Investigación basada en inteligencia artificial de estrategias de selección de rellenos

Área de la Ciencia:

• Psicología Forense
• Identificación de Testigos
• Justicia Penal

Sus antecedentes:

• Los procedimientos de identificación de testigos son fundamentales en las investigaciones penales.
• La construcción tradicional de alineaciones se basa en la coincidencia de sospechosos con las descripciones de los testigos (coincidencia con la descripción, MTD).
• Investigaciones recientes sugieren que los rellenos con diferentes niveles de similitud sospechoso-relleno (SF) pueden mejorar la eficacia de la alineación.

Objetivo del estudio:

• Evaluar el impacto de diferentes niveles de similitud sospechoso-relleno (SF) (baja, moderada, alta) más allá de MTD en la discriminabilidad de la alineación.
• Examinar cómo la duración de la exposición, la raza del culpable y la similitud culpable-inocente (GI) influyen en el rendimiento de la alineación.
• Determinar los niveles óptimos de similitud SF para mejorar tanto la identificación del culpable como la protección de los sospechosos inocentes.

Principales métodos:

• Se realizaron experimentos con 2.644 participantes utilizando la construcción de alineaciones impulsada por IA con variada similitud SF.
• Los participantes vieron videos con culpables blancos o afroamericanos y realizaron identificaciones de alineación.
• Se manipuló la duración de la exposición (corta vs. larga) y la similitud culpable-inocente (GI).

Principales resultados:

• Ambas alineaciones de baja y alta similitud SF mostraron una mayor discriminabilidad en comparación con las alineaciones solo MTD.
• Las alineaciones de baja similitud SF mejoraron la detección del sospechoso culpable, mientras que las alineaciones de alta similitud SF protegieron mejor a los sospechosos inocentes.
• La baja similitud SF produjo la mayor precisión de identificación; la alta similitud SF produjo la mejor relación de diagnóstico.

Conclusiones:

• El uso de la similitud de coincidencia con el sospechoso más allá de MTD, particularmente en niveles extremos (baja o alta similitud SF), mejora el rendimiento de la alineación.
• Estos hallazgos sugieren que la construcción de alineaciones personalizadas puede mejorar los resultados del sistema de justicia.
• La eficacia de la alineación se puede optimizar independientemente de factores externos como la raza del culpable o la duración de la exposición.