Evaluación de cumplimiento de la hipótesis Undeutsch de los criterios Daubert

Muchos han sido los procedimientos a los que se ha acudido históricamente para la corroboración periférica (prueba indiciaria) de la credibilidad del testimonio: correlatos del comunicador, indicios no verbales y paraverbales, indicios psicofisiológicos e indicios cognitivos (^{Arce y Fariña, 2013b}; ^{Vrij, 2008}). De todos ellos, los indicios cognitivos (verbales) no sólo son los que han arrojado mejores resultados en la clasificación de testimonios verídicos, sino que gozan de un alto valor judicial probatorio en países como España, Alemania, Holanda, Suecia o estados de EE.UU. (^{Novo y Seijo, 2010}; ^{Steller y Böhm, 2006}). Aunque los indicios cognitivos se sustentan desde más de una explicación teórica, la conocida como hipótesis Undeutsch es la más manida. Esta sostiene que la memoria de un evento real (autoexperimentado) difiere en contenido y calidad (que ha de ser definida en término de criterios de realidad) de una memoria de un evento no experimentado (e.g., inventado, fabricado, ficticio, tergiversado, fantasioso) (^{Undeutsch, 1967, p. 125}). En dicha hipótesis descansa la técnica de evaluación forense de la realidad del testimonio, basada en criterios de realidad (indicios cognitivos), el SVA, que se ha mostrado como una herramienta potente y muy eficaz en la discriminación en todo tipo de poblaciones (menores y adultos) y testigos (denunciantes, testigos y denunciados), y en todo tipo de memorias (abusos sexuales, violencia de género…), entre memorias de hechos auto-experimentados/vividos y fabricados (^{Amado, Arce y Fariña, 2015}; ^{Amado, Arce, Fariña y Vilariño, 2016}).

El Tribunal Supremo de EE.UU. en el caso ^{Daubert v. Merrell Dow Pharmaceuticals (1993)} estableció los criterios que debe cumplir una prueba para ser admitida como científica en la Sala de Justicia y que se asumen científicamente como propios: 1) ¿Puede la teoría (hipótesis, en nuestro caso) o técnica ser contrastada? No sólo es posible, sino que ha sido sometida a prueba tanto en estudios experimentales (de laboratorio) como de campo. Cada uno de estos diseños tiene sus ventajas e inconvenientes. Los estudios experimentales presentan como ventaja un alto grado de control de las variables a manipular de modo que la fiabilidad de la clasificación de los relatos como reales o fabricados es total, en detrimento de la validez externa, especialmente en el campo de la investigación en psicología del testimonio. A este respecto y en este ámbito, la validez externa de este tipo de estudios ha sido etiquetada como validez aparente (^{Konecni y Ebbesen, 1992}). Para afrontar esta contingencia se han perfeccionado los diseños experimentales creando condiciones que se acerquen a la realidad, en lo que se han denominado diseños de alta fidelidad. En todo caso, no dejan de ser aproximaciones distantes de la realidad porque, por ejemplo, en los abusos sexuales a niños no se pueden recrear, por obvias razones éticas, memorias inventadas de niños objeto de tales acciones. De hecho, en un estudio que comparaba los resultados del testimonio de una investigación experimental de alta fidelidad y un experimento de campo mostraron resultados diferentes (^{Fariña, Real y Arce, 1992}). Todo esto no pasó inadvertido para el tribunal que concretó que no era suficiente que la teoría fuera contrastada sólo en estudios de laboratorio, sino también en estudios de campo. Ahora bien, sirven de preliminares a los de campo y, entre ambos, pueden validarse.

