raport w formacie PDF, CSV lub JSON i przekazać go przez systemowy arkusz udostępniania iPadOS. Od momentu wyboru zewnętrznej usługi lub odbiorcy dalsze przetwarzanie podlega zasadom tej usługi i odpowiedzialności użytkownika.

Poszczególne badania można usunąć w aplikacji. Usunięcie aplikacji z iPada usuwa jej lokalny magazyn danych; elementy wcześniej wyeksportowane trzeba usunąć oddzielnie z miejsc, do których zostały zapisane.

Aplikacja jest przeznaczona dla wykwalifikowanych specjalistów, a nie do samodzielnego użytkowania przez dzieci lub osoby badane.

1. Oronowicz-Jaśkowiak, W. (2024). Zadania poznawcze w procesie diagnostycznym sprawców przestępstw przeciwko wolności seksualnej. Psychiatria po Dyplomie, 5, 1-5.
2. Oronowicz-Jaśkowiak, W. (2022). Porównanie wybranych charakterystyk osobowościowych, psychospołecznych, poznawczych oraz ryzyka powrotności do przestępstwa różnicujących parafilicznych od nieparafilicznych sprawców przestępstw przeciwko wolności seksualnej. Praca doktorska obroniona w Instytucie Psychiatrii i Neurologii w Warszawie.
3. Oronowicz-Jaśkowiak, W., Lew-Starowicz, M. (2021). Polish adaptation of emotional Stroop test in assessment of pedophilia – a pilot study. Psychiatria Polska, 55(1), 85-100. Wersja przetłumaczona na język polski: Polska adaptacja zadania Stroopa w warunku emocjonalnym do oceny preferencji pedofilnych.
4. Oronowicz-Jaśkowiak, W., Lew-Starowicz, M. (2019). Modified Stroop test in psychologic diagnosis of pedophilia. A systematic review. Postępy Psychiatrii i Neurologii, 28(1), 42-53. Wersja przetłumaczona na język polski: Zmodyfikowane zadanie Stroopa w diagnozie psychologicznej pedofilnych preferencji seksualnych. Systematyczny przegląd literatury. DOI: 10.5114/ppn.2019.84355.

Data wejścia w życie: 17 sierpnia 2026 r

Aplikacja jest udostępniana przez Stowarzyszenie Naukowe Seksuologii Stosowanej („SNSS”), wpisane do Krajowego Rejestru Sądowego pod numerem 0001065320, NIP 7492118336, REGON 52679155000000.

W sprawach dotyczących prywatności i działania aplikacji można skontaktować się z Sekretariatem SNSS: sekretariat@seksuologiastosowana.pl.

mSTSAC jest aplikacją do przeprowadzania zadań poznawczych na iPhone oraz na iPadzie. Aplikacja nie tworzy kont użytkowników, nie zawiera reklam ani narzędzi analitycznych i nie przesyła danych do autora aplikacji ani zewnętrznych serwerów.

Użytkownik może lokalnie wprowadzić dane diagnosty, imię i nazwisko osoby badanej, wiek, sygnaturę sprawy oraz odpowiedzi i wyniki zadań. Dane te są przetwarzane wyłącznie na urządzeniu w celu przeprowadzenia badania, zapisania jego przebiegu i utworzenia raportu.

Wyniki badań są przechowywane lokalnie w zaszyfrowanym magazynie. Klucz szyfrujący jest chroniony przez systemowy pęk kluczy iPada. Dostęp do aplikacji może być zabezpieczony PIN-em oraz — jeśli użytkownik ją włączy — biometrią urządzenia. Twórca aplikacji nie ma zdalnego dostępu do tych danych ani możliwości ich odzyskania.

Użytkownik może wyeksportować raport w formacie PDF, CSV lub JSON i przekazać go przez systemowy arkusz udostępniania iPadOS. Od momentu wyboru zewnętrznej usługi lub odbiorcy dalsze przetwarzanie podlega zasadom tej usługi i odpowiedzialności użytkownika.

