Sesgos en la Representación de Profesionales de la Ciencia Forense en Imágenes Generadas por Inteligencia Artificial

Autores/as

DOI:

https://doi.org/10.22201/dgtic.26832968e.2025.12.57

Palabras clave:

análisis de imágenes, auditoría de algoritmos, sesgo de género, inteligencia artificial, estereotipos en ciencia, algoritmos generativos

Resumen

A través de una dinámica de aula, 30 estudiantes universitarios analizaron 600 imágenes generadas por la inteligencia artificial FastFlux, representando a profesionales de 20 especialidades de las ciencias forenses. Se identificaron sesgos y estereotipos en las representaciones, resaltando los símbolos científicos, pero no los asociados a la administración de justicia. Predominaron las representaciones de hombres caucásicos de mediana edad y mayores, con barba o bigote, gafas y sosteniendo objetos vinculados a su especialidad, proyectando una apariencia ordenada y profesional. Es evidente la subrepresentación del género femenino y el color de piel oscura. A través de entrevistas previas y posteriores, se evaluó la percepción de los estudiantes sobre estos programas de generación de imágenes. Inicialmente, la mayoría de los estudiantes no reconocieron sesgos sociales y expresaron una alta confianza en la precisión de las imágenes, especialmente para el entretenimiento. Luego de la actividad, los participantes afirmaron que continuarían utilizando estas herramientas, pero con mayor conciencia crítica. La actividad es adaptable a diferentes niveles educativos y contextos y puede completarse en dos horas. Este tipo de ejercicios revela las limitaciones de los programas informáticos y permite a los usuarios obtener más claridad sobre el alcance de las herramientas de construcción de imágenes.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Vicente Torres Zúñiga, Universidad Nacional Autónoma de México, Escuela Nacional de Ciencias Forenses (ENACIF), Ciudad de México, México.

Cuenta con estudios de licenciatura en Física, maestría y doctorado en Ingeniería Eléctrica con especialidad en instrumentación óptica por la UNAM, es académico de tiempo completo en la Escuela Nacional de Ciencias Forenses (UNAM). Con 21 años de experiencia docente, ha impartido cursos en la licenciatura de Física y posgrados en Física Médica e Ingeniería Eléctrica. Coordina proyectos como la el aula de prácticas criminalísticas (antes “escena del crimen”) de la ENaCiF, el Aula Digital, el Centro de Documentación y el Laboratorio General. Integrante de la Asociación Americana de Profesores de Física (Cap. México), además de la Academia Mexicana de Criminalística.

Citas

[1] J. M. S.-V. L. E. Ruiz-Gutiérrez, «Elección de carrera y género,» Revista Electrónica de Investigación y Docencia, nº 19, pp. 7-20, 2018.

[2] J. Ward, R. N. Johnson y L. Wilson-Wilde, «Gender equity: how do the forensic sciences fare?,» Australian Journal of Forensic Sciences, vol. 51, nº sup1, pp. S263-S267, 2019.

[3] H. Marshall, R. Julian y L. M. Howes, «Forensic science and gendered organizations: an exploratory study of crime scene examiners,» Australian Journal of Forensic Sciences, vol. 55, nº 1, pp. 59-72, 2021.

[4] UNAM, «Evaluación diagnóstica, para la revisión del plan de estudios de la Licenciatura en Ciencia Forense,» 10 2019. [En línea]. Disponible: https://www.enacif.unam.mx/wp-content/uploads/2019/10/Diagn%C3%B3sticoInstitucionalVersi%C3%B3nP%C3%BAblica.pdf. [Accedido: 11 15 2024].

[5] G. Cooper y K. S. Tang, «Pixels and Pedagogy: Examining Science Education Imagery by Generative Artificial Intelligence,» Journal of Science Education and Technology, vol. 33, p. 556–568, 2024.

[6] F. M. y W. Holmes, Guidance for generative AI in education and research, N.Y.: UNESCO, 2023, p. 44.

[7] C. Schuhmann, R. Beaumont, R. Vencu, C. Gordon, R. Wightman, M. Cherti y J. ... Jitsev, «Laion-5b: An open large-scale dataset for training next generation image-text models,» Advances in Neural Information Processing Systems, vol. 35, pp. 25278-25294, 2022.

[8] LIAON, «LIAON,» [En línea]. Disponible: https://laion.ai/. [Accedido: 15 09 2024].

[9] C. Pérez-Granados y K. L. Schuchmann, «Monitoring the annual vocal activity of two enigmatic nocturnal Neotropical birds: the Common Potoo (Nyctibius griseus) and the Great Potoo (Nyctibius grandis),» Journal of Ornithology, vol. 161, nº 4, pp. 1129-1141, 2020.

[10] H. Vartiainen y M. Tedre, «Using artificial intelligence in craft education: crafting with text-to-image generative models,» Digital Creativity, vol. 34, nº 1, p. 1–21, 2023.

[11] B. Van Giffen, D. Herhausen y T. Fahse, «Overcoming the pitfalls and perils of algorithms: A classification of machine learning biases and mitigation methods,» Journal of Business Research, vol. 144, pp. 93-106, 2022.

[12] B. S. Guy, J. Zhang, S. Dance-Barnes, D. H. Tafari, K. Brown y C. Markert, «Digitizing the Draw-a-Scientist Test,» In 2023 IEEE Frontiers in Education Conference, pp. 1-8, 2023.

[13] J. Schummer y T. I. Spector, «The visual image of chemistry: Perspectives from the history of art and science.,» de The public image of chemistry, USA, Wiley, 2007, pp. 213-257.

[14] P. B. Jarreau, I. A. Cancellare, B. J. Carmichael, L. Porter, D. Toker y S. Z. Yammine, «Using selfies to challenge public stereotypes of scientists,» PloS one, vol. 14, nº 5, p. e0216625, 2019.

[15] P. B. Pellicer y J. M. Muñoz-Escolano, «Inteligencia artificial, dibujos animados y matemáticas: reflejos de la organización del aula en la ficción y la realidad,» Edma 0-6: Educación Matemática en la Infancia, vol. 13, nº 1, pp. 93-110, 2024.

[16] O. Endrődy y R. Bahbibi, «Stereotypical Depictions of Malaysian and Hungarian University Professors Generated by AI,» Neveléstudomány| Oktatás–Kutatás–Innováció, vol. 12, nº 1, pp. 6-17, 2024.

[17] R. Ulloa, A. C. Richter, M. Makhortykh y A. K. C. S. Urman, «Representativeness and face-ism: Gender bias in image search,» New media & society, vol. 26, nº 6, pp. 3541-3567, 2024.

[18] G. Currie, J. Currie, S. Anderson y J. Hewis, «Gender bias in generative artificial intelligence text-to-image depiction of medical students,» Health Education Journal, p. 00178969241274621, 2024.

Escena forense al aire libre en blanco y negro con dos técnicos de campo vestidos con trajes protectores integrales de pie frente a un cuerpo cubierto con una sábana blanca; al fondo policías, cinta amarilla de “Policía no pasar” y un patrullero con luces encendidas bajo un cielo nublado.

Publicado

20/06/25 (12:00)

Cómo citar

Torres Zúñiga, V. (2025). Sesgos en la Representación de Profesionales de la Ciencia Forense en Imágenes Generadas por Inteligencia Artificial. TIES, Revista De Tecnología E Innovación En Educación Superior, (12), 26–39. https://doi.org/10.22201/dgtic.26832968e.2025.12.57

Número

Sección

Artículos