Por su parte, los estudios de campo tienen como fortaleza la validez externa de los diseños y como debilidad la validez interna, al no tener un control sobre las variables a manipular, esto es, sobre el criterio de clasificación (ground truth) de los eventos reales. La investigación en este contexto ha tomado criterios de clasificación tan dispares como la sentencia judicial, la confesión del acusado, evidencia médica o registros poligráficos. La falta de fiabilidad de estos criterios (mayores en unos que en otros) es el asunto clave. Sucintamente, de las nueve amenazas a la validez interna que relaciona ^{Campbell (1969)} de los estudios de campo, la realmente afectada en este contexto de investigación es la selección de los casos. Si la selección fuera improcedente afectaría a los resultados. Pues bien, la selección de los casos fabricados para la comparación con los casos de campo es igual a la de los estudios experimentales, por lo que sólo tendría efectos en los casos reales clasificados por los ground truth. Además, mientras en los estudios experimentales los efectos se han aislado de modo que sólo pueden atribuirse a la manipulación experimental, en los de campo, al no manipular el investigador la variable independiente o causal, pueden ser consecuencia de otras causas (hipótesis alternativas). Si bien, la existencia de hipótesis alternativas a la experimental, si la confirman los resultados, no es suficiente para invalidar ésta (como máxima derivada de los estudios experimentales, sólo se invalida cuando las alternativas son más fiables y plausibles), esta potencial fuente de error en el diseño se puede controlar con ciertas salvaguardas. Primera, si la hipótesis también es confirmada por los estudios experimentales gozaría de validez convergente. En otras palabras, sería robusta a las fuentes de error asociadas a los diseños de los estudios experimentales (validez externa) y de los estudios de campo (validez interna). Segunda, si la hipótesis se confirma en diferentes contextos (moderadores que podrían mediar efectos en la misma), entonces dispondrá de consistencia inter-contextos. Tercera, si la hipótesis no es rechazada por los estudios (resultados inconvenientes, esto es, tamaños del efecto promedio negativos/ conbtrarios a la hipótesis), se obtiene validez convergente. Cuarta, si el factor ground truth no media diferencias en los resultados, se deduce que hay consistencia inter-criterios, validándose unos a otros. 2) ¿Ha sido probada la técnica o hipótesis? No sólo se puede someter a prueba, sino que ha sido probada en muchos estudios, mostrándose válida (i.e., estadísticamente significativa en la discriminación entre memorias de hechos experimentados y fabricados) tanto en estudios experimentales (δ = 0.56 y 0.32, en población de menores y adultos, respectivamente) y como de campo (δ = 2.71 y 0.45; en menores y adultos); en testimonios de denunciantes en poblaciones de adultos (δ = 0.56) y de menores (δ = 0.79); testigos presenciales (δ = 0.51) y encausados (δ = 0.35); y en diversos tipos de delitos (e.g., abuso sexual infantil, δ = 0.79; agresión sexual y de género, δ = 0.87) y contextos (memorias de hechos delictivos y no delictivos; memorias de hechos fabricadas, inducidas o sugeridas) (^{Amado et al., 2015}, ²⁰¹⁶). Al hallarse apoyo en todos estos ámbitos se puede concluir que la hipótesis es robusta, es decir, no varía en las diferentes condiciones de estudio. 3) ¿Se conoce la tasa de error? Bien, como quiera que la hipótesis fue formulada y no demostrada por el autor y que los sistemas categoriales se crearon con base en la experiencia de los autores (top-down) obtenida de miles de casos, y sin un criterio de decisión objetivo y estricto, no la pusieron a prueba, por lo que no informaron de la tasa de error. Sin embargo, en los metaanálisis de ^{Amado et al. (2015)}, (²⁰¹⁶) se han calculado estadísticamente los márgenes de error, tras un estudio sistemático de la literatura. Éstos se cifran en el 31.5 % de falsos negativos en la población de menores y del 36.5 % en adultos. 4) ¿Ha sido sometida la hipótesis/ técnica a un proceso de revisión por pares y publicada (no es una condición sine qua non)? En más de 800 ocasiones (tamaños del efecto) (^{Amado et al., 2015}, ²⁰¹⁶). En consecuencia, los resultados sobre la validez de la hipótesis son, en terminología popperiana (^{Popper, 1961}), un hecho, esto es, son altamente fiables. 5) ¿Es la teoría científica o la técnica aceptada generalmente como válida por la comunidad científica? El tribunal cita como un medio la consulta a la comunidad científica sobre el método y principios de la hipótesis. Una aceptación amplia le conferiría un valor de prueba admisible ‒no es un prerrequisito absoluto la aceptación general‒, en tanto que una aceptación baja, debería conducir a tomar la prueba con escepticismo. No hemos encontrado tal consulta ni de esta hipótesis, ni en ninguna otra psicológica. Desde una óptica científica, un medio de consulta a la comunidad es la revisión (sistemática, meta-análisis) de la literatura de modo que, si ésta le presta apoyo general a la hipótesis, esto quiere decir que la comunidad científica la valida (aceptación general). Los referidos metaanálisis no sólo le prestan apoyo general, sino que no hay ningún resultado meta-analítico que la contradiga (los resultados meta-analíticos confirman un valor discriminativo significativo entre memorias del total de criterios de realidad, CBCA, esto es, confirmación general de la hipótesis).