Poszczególne badania można usunąć w aplikacji. Usunięcie aplikacji z iPada usuwa jej lokalny magazyn danych; elementy wcześniej wyeksportowane trzeba usunąć oddzielnie z miejsc, do których zostały zapisane.

Aplikacja jest przeznaczona dla wykwalifikowanych specjalistów, a nie do samodzielnego użytkowania przez dzieci lub osoby badane.

1. Oronowicz-Jaśkowiak, W. (2024). Screening Tool for Sexual Offenses Against Children (STSAC).
2. Oronowicz-Jaśkowiak, W. (2022). Porównanie wybranych charakterystyk osobowościowych, psychospołecznych, poznawczych oraz ryzyka powrotności do przestępstwa różnicujących parafilicznych od nieparafilicznych sprawców przestępstw przeciwko wolności seksualnej. Praca doktorska obroniona w Instytucie Psychiatrii i Neurologii w Warszawie.

1. American Psychological Association. (2007). Record keeping guidelines. American Psychologist, 62*(9), 993–1004.
2. American Psychological Association. (2013). Specialty guidelines for forensic psychology. *American Psychologist, 68*(1), 7–19.
3. Bowman, S. (2013). Impact of electronic health record systems on information integrity: Quality and safety implications. Perspectives in Health Information Management, 10(Fall), 1c.
4. Häyrinen, K., Saranto, K., & Nykänen, P. (2008). Definition, structure, content, use and impacts of electronic health records: A review of the research literature. International Journal of Medical Informatics, 77(5), 291–304.
5. Lidén, M., Thiblin, I., & Dror, I. E. (2023). The role of alternative hypotheses in reducing bias in forensic medical experts’ decision making. Science & Justice, 63*(5), 581–587.
6. National Institute of Standards and Technology. (2023). *Advanced Encryption Standard (AES)* (FIPS PUB 197).

Data wejścia w życie: 28 sierpnia 2026 r

Aplikacja jest udostępniana przez Stowarzyszenie Naukowe Seksuologii Stosowanej („SNSS”), wpisane do Krajowego Rejestru Sądowego pod numerem 0001065320, NIP 7492118336, REGON 52679155000000.

W sprawach dotyczących prywatności i działania aplikacji można skontaktować się z Sekretariatem SNSS: sekretariat@seksuologiastosowana.pl.

mAgeFRT jest aplikacją do przeprowadzania zadań poznawczych na iPadzie. Aplikacja nie tworzy kont użytkowników, nie zawiera reklam ani narzędzi analitycznych i nie przesyła danych do autora aplikacji ani zewnętrznych serwerów.

Użytkownik może lokalnie wprowadzić dane diagnosty, imię i nazwisko osoby badanej, wiek, sygnaturę sprawy oraz odpowiedzi i wyniki zadań. Dane te są przetwarzane wyłącznie na urządzeniu w celu przeprowadzenia badania, zapisania jego przebiegu i utworzenia raportu.

Wyniki badań są przechowywane lokalnie w zaszyfrowanym magazynie. Klucz szyfrujący jest chroniony przez systemowy pęk kluczy iPada. Dostęp do aplikacji może być zabezpieczony PIN-em oraz — jeśli użytkownik ją włączy — biometrią urządzenia. Twórca aplikacji nie ma zdalnego dostępu do tych danych ani możliwości ich odzyskania.

Użytkownik może wyeksportować raport w formacie PDF, CSV lub JSON i przekazać go przez systemowy arkusz udostępniania iPadOS. Od momentu wyboru zewnętrznej usługi lub odbiorcy dalsze przetwarzanie podlega zasadom tej usługi i odpowiedzialności użytkownika.

Poszczególne badania można usunąć w aplikacji. Usunięcie aplikacji z iPada usuwa jej lokalny magazyn danych; elementy wcześniej wyeksportowane trzeba usunąć oddzielnie z miejsc, do których zostały zapisane.

Aplikacja jest przeznaczona dla wykwalifikowanych specjalistów, a nie do samodzielnego użytkowania przez dzieci lub osoby badane.

