Investigación

Cada estudio, en un solo lugar.

Name: The Miraai Open Research Program
Published: 2026

Qué puso a prueba cada estudio, quiénes participaron, qué encontró y qué es público, con su DOI. Todo está en el Open Science Framework, y el código de los gemelos digitales Qarin está en GitHub.

Construidas según los Estándares APA/AERA/NCME y los Principios de la SIOP.

El código de los gemelos digitales Qarin en GitHub

El Programa de Investigación Abierta de Miraai 2026

Qué puso a prueba: El programa que reúne todos los estudios de Miraai, cómo se conectan entre sí y los estándares con los que se realiza cada uno.
Muestra: Todos los estudios
Qué encontró: Los protocolos, informes, registros de análisis y resultados de cada uno de los estudios siguientes están enlazados desde un solo lugar, y los datos desidentificados y el código de análisis se comparten con investigadores aprobados bajo un acuerdo de investigación, salvo el código de los gemelos digitales Qarin y los 100 perfiles publicados, que son públicos en GitHub.
Público: El artículo del programa, enlaces a cada estudio y el código de los gemelos digitales · doi:10.17605/OSF.IO/RH3M7

El Estudio de Validación de Miraai 2026

Qué puso a prueba: La evaluación de personalidad en sus formatos ilustrado y de texto: estructura, confiabilidad, estabilidad a dos semanas, equivalencia de los dos formatos, equidad, relaciones con criterios, resistencia al falseamiento de respuestas por IA y, en un capítulo operativo del informe, cómo se desempeñó con 15,069 postulantes reales.
Muestra: 790 formularios completados por adultos trabajadores, 313 reevaluados a las dos semanas, 152 que respondieron ambos formatos y, en el capítulo operativo del informe, 15,069 postulantes en condiciones reales de selección
Qué encontró: Confiabilidad de los factores de .82 a .93 (α) y de .88 a .95 en el modelo ajustado al formato; estabilidad a dos semanas de .77 a .88; los dos formatos equivalentes (ΔCFI de .001 como máximo, ningún par con DIF por formato); ningún par más allá del umbral de DIF insignificante por género, edad o nivel educativo; Responsabilidad .42 con ciudadanía organizacional, Amabilidad .48 con ciudadanía hacia las personas, Responsabilidad −.42 con comportamiento contraproducente; postulantes de primera y segunda lengua dentro de una décima de desviación estándar en todos los factores.
Público: El informe completo, los resultados de las hipótesis, el registro de análisis, las estadísticas de los pares y el libro de códigos; datos desidentificados y código de análisis para investigadores aprobados bajo un acuerdo de investigación · doi:10.17605/OSF.IO/U693G

El piloto antes del piloto 2026

Qué puso a prueba: Si los gemelos digitales Qarin, cada uno construido a partir de los datos biográficos de una persona y un perfil escrito de su personalidad, reproducen lo que un piloto con personas revela sobre los ítems nuevos, y qué defectos deliberados detectan. Se construyeron 662 gemelos, y 100 se publican abiertamente en GitHub.
Muestra: 662 adultos trabajadores y sus gemelos, 144 pares, 116 personas en dos inventarios publicados, 92 ítems nuevos con 69 defectos deliberados
Qué encontró: Las medias de los ítems correlacionan .59 con las de las personas, las correlaciones ítem-total .75, la confiabilidad de los factores se reproduce con un margen de .05 (.89 frente a .89), las diferencias entre grupos se reproducen casi con exactitud, el cuarto más débil de los ítems se detecta con AUC .85, y los gemelos detectan 33 de los 36 defectos deliberados en las áreas críticas.
Público: El informe, el registro de análisis, el libro de códigos, 100 perfiles Qarin y el código para ejecutarlos en GitHub · doi:10.17605/OSF.IO/PV67F

