ANTROPOLOGÍA FORENSE AUMENTADA: EL IMPACTO DE LOS ALGORITMOS DE MACHINE LEARNING EN LA IDENTIFICACIÓN HUMANA EN VENEZUELA

AUGMENTED FORENSIC ANTHROPOLOGY: THE IMPACT OF MACHINE LEARNING ALGORITHMS ON HUMAN IDENTIFICATION IN VENEZUELA

Resumen

La presente investigación se inscribe en la ruta cualitativa con un diseño documental-bibliográfico. La estrategia metodológica se basó en el análisis sistemático y la síntesis de datos procedentes de estudios morfométricos previos y reportes técnicos sobre la aplicación de IA en contextos forenses. El proceso de selección de fuentes se rigió por los estándares del Protocolo de Minnesota, priorizando aquellos documentos que evalúan la integración de tecnologías digitales en la investigación de muertes ilícitas y que ofrecen métricas verificables sobre el rendimiento de algoritmos en la identificación humana. Para el desarrollo de esta revisión crítica, se contrastaron los resultados de modelos supervisados (CNN y Random Forest) reportados en la literatura especializada frente a las técnicas clásicas. Se puso especial énfasis en la validez de estos sistemas para la realidad regional, tomando como referencia la importancia que sugiere el algoritmo de aprendizaje supervisado sean evaluados bajo el prisma de la variabilidad biológica latinoamericana. La técnica de análisis fue la matriz de síntesis comparativa, que permitió evaluar la precisión, el error medio y la eficiencia operativa de los modelos predictivos en el marco de la antropología forense venezolana, asegurando la trazabilidad y la interpretabilidad de la evidencia documentada. Esta rigurosidad procedimental garantiza la fiabilidad del peritaje bioantropológico, permitiendo que la evidencia técnica se constituya como un soporte probatorio irrefutable dentro del sistema de justicia nacional bajo estándares internacionales de derechos humanos.