1. Clifford, C. W. G., Watson, T. L., & White, D. (2018). Two sources of bias explain errors in facial age estimation. Royal Society Open Science, 5(10), 180841.
2. Eriksen, B. A., & Eriksen, C. W. (1974). Effects of noise letters upon the identification of a target letter in a nonsearch task. Perception & Psychophysics, 16(1), 143–149.
3. Grose-Fifer, J., Rodrigues, A., Hoover, S., & Zottoli, T. (2013). Attentional capture by emotional faces in adolescence. Advances in Cognitive Psychology, 9(2), 81–91.
4. Oronowicz-Jaśkowiak, W. (2026). Empirical normalized facial morphometry for digital age-support assessment: A UTKFace-derived analysis.
5. Ratcliff, R. (1993). Methods for dealing with reaction time outliers. Psychological Bulletin, 114(3), 510–532.

Data wejścia w życie: 28 sierpnia 2026 r

Aplikacja jest udostępniana przez Stowarzyszenie Naukowe Seksuologii Stosowanej („SNSS”), wpisane do Krajowego Rejestru Sądowego pod numerem 0001065320, NIP 7492118336, REGON 52679155000000.

W sprawach dotyczących prywatności i działania aplikacji można skontaktować się z Sekretariatem SNSS: sekretariat@seksuologiastosowana.pl.

mFenrirAI jest aplikacją do przeprowadzania zadań poznawczych na iPhonie oraz na iPadzie. Aplikacja nie tworzy kont użytkowników, nie zawiera reklam ani narzędzi analitycznych i nie przesyła danych do autora aplikacji ani zewnętrznych serwerów.

Wyniki badań są przechowywane lokalnie w zaszyfrowanym magazynie. Klucz szyfrujący jest chroniony przez systemowy pęk kluczy iPada. Dostęp do aplikacji może być zabezpieczony PIN-em oraz — jeśli użytkownik ją włączy — biometrią urządzenia. Twórca aplikacji nie ma zdalnego dostępu do tych danych ani możliwości ich odzyskania.

Użytkownik może wyeksportować raport w formacie PDF, CSV lub JSON i przekazać go przez systemowy arkusz udostępniania iPadOS. Od momentu wyboru zewnętrznej usługi lub odbiorcy dalsze przetwarzanie podlega zasadom tej usługi i odpowiedzialności użytkownika.

Poszczególne badania można usunąć w aplikacji. Usunięcie aplikacji z urządzenia usuwa jej lokalny magazyn danych; elementy wcześniej wyeksportowane trzeba usunąć oddzielnie z miejsc, do których zostały zapisane.

Aplikacja jest przeznaczona dla wykwalifikowanych specjalistów, a nie do samodzielnego użytkowania przez dzieci lub osoby badane.

1. Oronowicz-Jaśkowiak, W., Kozłowski, T., Polańska, M., Wojciechowski, J., Wasilewski, P., Ślęzak, D., Kowaluk, M. (2023). Using expert-reviewed CSAM to train CNNs and its anthropological analysis. Journal of Forensic and Legal Medicine, 101, 102619.
2. Oronowicz-Jaśkowiak, W. (2022). Analiza antropologiczna trafności klasyfikacji dokonywanej przez sieci neuronowe między okresami dojrzewania dzieci przedstawionymi na materiałach pornograficznych. Uniwersytet Warszawski.
3. Oronowicz-Jaśkowiak, W. (2023). Opis i zastosowanie aplikacji FenrirAI do rozpoznawania treści przedstawiających seksualne wykorzystywanie dzieci. Dziecko Krzywdzone, 22(3), 114-130.
4. Oronowicz-Jaśkowiak, Wasilewski, P., Kowaluk, M. (2023). Justice expectations related to the use of CNNs to identify CSAM. Technological interview. Computer Science Research Notes, 2, 385-388.
5. Oronowicz-Jaśkowiak, W., Wasilewski, P. (2022). Description of the neural network based on AB/DL pictures. Possible implications for forensic sexology. Advances in Psychiatry and Neurology, 31 (4), 161-166.
6. Oronowicz-Jaśkowiak, Wasilewski, P., Kowaluk, M. (2022). Empirical verification of the suggested hyperparameters for data augmentation using the fast.ai library. Computer Science Research Notes, 1, 158-163.
7. Oronowicz-Jaśkowiak., W., Siwiak, A., Róg, K., Oronowicz-Jaśkowiak, A. (2022). Classification of nine types of pornographic materials using the sAI 0.3 model. Psychiatria Polska, 56(4), 877-888.
8. Oronowicz-Jaśkowiak., W., Siwiak, A., Róg, K. (2020). What is presented on pornographic material? Quantitative analysis of pornographic images. Advances in Psychiatry and Neurology, 29(3), 161-179.
9. Oronowicz-Jaśkowiak, W., Bzikowska, E., Jabłońska, K., Kłok, A. (2020). Binary classification of pornographic and non-pornographic materials using the sAI 0.4 model and the modified database. Advances in Psychiatry and Neurology, 29(2), 108-119.
10. Oronowicz-Jaśkowiak, W. (2019). Classification of seven types of legal pornography using a neural network. Sexological Review, 1(55), 32-40.
11. Oronowicz-Jaśkowiak, W. (2019). The application of neural networks in the work of forensic experts in child abuse cases. Advances in Psychiatry and Neurology, 28(4), 273-282.