Evaluación de la técnica de análisis de contenido de las declaraciones SVA/CBCA en los criterios científicos, y legales y jurisprudenciales

Ahora bien, ^{Arce (2017)} advirtió que el cumplimiento de la hipótesis de los criterios Daubert no presupone directamente que lo haga la técnica derivada de ésta (falacia ecológica), al tiempo que puso de manifiesto que los criterios relacionados por la Corte Suprema de EE.UU. no satisfacían las demandas que se han de requerir a una prueba forense (técnica), concretando un listado de criterios científicos adicionales (ver Tabla 1) y legales y jurisprudenciales (ver Tabla 2).

De las técnicas forenses resultantes de la hipótesis, el SVA/CBCA (^{Steller y Köhnken, 1989}), se consigna como la técnica de referencia. No en vano, resulta de una integración de las anteriores (^{Arntzen, 1970}; ^{Dettenborn, Froehlich, y Szewczyk, 1984}; ^{Szewczyk, 1973}; ^{Undeutsch, 1967}). El SVA describe el procedimiento (ver Tabla 3) y criterios de validez de la prueba (ver Tabla 4), en tanto el CBCA los criterios de realidad (ver Tabla 5).

Conocido que las categorías de contenido pueden discriminar entre memorias de hechos vividos y fabricados, y, lo que es más relevante para la práctica forense, clasificar correctamente la memoria de hechos vividos, no implica que dichos sistemas sean metódicos, es decir, fiables y válidos (^{Weick, 1977}). La fiabilidad de las categorías (y, por extensión, de los sistemas como el global de todas las categorías; véase ^{Amado et al., 2015}, para el cómputo de la fiabilidad del sistema) se ha medido a través del acuerdo entre codificadores (la concordancia no es fiabilidad) o la correlación (fiabilidad) entre codificaciones en la codificación de las categorías de análisis. En todo caso, estas medidas no son de la fiabilidad del sistema categorial, sino de la medida, es decir, del acuerdo o consistencia en la codificación entre codificadores. Además, estas medidas del acuerdo/consistencia intercodificadores están sujetas a muchas fuentes de error: (a) porque suele ser entre dos codificadores lo que no garantiza la consistencia o acuerdo con otros codificadores (la consistencia/fiabilidad verdadera ha de estimar la misma con cualquier otro codificador que aplique la misma categoría o sistema); (b) en un momento dado, lo que no garantiza la persistencia de la medida en el tiempo (testretest); y (c) una medida directa (recuento de las contingencias de cada categoría por cada codificador; clasificación de la categoría como presente o ausente; o grado de presencia) de las categorías de contenido (registro) tampoco garantiza tal (esto es, una categoría codificada como presente por los evaluadores no quiere decir que realmente sean consistentes. De hecho, si se refieren a contingencias diferentes en la codificación de la categoría, serían errores de codificación y no aciertos. A este tipo de error lo denominamos error sistemático de evaluación de la codificación y, para afrontarlo, creamos un procedimiento de control de esta fuente de error, consistente en la verificación de la correspondencia entre las codificaciones; ^{Fariña, Arce y Novo, 2002}). Como no se ha estimado la fiabilidad del sistema, tampoco la validez del mismo (CBCA) en sí, dado que fiabilidad y validez se relacionan. En otras palabras, la validez discriminante de las categorías valida la hipótesis, pero no así el instrumento (sistema categorial). Adicionalmente, el sistema categorial, CBCA, incumple otros parámetros para que el instrumento sea válido (^{Bardin, 1996}): las categorías de análisis no son mutuamente excluyentes (^{Horowitz et al., 1997}; ^{Roma, San Martini, Sabatello, Tatarelli y Ferracuti, 2011}), lo que conlleva