La investigación sobre detección de mentiras ha recurrido cada vez más a la inteligencia artificial, pero la aplicación de modelos de lenguaje grandes (LLM) sigue estando poco explorada para narraciones orales transcritas. Comparamos cinco LLM (Gemini-3-flash, Gemini-3-pro, Deepseek-v4-flash, GPT-5.6-luna y Grok-4) en la clasificación de declaraciones veraces y engañosas a partir de transcripciones de entrevistas de narraciones orales de viajes recopiladas de 95 participantes de habla china. Guiados por el Análisis de Contenido Basado en Criterios (CBCA), el Monitoreo de la Realidad (RM) y el Enfoque de Verificabilidad (VA), las indicaciones basadas en la teoría instruyeron a los modelos para que calificaran cinco pistas narrativas antes de emitir juicios binarios de veracidad. Gemini-3-flash logró la mayor precisión (74,74 %, AUC = 0,76) con una sensibilidad del 81,63 % y una especificidad del 67,39 %, y un rendimiento estable en ejecuciones repetidas. Para este modelo óptimo, los detalles inusuales o superfluos sirvieron como único predictor significativo de la veracidad objetiva, incluso después de controlar la longitud del texto. Los modelos de lógica difusa pueden detectar el engaño por encima del azar, pero muestran una gran heterogeneidad en su rendimiento. Se requiere codificación humana independiente, replicaciones transculturales y pruebas de robustez adversaria antes de su implementación en el mundo real.

Leer artículo