EVALUACIóN INDEPENDIENTE CONFIRMA ALTA PRECISIóN
En [Gender-API], nos tomamos muy en serio la precisión de nuestro servicio. Recientemente, se llevó a cabo una evaluación independiente para validar la fiabilidad de nuestro servicio en la determinación de género basada en nombres de pila. Los resultados fueron alentadores, destacando la precisión y efectividad de nuestra API en el manejo de diversos nombres en múltiples países.
Resumen del Estudio
Un estudio de validación, realizado por Jim Hagberg de la Universidad de Maryland, para evaluar la tasa de error de nuestro servicio de identificación de género comparado con fuentes en línea verificadas manualmente. El estudio analizó nombres de pila extraídos de artículos de investigación publicados en tres revistas científicas:
- Journal of Applied Physiology
- Medicine and Science in Sports and Medicine
- International Journal of Sports Medicine
El análisis incluyó 500 nombres de pila que no estaban orientados por género y eran desconocidos para el investigador. Estos nombres fueron validados usando búsquedas en línea de imágenes o pronombres específicos de género vinculados a los autores.
Métodos de Identificación de Género
El estudio utilizó tres métodos independientes para identificar el género:
- El reconocimiento tradicional de nombres de pila se basa en nombres específicos de género ampliamente aceptados.
- Conocimiento personal del género del individuo por parte del investigador.
- [Gender-API] aprovecha la inteligencia artificial y una base de datos de más de 6 millones de nombres en 190 países para predecir el género.
Resultados clave
- De 500 nombres, 11 (2.2%) no tuvieron resultados en la base de datos de Gender-API.
- De los 488 nombres restantes, 435 (89.1%) fueron identificados correctamente con al menos un 80% de confianza.
- 392 nombres (80.3%) fueron identificados correctamente con más del 90% de confianza.
- 359 nombres (73.5%) fueron identificados correctamente con más del 95% de confianza.
- 282 nombres (57.8%) fueron identificados correctamente con más del 98% de confianza.
El nivel de confianza promedio en todas las predicciones fue del 94% ± 13%. Esto demuestra un alto grado de fiabilidad, incluso para nombres menos comunes.
Análisis de la Tasa de Error
Un total de 22 nombres (4,5%) mostró discrepancias entre las predicciones de Gender-API y la validación en línea. Sin embargo, al aplicar un umbral de confianza del 80 %, las clasificaciones erróneas se redujeron a solo siete nombres (1,4%).
Conclusión
Este estudio de validación independiente confirma que Gender-API es una herramienta altamente confiable para la identificación de género. Con una baja tasa de clasificación errónea de solo 1.4% al usar un umbral de confianza del 80%, nuestra API proporciona una clasificación de género precisa y escalable basada en nombres de pila.
Descarga el informe de validación aquí como PDF.
Gender-API es una opción confiable para investigadores, empresas y analistas que buscan una solución de identificación de género probada y basada en datos.
