Truth Perception Dataset (TPD) la referencia humana para la detección del engaño
El Truth Perception Dataset registra cómo las personas juzgan afirmaciones como verdaderas o falsas: qué votaron, con cuánta seguridad y si acertaron. Es el dato que falta a quien trabaja en desinformación, confianza y calibración de modelos: no opiniones declaradas, sino decisiones realmente tomadas.
Qué contiene
Cada fila es un juicio: la afirmación (verdadera o falsa), la categoría entre 7, el idioma entre 12 (it, en, de, es, fr, pt-BR, nl, pl, tr, id, ja, ko), el voto, la confianza declarada y el resultado.
De ahí salen las medidas que de verdad importan: cuán calibrada está una población (dice 80 % y acierta el 80 % de las veces), qué categorías engañan más, cómo cambia la percepción entre idiomas.
Cómo se anonimiza
El dataset es anónimo: k-anonimato con umbral k=5 (los grupos demasiado pequeños se suprimen), ruido de privacidad diferencial en los agregados, seudonimización con clave y sal distinta por exportación, y sustitución sintética de los valores residuales.
No se proporciona ninguna clave de reidentificación, y la licencia prohíbe intentarla o vincular el dataset con otras fuentes para lograrla. Cada exportación incluye su propia ficha de privacidad en las cabeceras de la respuesta.
Cómo se integra
API REST con clave: exportación en CSV, JSONL, Parquet, filtros por ventana temporal, categoría e idioma, reanudación incremental con cursor. Versión actual v1, con política de retirada declarada y un preaviso mínimo de 180 días.
Las claves se emiten desde el portal y se gobiernan: ámbitos (solo metadatos o también exportación), caducidad, lista de IP permitidas, rotación con periodo de gracia. Cuotas horarias por plan: TRIAL 5 peticiones/hora, STARTER 20 peticiones/hora, GROWTH 60 peticiones/hora, ENTERPRISE 1000 peticiones/hora.
Quién lo usa
Grupos de investigación sobre desinformación y psicología de la confianza; equipos que entrenan o evalúan modelos de lenguaje y necesitan referencias humanas sobre la percepción de la verdad; productos que miden la calibración de sus propias predicciones.
Licencia, privacidad y niveles de servicio
La licencia comercial del dataset y el aviso de privacidad del portal pueden consultarse sin registrarse. El dataset no contiene datos personales de los usuarios de la aplicación; el aviso se refiere a los datos de la organización licenciataria.
Niveles de servicio declarados: disponibilidad mensual del 99,5% en las rutas de exportación y metadatos, primera respuesta del soporte en dos días laborables, comunicación de incidentes en 24 horas.