a duplicidad de medidas; esto es, que se registren categorías de modo duplicado, tal que da entrada a un error de sobre-estimación de la realidad; homogeneidad (esto es, consistencia interna del sistema que es desconocida); exhaustividad (las categorías de realidad del CBA no son exhaustivas pudiendo añadirse más de modo que la eficacia del sistema está mermada; ^{Amado et al., 2016}; ^{Arce y Fariña, 2009}; ^{Steller y Köhnken, 1989}); fidelidad (el SVA no contiene una herramienta para el control de la fidelidad de la aplicación de la técnica en la práctica forense); objetividad (las categorías no se han definido con precisión dando lugar a interpretaciones y codificaciones diversas, no se ha identificado la unidad de análisis, ni la medida de cada categoría); pertinencia (las categorías de contenido del CBCA fueron construidas para memorias de niños ‒el concepto niños aquí no es tal pues abarcaba legalmente, cuando se formuló la hipótesis (^{Undeutsch, 1989}), hasta los 21 años y la aplicación de la técnica se ha generalizado hasta los 18 por lo que realmente no se trata de niños‒ y abusos sexuales, encontrándose que eran pertinentes, pero no generalizables (^{Amado et al., 2016}); y la hipótesis es para todo tipo de casos, en tanto el engaño interactúa con el contexto; ^{Volbert y Steller, 2014}); y productividad (parámetro que cumple, dado que todos los criterios de realidad del CBCA resultaron productivos y significativos en la discriminación entre memorias de eventos vividos y fabricados). En el SVA no se concreta un procedimiento que facilite la revisión externa y los métodos usados (e.g., si la entrevista ha introducido preguntas engañosas o sugestivas), pero se podría aplicar sin mayor problema. Bastaría con introducir la salvaguarda de que las entrevistas y codificación han de quedar registradas para que pueda contrastarse si la técnica y el método (e.g., los registros de las categorías; entrevista) han sido aplicados correctamente (en la práctica forense, por las demandas judiciales, ya se ha convertido en norma el registro y almacenamiento en vídeo de las entrevistas). Asimismo, el SVA nada dice de si la prueba sería replicable, pero ciertamente lo es. Las entrevistas narrativas en recuerdo libre pueden obtenerse en series repetidas sin que contaminen el contenido de la declaración (^{Memon, Wark, Bull y Köhnken, 1997}). Tampoco incluye la técnica una estimación de la aplicación de la misma al caso. En otras palabras, el SVA no contiene herramienta para conocer si el perito ha aplicado correctamente la técnica al caso en cuestión (fiabilidad de la medida en diseños de N = 1). El último de los criterios científicos, la validez criterial, tampoco la cumple el SVA de un modo satisfactorio; de facto, no concreta un criterio de decisión objetivo y estricto como se le requiere a una prueba forense. Las propuestas de criterio de decisión han sido varias, pero ninguna un criterio objetivo y estricto. Así, ^{Steller y Köhnken (1989)} calificaron el criterio de decisión de semi-estandarizado, en tanto ^{Undeutsch (1989)} de semiobjetivo. Las propuestas, todas ellas cualitativas, han ido desde la mención a reglas de evaluación (intensidad de manifestación del criterio, número de manifestaciones del criterio, capacidad para declarar del testigo y características del evento; ^{Undeutsch, 1989}); a una escala de 5 puntos (creíble, probablemente creíble, indeterminado, probablemente no creíble, increíble; ^{Steller, 1989}); a estimaciones clínico-intuitivas (^{Steller y Köhnken, 1989}); hasta un juicio clínico (^{Köhnken, 2004}). En suma, el SVA no cumple con la demanda de objetividad en la conclusión que se requiere a una técnica forense.

