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:| Causa | Descripción |
|---|---|
| Fondos complejos | Los fondos recargados o coloridos pueden confundir a la IA, haciendo que detecte rostros adicionales o que no detecte el real |
| Posición de la cabeza | Los candidatos que miran hacia otro lado, miran hacia abajo o inclinan la cabeza pueden causar que la IA no detecte su rostro |
| Lentes con reflejos | Los lentes que reflejan la luz u oscurecen los ojos dificultan que el sistema de detección identifique un rostro |
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: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?
Observe el patrón
Una sola detección incorrecta entre muchas correctas es probablemente un falso positivo. Múltiples detecciones consecutivas pueden justificar una revisión más detallada.
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