El panel de IA frente a los expertos 2026

Qué puso a prueba: Cómo se compara un panel de evaluadores de IA con un panel de expertos humanos al fijar la clave de calificación de una prueba de juicio situacional (SJT), y si la prueba cuya clave se fijó con ayuda del panel es tan sólida y tan equitativa como la que fijaron las personas.
Muestra: Ambos paneles calificando las mismas 96 respuestas, y 9,433 aplicaciones reales de una prueba de juicio situacional sobre liderazgo recalificadas con cada clave
Qué encontró: Las calificaciones del panel correlacionan .84 con las de los expertos. Califica con más severidad (0.57 puntos en una escala de cinco) y sus evaluadores concuerdan demasiado entre sí, por lo que la clave se calibra para corregir ambas cosas. La prueba con la clave del panel es tan consistente internamente como la que tiene la clave de los expertos, y sus ítems se comportan igual para hombres y mujeres, candidatos mayores y jóvenes, y entre grupos étnicos.
Público: El informe en PDF · doi:10.17605/OSF.IO/NJXF7

Behavioral, Model-Agnostic Integrity in Online Ability Testing 2026

Qué puso a prueba: Si observar cómo se responde una prueba de razonamiento, y no el contenido de las respuestas, detecta la ayuda externa: una comparación de campo entre sesiones supervisadas y sin supervisión, y un experimento con un puntaje de confianza por sesión.
Muestra: Más de 106,000 sesiones de pruebas de razonamiento en campo, con y sin supervisión, y un experimento con 372 participantes
Qué encontró: Las sesiones sin supervisión obtuvieron puntajes más altos que las supervisadas (con proctoring), sobre todo en razonamiento verbal y numérico. Un puntaje de confianza construido a partir de cómo se respondió la prueba, nunca de lo que se respondió, distingue las sesiones con ayuda de las honestas (AUC .82), y un puntaje bajo genera una alerta para que una persona la revise, nunca un veredicto.
Público: El artículo en PDF; presentado en SIOP 2026 · doi:10.17605/OSF.IO/CKNRA

Fast Tests, Expert Judgment 2026

Qué puso a prueba: Cómo se construyen a escala pruebas de juicio situacional en video con psicólogos industrial-organizacionales a cargo: el proceso de nueve pasos, el estándar que se aplica en cada paso, qué decide el psicólogo y la investigación en la que se apoya el diseño.
Muestra: El proceso mismo, con su paso de fijación de la clave medido frente a un panel de expertos humanos y 9,433 candidatos
Qué encontró: Los modelos de lenguaje redactan borradores en cada paso y un psicólogo toma cada decisión, que queda escrita en un registro de auditoría con quién la tomó y por qué. Ningún paso se abre hasta que el anterior está aprobado. Un banco de dieciocho escenarios pasó de la extracción de incidentes a un borrador de clave aprobado, con su revisión de falseamiento de respuestas, por unos veinte dólares en llamadas a los modelos.
Público: El artículo, con licencia para reutilización no comercial · doi:10.17605/OSF.IO/BQHRA

The Miraai Behavioral Framework 2026

Qué puso a prueba: Un marco conductual construido a partir de evidencia publicada y no de un taller: los enunciados, las fuentes y la estructura que surgió de ellos.
Muestra: 898 enunciados de comportamiento de 140 fuentes publicadas
Qué encontró: Seis clústeres, dieciocho competencias y setenta y siete comportamientos, cada uno rastreable hasta sus fuentes.
Público: El artículo del marco, con licencia para reutilización no comercial · doi:10.17605/OSF.IO/NP63V

Investigación en curso: calificación de respuestas abiertas

Estamos estudiando si los candidatos podrían responder las escenas de Juicio situacional en voz alta, y si los modelos pueden calificar esas respuestas con la misma consistencia que expertos capacitados. Esto forma parte de nuestro programa de investigación abierta y hoy no forma parte de ningún producto de Miraai.