En lo relativo a los criterios legales y jurisprudenciales, la Ley de Enjuiciamiento Criminal española discierne entre peritos titulares, aquellos que tienen título oficial de una ciencia que esté reglamentado por la administración y peritos no titulares, sin dicho título (Art. 457), debiendo valerse el juez, jueza o tribunal con preferencia de los primeros (Art. 458). En el contexto de capacitación profesional actual, serían peritos titulares aquellos con un título de Máster Oficial que contenga en las competencias profesionales las de perito en esta materia. En la formulación original del CBCA, ^{Steller y Köhnken (1989)}, además de a psicólogos, atribuyen dicha competencia a policías, trabajadores sociales y otros profesionales del entorno judicial entrenados en la técnica. Bien, este requerimiento legal puede (y ha de) corregirse en la dirección de cumplir con adjudicar la aplicación de la técnica a peritos titulares.

Dado que las técnicas de análisis de contenido de la declaración basadas en criterios se aplican como prueba de cargo, la conclusión ha de adherirse al principio constitucional de presunción de inocencia (art. 24.2º CE) que se concreta en la máxima “es esencial que los inocentes estén en todo caso protegidos frente a condenas infundadas, mientras que es suficiente que los culpables sean generalmente castigados” (^{Sentencia 213/2002 del TS}, Sala de lo Penal, 14 de febrero de 2002). En consecuencia, la prueba forense indiciaria de análisis de contenido del testimonio no ha de incurrir en clasificar un testimonio no real como real, ya que dimanaría en la condena de un inocente. A este respecto, el SVA no contiene herramienta o criterio de decisión que controle la incorrecta clasificación de un evento fabricado como real, y, en consecuencia, no han calculado dicho error. Los cálculos de las probabilidades de falsos positivos (clasificación de casos fabricados como verdaderos) con la puntuación total del CBCA derivados de los meta-análisis de ^{Amado et al. (2015)}, (²⁰¹⁶) son como promedio de .315 para menores y .365 para adultos. Es decir, el SVA no garantiza el cumplimiento del principio constitucional de presunción de inocencia.