W trosce o przejrzystość informujemy, w jaki sposób aplikacje Stowarzyszenia Naukowego Seksuologii Stosowanej wykorzystują metody obliczeniowe i sztuczną inteligencję. Informacja uwzględnia zasady transparentności określone w unijnym AI Act – rozporządzeniu (UE) 2024/1689.

• HugginCore – nie korzysta z modeli sztucznej inteligencji; służy do uruchamiania i obsługi zadań eksperymentalnych zgodnie z wcześniej określoną procedurą;

• Huggin – nie wykorzystuje modeli AI do interpretowania wyników; interpretacja polega na porównaniu uzyskanych rezultatów z wcześniej określonymi normami i regułami;

• HugginVision – nie korzysta z modeli AI; aplikacja przedstawia wyniki w formie wizualnej, bez generowania, przewidywania ani interpretowania ich przez sztuczną inteligencję;

• STSAC – nie korzysta z sieci neuronowych ani modeli generatywnych; wykorzystuje drzewa decyzyjne i lasy losowe, klasyczne metody statystyczne służące do klasyfikacji danych; wynik może zostać przeanalizowany i wyjaśniony na podstawie działania zastosowanych algorytmów;

• xFenrirAI – korzysta z modeli uczenia maszynowego, w tym z konwolucyjnych sieci neuronowych CNN; jest to aplikacja wykorzystująca sztuczną inteligencję, o czym użytkownik jest wyraźnie informowany;

• AgeFRT – nie wykorzystuje modeli AI do obliczenia wyników, anie do prowadzenia procedury badawczej;

• LibiLog - nie korzysta z modeli AI; aplikacja przedstawia wyniki w formie wizualnej, bez generowania, przewidywania ani interpretowania ich przez sztuczną inteligencję; moduł integracji z FenrirAI korzysta z modeli uczenia maszynowego, w tym z konwolucyjnych sieci neuronowych CNN;

• mSTSAC – mobilna wersja STSAC; wykorzystuje te same klasyczne metody obliczeniowe: drzewa decyzyjne i lasy losowe; nie korzysta z modeli generatywnych ani sieci neuronowych;

• mHugginCore – mobilna wersja HugginCore; nie korzysta z modeli AI i służy do realizacji zadań eksperymentalnych;

• mHugginVision – mobilna wersja HugginVision; nie korzysta z modeli AI i odpowiada wyłącznie za wizualną prezentację wyników;

• mFenrirAI – korzysta z modeli uczenia maszynowego, w tym z konwolucyjnych sieci neuronowych CNN; jest to aplikacja wykorzystująca sztuczną inteligencję, o czym użytkownik jest wyraźnie informowany;

• mAgeFRT – nie wykorzystuje modeli AI do obliczenia wyników, anie do prowadzenia procedury badawczej; AI zostało wykorzystane przez twórców zestawu bodźców SFHQ.