Si llega a serlo, cuatro cosas están fijadas de antemano:

Publicamos primero. El estudio se publica en el Open Science Framework antes de que cualquier cliente lo use, con el acuerdo frente a evaluadores expertos, la validez y las diferencias entre grupos.
Lo monitoreamos en uso real. Una parte de las respuestas también la califican expertos capacitados, y el acuerdo y las diferencias entre grupos se revisan según un calendario fijo. Si cualquiera de los dos se desvía, la calificación automatizada se detiene hasta que se corrija.
Las personas deciden. Un puntaje informa al equipo de selección. Nunca clasifica, descarta ni rechaza a nadie por sí solo.
Se informa a los candidatos cuando una respuesta la califica un modelo, y el equipo de selección siempre puede pedir que una persona la revise.

La IA nunca tomará una decisión sobre un candidato.

Dónde se usa la IA, y dónde no

La IA construye y revisa nuestras evaluaciones. No califica, clasifica ni rechaza candidatos en ningún producto de Miraai. Redacta y filtra ítems y escenas, predice la estructura a partir de la redacción de los ítems, pilotea ítems en gemelos digitales y orienta las claves de calificación que luego confirman los expertos. Las verificaciones de integridad generan alertas para que una persona las revise y nunca deciden por sí solas.

Dónde se usa la IA, y quién decide
Uso	Dónde	Qué hace	Quién decide
Generación de contenido	Cada construcción	Redacta y filtra ítems, escenas y respuestas, muchos más de los que necesita una evaluación.	Un psicólogo identificado por nombre aprueba cada etapa, y la aprobación queda registrada.
Análisis Factorial Simulado (Pseudo Factor Analysis)	Cada construcción	Lee la redacción de los ítems para predecir la estructura antes de que alguien haya respondido.	Su lectura decide qué ítems se ponen a prueba, y siempre sigue una prueba con personas reales.
Gemelos digitales Qarin	Pilotaje	Simulan respuestas para encontrar ítems que fallan o no son equitativos.	Ningún resultado de los gemelos llega a una tabla de normas ni a un informe, y siempre sigue una prueba con personas reales.
Panel de evaluadores de IA	Construcción de las claves de Juicio situacional	Orienta la clave de calificación mientras se construye la prueba. El acuerdo de los expertos fija la clave final.	Los expertos.
Calificación de candidatos	Todas las evaluaciones de Miraai	Claves de calificación fijas y modelos de respuesta al ítem. En Juicio situacional, el puntaje de un candidato proviene únicamente de cómo califica las respuestas a cada escena, y responder en voz alta no forma parte de la prueba. Ningún modelo de IA califica, clasifica ni rechaza a un candidato.	Personas
Guía conversacional	Solo Orientación profesional	Explica los resultados y responde únicamente a partir de la biblioteca verificada de carreras.	Todo lo demás lo deriva a un orientador.
Puntaje de ajuste profesional	Solo Orientación profesional	Un coeficiente de coincidencia de perfiles calculado entre el perfil de la persona y el de cada ocupación, no un modelo entrenado.	Cada coincidencia muestra los rasgos que la sustentan, y la conversación la lleva un orientador.
Controles de integridad	Razonamiento y aplicación	Verificación de identidad mediante validación facial, un puntaje de confianza basado en un modelo y derivado de cómo se respondió la prueba, y supervisión (proctoring) opcional por video con IA: una alerta para que una persona la revise, nunca un veredicto.	Una persona, nunca el control.

Personas

Tariq Shaban, Cofundador y Director de Producto e Innovación, psicólogo industrial-organizacional. Master of Applied Industrial/Organizational Psychology, Colorado State University; Master of Strategic Human Resource Management, University of Wollongong.
Dr. Sarah Burke, Cofundadora y Directora Comercial, psicóloga organizacional. PhD in Business Management, Victoria University of Wellington; Master of Psychology (Honours), Massey University; BEd.
Dr. Glenn S. Brown, Cofundador y Director Técnico, psicólogo colegiado y tecnólogo. PhD in Quantitative Behavioural Psychology, University of Otago; BSc (Hons), First Class, Psychology, University of Otago.

Colaboración en investigación: tariq@miraai.me · llms.txt