La prueba, además, ha de ser obtenida lícitamente (constitucionalmente; art. 24 de la CE) y de modo que tenga validez jurídica. Por ello, no se puede practicar sobre el encausado como prueba de cargo, ya que éste está protegido por el derecho a no declarar contra sí mismo, a estar asistido por un letrado en la declaración y a no confesarse culpables (decir verdad); esto es, la prueba de ser constitucionalmente obtenida. Adicionalmente y por analogía con las pruebas biológicas, la prueba de análisis de contenido del testimonio ha de obtenerse de modo que no esté contaminada. La fuente de contaminación en ésta dimana de la entrevista, tal que si el entrevistador contaminara la prueba ésta no tendría validez jurídica. Las entrevistas en el ámbito judicial se clasifican en interrogativas y narrativas, no siendo válidas para la práctica forense las entrevistas puramente interrogativas dado que contaminan la prueba (e.g., sugestión, coacción, inducción) y no propician la manifestación de criterios de contenido. Por su parte, las narrativas dan lugar a una memoria amplia del evento, necesaria para la práctica de la prueba que, asimismo, facilita la recuperación de mayor cantidad de información sobre el evento, la discriminación entre declaraciones de hechos vividos y fabricadas, y la aparición de criterios de contenido (^{Sooniste, Granhag, Strömwall y Vrij, 2015}; ^{Vrij, 2005}). La entrevista recogida en el SVA es de tipo narrativo seguida de interrogatorio en el que, advierte, se han de evitar preguntas coercitivas, sugestivas o dirigidas, al tiempo que ha de ser adecuada (e.g., resaltar al entrevistado que puede responder “no sé”, “no me acuerdo”). El protocolo de entrevista de referencia del SVA es la Entrevista Paso a Paso (Step-wise interview) (^{Yuille Hunter, Joffe y Zaparniuk, 1993}) en la que, tras requerir al testigo la narración en recuerdo libre, sigue un interrogatorio con preguntas generales (se pide al testigo que describa todo lo que recuerde sin obviar ningún detalle, se usan scripts); preguntas específicas (tienen como objeto aclarar información; si las preguntas implican una elección, ésta ha de ser de más de dos alternativas), y uso de ayudas a la entrevista (muñecos, dibujos u otros instrumentos, tras terminar todos los pasos anteriores, para clarificar alguna información). En la fase de interrogatorio es probable que se contamine la prueba, no resultando ni la concienciación, ni el entrenamiento de los entrevistadores suficientes para el control de esta fuente de contaminación (^{Pearse y Gudjonsson, 1996}; ^{Walsh y Milne, 2008}). Como asume la propia técnica de entrevista, los interrogatorios están condicionados por scripts que implican una secuencia de los hechos que el entrevistador asume e impone en el relato. Pero la cuestión trasciende a la potencial contaminación de la prueba con el interrogatorio, al superar la tarea forense. La tarea forense no es de investigación (fact finder), que corresponde a policías, jueces y tribunales, sino de validación, en su caso, de la memoria del testigo, como propia de hechos vividos (prueba indiciaria). No en vano, el procedimiento no valida un hecho o detalle concreto del relato, sino el conjunto de lo narrado. La técnica forense basada en el análisis de contenido de la declaración no tiene por objeto ni la investigación del caso, que corresponde a policías y operadores jurídicos, ni la exactitud, sino establecer la honestidad del testigo. De hecho, entre un 10 y un 20 % de la información honesta del testigo no es exacta (Köknken, Milne, Memon y Bull, 1999; ^{Memon et al., 1997}; ^{Memon, Meissner y Fraser, 2010}). La fase interrogativa es de investigación, aporta poca información (ceñida únicamente a la respuesta a la pregunta), no facilita la manifestación de criterios de contenido de memorias de hechos vividos, al tiempo que es probable que contamine la prueba. Por tanto, debería obviarse en la técnica forense por falta de utilidad y riesgo de contaminación. No obstante, la entrevista también se puede contaminar con indicadores no verbales y paraverbales, que no implican un interrogatorio, por parte del entrevistador (e.g., aprobación, desaprobación, interrupción).

Un criterio jurisprudencial de evaluación de la credibilidad del testimonio es la persistencia en la incriminación (^{Sentencia 7070/1988 del TS}, Sala de lo Penal, de 28 de septiembre de 1988). Este criterio supone que se han de tomar medidas repetidas del testimonio. El SVA no prevé la obtención de más de una declaración, por lo que toman las declaraciones obrantes en el procedimiento como medio de contraste de la obtenida como prueba forense. La persistencia se mide en el SVA a través de la (in)consistencia con las leyes naturales; (in)consistencia con otras declaraciones; e (in)consistencia con otras pruebas. Ahora bien, las declaraciones en condiciones de investigación no son comparables en contenido a las forenses (^{Köhnken et al., 1999}; ^{Memon et al., 1997}, ²⁰¹⁰), ni siquiera las pruebas preconstituidas, que no son más que interrogatorios judiciales hechos por peritos y que están afectados por los mismos condicionantes revisados.

