La precisión y fiabilidad son importantes.
Precisión Definida
Es común hablar de precisión, que es la capacidad de un sistema para clasificar correctamente a las personas veraces y a las engañosas. A menudo se expresa como un porcentaje de clasificaciones correctas. Los términos precisión y validez se utilizan como sinónimos en la literatura científica.
La especificidad es la tasa de verdaderos negativos o el porcentaje de personas veraces que un sistema identifica correctamente como creíbles. La sensibilidad es la tasa de verdaderos positivos o el porcentaje de personas engañosas que un sistema identifica correctamente como no creíbles.
La Fiabilidad
La fiabilidad es un requisito previo para la precisión; se refiere a la coherencia y estabilidad de un procedimiento cuando se aplica repetidamente bajo las mismas condiciones.
EyeDetect ha demostrado una fiabilidad cercana al 100% en estudios independientes, ya que automatiza completamente el proceso de prueba y puntuación, eliminando la subjetividad y la variabilidad inherentes a los sistemas manuales. Esencialmente, analiza los datos de las pruebas y las puntúa de manera consistente, en todo momento.
Pruebas Manuales
Las evaluaciones de credibilidad administradas y puntuadas manualmente son inherentemente problemáticas. Dependen de examinadores humanos para administrar las pruebas e interpretar los datos fisiológicos.
Esto introduce la posibilidad de errores humanos, subjetividad, fatiga del examinador y sesgos, lo que se traduce en variaciones inconsistentes en las pruebas y en la puntuación, basadas en la habilidad y las preferencias individuales. (Swift, Spake & Kohia, 2016)
Fiabilidad Objetiva
EyeDetect y VerifEye son sistemas totalmente computarizados que monitorean los movimientos oculares involuntarios y otras respuestas fisiológicas, con sofisticados algoritmos que realizan la puntuación. Esta automatización garantiza una fiabilidad casi perfecta en tres dimensiones críticas:
- Protocolo Estandarizado: La experiencia del examinado es idéntica para cada individuo, ya que el sistema administra todos los procedimientos de la prueba.
- Eliminación de Sesgos: El análisis y la puntuación algorítmica de los datos eliminan todo potencial de fatiga humana, sesgo o errores de interpretación, asegurando que los resultados se basen únicamente en los datos.
- Integridad de los Datos: Los datos de la prueba están cifrados y son a prueba de manipulaciones, impidiendo que los administradores alteren los resultados y garantizando la seguridad desde la captura hasta el informe final.
Ventaja Certificada
EyeDetect y VerifEye poseen una ventaja científica significativa al incorporar tasas base de engaño (base rates of deception) (probabilidades a priori) en sus algoritmos de puntuación. Este factor—la frecuencia esperada de engaño en una población determinada—permite al sistema calcular una probabilidad a posteriori de engaño estadísticamente más precisa. (Nelson, Handler & Thiel, 2021; Warner et al, 2024).
La puntuación manual típicamente ignora esta condición crucial, lo que introduce una debilidad estadística conocida y un potencial significativo de error al tratar a cada examinado como si tuviera una probabilidad neutral (50/50) de engaño, independientemente del contexto.
El cambio de una evaluación manual subjetiva y dependiente de la variable a un sistema computarizado impulsado por algoritmos proporciona un nivel de estandarización y fiabilidad objetiva que las pruebas con puntuación manual no pueden igualar, consolidando su posición como un método superior en la ciencia forense.
Fuentes
- Andersson, M., Boateng, B. G., & Abos, O. J. (2014). Validity and Reliability: The extent to which your research findings are accurate and consistent. Research Gate.
- Nelson, Handler, & Thiel, C. (2021). Posterior Odds of Deception and Truth Telling for Low and High Prior Probabilities. Research Gate.
- Swift, Spake & Kohia. (2016). Examiner Fatigue and Ability to Concentrate in Objective Structured Clinical Examinations for Physical Therapist Students. Journal of Allied Health, 45(1), 62-70.
- Warner, Anderson & Kircher. (2024). Bayesian Decision-Making Mitigates Effects of Base Rates on Outcome Confidence: A Monte Carlo Simulation. Psychophysiological detection of deception test & Forensic Credibility Assessment, 53(1).
- Webb, Hacker, Osher, Cook, Woltz, Kristjansson & Kircher. (2009). Eye Movements and Pupil Size Reveal Deception in Computer Administered Questionnaires. Foundations of Augmented Cognition. Neuroergonomics and Operational Neuroscience.
Converus (“con verdad”) proporciona tecnologías científicamente validadas de evaluación de la credibilidad que ayudan a proteger a los países, corporaciones y comunidades contra la corrupción, crímenes y amenazas.