Por Qué Sucede Esto
Los modelos de IA de AutoProctor están entrenados con miles de rostros, pero pueden fallar en escenarios que difieren de sus datos de entrenamiento. Las tres causas más comunes de detección facial incorrecta son:Cómo Interpretar Estas Infracciones
AutoProctor proporciona fotos de evidencia junto con cada infracción para que usted pueda verificar independientemente la determinación de la IA. Al revisar las infracciones de detección facial:1
Revise la foto de evidencia
Mire la foto asociada con la infracción. ¿Realmente muestra que no hay rostro, múltiples rostros, o la IA claramente se equivocó?
2
Observe el patrón
Una sola detección incorrecta entre muchas correctas es probablemente un falso positivo. Múltiples detecciones consecutivas pueden justificar una revisión más detallada.
3
Considere el contexto
La iluminación deficiente, los ángulos inusuales o los fondos recargados explican la mayoría de las detecciones falsas. Tenga en cuenta el entorno de realización del examen antes de sacar conclusiones.
Recursos Relacionados
- Comprensión del Trust Score — Cómo se calculan los Trust Scores
- Qué Se Monitorea — Todos los eventos que AutoProctor supervisa
- Resultados de Supervisión — Cómo revisar los informes de supervisión
- Evidencia de Infracciones Faltante — Por qué algunas infracciones carecen de fotos de evidencia
- Falso ‘Cambió a Otra Aplicación’ — Otro escenario común de falso positivo
- Contáctenos — Comuníquese si necesita más ayuda