Por su parte, los criterios jurisprudenciales y legales de revisión y réplica de la prueba ya fueron discutidos como criterios científicos.

Además de los criterios de realidad derivados de la hipótesis Undeutsch, los atributos de memoria procedentes del modelo del Reality Monitoring (RM) (^{Johnson y Raye, 1981}), también se han estudiado para la discriminación entre memorias de origen externo (i.e., perceptuales, hechos vividos) y memorias de origen interno (esto es, imaginadas, fabricadas). Sucintamente, el modelo asume que los eventos percibidos contienen, por estar activada la memoria sensorial, más atributos sensoriales (e.g., información visual, auditiva), semánticos (e.g., tamaño, color) y contextuales (e.g., espacio, tiempo). Por el contrario, en las memorias externas predice una mayor presencia de operaciones cognitivas (e.g., pensamientos, razonamientos e inferencias hechas por otros). Los resultados de la investigación (ver en Tabla 6 el listado de categorías; ^{Sporer 1997}, ²⁰⁰⁴) apoyan, en general, la efectividad de las categorías de contenido emanadas de este modelo (^{Masip, Sporer, Garrido, y Herrero, 2005}; ^{Vrij, 2008}). No obstante, sólo algunos criterios discriminaron entre verdad y mentira; la puntuación total tampoco discernía sistemáticamente entre verdad y mentira; algunas categorías son escasamente útiles para esta tarea (e.g., información espacial); e incluso se han obtenido resultados contrarios a la predicción del modelo (e.g., operaciones cognitivas asociadas a memorias de origen externo) (^{Masip et al., 2005}; ^{Vrij, 2008}).

Construcción, propiedades psicométricas y criterios del Sistema de Evaluación Global para la clasificación de memorias de hechos vividos

Sobre la base de que ambos sistemas categoriales pueden complementarse (^{Sporer, 2004}; ^{Vrij, 2000}, ²⁰⁰⁸) y que hay más categorías que las informadas en ambos modelos (^{Steller y Köhnken, 1989}; ^{Amado et al., 2016}; ^{Arce y Fariña, 2009}), nos planteamos (e. g., ^{Arce y Fariña, 2013a}, ²⁰¹⁴) construir un sistema categorial partiendo del CBCA, que contuviera categorías de realidad, atributos de memoria y otras surgidas de análisis de casos, que fuera metódico (i.e., fiable y válido) y del que resultara una técnica forense que cumpliera con los estándares Daubert, científicos y legales y jurisprudenciales anteriormente revisados. De acuerdo con las directrices de ^{Bardin (1996)} para construir un sistema categorial fiable y válido (i.e., exclusión mutua, homogeneidad, objetividad, adecuación o pertinencia, exhaustividad, fidelidad y productividad), en primer lugar, construimos un manual con las definiciones de cada categoría, la unidad de análisis de cada categoría y ejemplos de cada una de ellas (objetividad). Las definiciones de las categorías, dada la imprecisión y diferentes acepciones e interpretaciones a que daban lugar, fueron ajustadas con material de declaraciones procedentes de casos judiciales y fabricadas (objetividad). En concreto, se cotejaba, cuando había definiciones o interpretaciones diferentes, cuál (o la suma de ellas) era la que mejor discriminaba entre memorias (productividad). El conjunto de categorías resultante fue sometido a un análisis para el control de duplicidad de medidas (exclusión mutua) por medio de la técnica thurstone. La decisión acerca de definirlas de forma excluyente o crear una categoría que englobara más de una categoría se tomó en función de estudio de la validez incrementada de clasificación con declaraciones de casos judiciales y fabricados. Se buscaron por medio de un procedimiento por aproximaciones sucesivas (ver procedimiento en ^{Fariña et al., 2002}) en memorias de casos reales (ground thruth, sentencia judicial que clasificaba la declaración como verdadera no basada en una prueba de análisis de contenido de las declaraciones; memorias autobiográficas con imágenes de hechos no judicializados) nuevas categorías de contenido, hallándose categorías para todo tipo de casos y otras, específicas de casos (exhaustividad y pertinencia). Una vez identificadas, fueron sometidas al procedimiento anteriormente descrito, en el que se determinó si realmente era una nueva categoría y productiva, o formaba parte de una existente.

El sistema categorial resultante (ver Tabla 7) se mostró consistente internamente (homogeneidad), α = .789 y .856 (^{Arce, Fariña, Novo, y Vilariño, 2013}; ^{Vilariño, Novo, y Seijo, 2011}). Además, las categorías discriminaron (validez discriminante) significativamente entre memorias de hechos vividos y fabricados (^{Arce et al., 2013}; ^{Arce, Fariña, y Vivero, 2007}; ^{Vilariño, 2010}; ^{Vilariño et al., 2011}). Se definió empíricamente (objetivo) un criterio de decisión estricto (validez criterial con falsos positivos = 0; principio de presunción de inocencia); se creó un sistema control de la correcta ejecución (fidelidad) de la medida en diseños de N = 1 (consistencia inter- e intraevaluador, e inter-contextos) y se subsanaron los déficits del SVA. En concreto, la técnica forense, Sistema de Evaluación Global, exige que sea practicada por un perito titular entrenado en la misma; que se graben y guarden las declaraciones (revisión externa de los métodos usados y validez jurídica de la prueba); que se registren y guarden las codificaciones de las declaraciones (revisión externa de los registrados de los criterios y de la fiabilidad de éstos); que las codificaciones sean realizadas por dos peritos por separado (evaluación de la fiabilidad de la medida); que se recaben dos declaraciones (evaluación de la persistencia); y que las declaraciones se obtengan por medio de la entrevista cognitiva ‒control de contaminación de la prueba con el interrogatorio‒: recuerdo libre y técnicas de ayuda de recuperación de memoria (sin interrogatorios). La evaluación de la persistencia, validez de la prueba, se obtiene si cumple los siguientes cinco criterios tomados de análisis de sentencias judiciales (^{Arce, Seijo y Novo, 2010}): consistencia interna (¿tiene contradicciones internas en el relato?); consistencia externa (¿es consistente con otras pruebas robustas o incontrovertibles?); consistente con la anterior(es) (¿hay consistencia en la información central inter-declaraciones?); persistencia (¿son estables las declaraciones en el tiempo en los contextos?); y consistencia con las leyes científicas y de la naturaleza (¿contiene el relato hechos incompatibles con las leyes científicas o de la naturaleza?). Si la prueba incumple alguno de estos criterios de validez de la misma, no se realiza un análisis de contenido por ser la prueba inválida. Además, se le requiere que tenga la suficiente amplitud para ser objeto del análisis de contenido, prueba suficiente (¿Supera la capacidad de memoria del testigo? ¿Contiene toda la información necesaria del evento?).

Líneas futuras de investigación

Sobre la base de que las categorías de contenido disciernen entre las memorias de hechos vividos o autoexperimentados y fabricados; que se pueden construir sistemas categoriales metódicos; que puede haber más categorías, especialmente propias de contextos de victimización específicos i.e., acoso escolar, violencia de género, acoso laboral, agresiones sexuales a adultos (exhaustividad), la investigación ha de dirigirse a la detección y estudio de nuevas categorías de contenido en esos contextos. El método más eficaz y productivo, definido previamente, es el de aproximaciones sucesivas tomando como material declaraciones procedentes de casos judiciales y fabricadas, y aplicando a las categorías identificadas las técnicas descritas para cumplir con las directrices de Bardin para crear un sistema categorial metódico. Asimismo, el criterio de decisión estricto (que garantice que los falsos positivos sean 0) ha de ser revisado continuamente pues la mentira se aprende (importancia de no enseñar las claves de la técnica para minimizar el aprendizaje de la misma), en tanto la honestidad se mantiene constante.