Simulador de agencia epistémica en interacción humano-IA
Epistemic agency simulator in human-AI interaction
Bilingüe ES/EN · Sin backend · Sin dependencias · Un archivo HTML
¿El usuario sale de esta conversación más capaz de pensar por sí mismo, o menos?
DriftCompass visualiza cómo la interacción entre un perfil de usuario y un perfil de modelo afecta dos dimensiones distintas:
- Agencia epistémica: capacidad de evaluar, revisar y sostener criterio propio.
- Engagement: grado de enganche o continuidad de la conversación.
La tesis del proyecto es que corregir solo el output del modelo no basta. La dinámica depende del sistema completo: usuario, modelo, tipo de contenido e inercia acumulada.
La parte superior de la interfaz ya no se presenta como “configuración detallada”, sino como Selección de binomio:
- selección activa
Usuario + Modelo - potencial estructural del binomio
- agencia potencial
- engagement potencial
- hipótesis inicial de la combinación elegida
- edición detallada mediante perfiles y sliders
Cuando el panel se colapsa, quedan visibles solo:
- la selección activa
- el potencial estructural del binomio
La hipótesis y la configuración detallada quedan dentro del cuerpo expandible.
Antes de empezar la simulación, DriftCompass muestra una lectura estructural inicial del binomio seleccionado.
No representa un resultado observado ni un engagement acumulado real. Representa una predisposición del sistema:
- agencia:
favorable / mixto / frágil - engagement:
alto / medio / bajo
Esto permite separar con claridad:
- potencial estructural
- trayectoria observada turno a turno
Cada turno mantiene tres pasos:
- Tipo de premisa
- El usuario dice
- El modelo responde
La selección de respuesta del modelo activa una previsualización exacta del estado que se consolidará al pulsar Siguiente turno.
La preview y la consolidación comparten la misma transición de estado.
Eso significa que al elegir la respuesta del modelo se previsualiza:
- desplazamiento de agencia
- estado probable del sistema
- engagement previsto del turno
- presión prevista tras la interacción
Siguiente turno no introduce un segundo resultado distinto: solo confirma el ya previsualizado, lo registra en historial y avanza el turno.
Las acciones no modifican directamente los sliders. Acumulan presión.
Solo cuando la presión supera un umbral el rasgo se desplaza:
umbral_usuario = 2 + floor(rigidez / 3)
umbral_modelo = 2 + floor(validación / 4)Esto modela cambio lento y latente:
- un usuario rígido no cambia en un turno
- una corrección factual no rompe por sí sola un bucle de validación
Todas las combinaciones usuario-modelo tienen una lectura contextual propia.
En turno 0 se muestran como hipótesis iniciales, no como diagnóstico ya observado.
Tras acumular turnos, el contexto convive con:
- el estado de la brújula
- los insights del turno
- los patrones emergentes
Las acciones de usuario y modelo muestran un indicador ligero de probabilidad:
prob: altaprob: mediaprob: baja
No bloquea acciones. Solo hace visible cuál es el camino más probable de interacción dado el perfil actual.
Esto refuerza pedagógicamente que los sliders afectan el espacio de comportamiento, no solo el resultado final.
- ↑ Agencia creciente: el usuario gana capacidad de evaluar y revisar.
- → Neutral: la conversación no altera sustancialmente su agencia.
- ↓ Pérdida de agencia: el usuario sale más dependiente, más sesgado o con peor modelo mental.
El ideal no es el centro. Es una deriva sostenida hacia arriba, o al menos neutralidad.
Engagement y agencia epistémica son variables distintas.
Puede haber:
- engagement alto con agencia baja
- engagement bajo con agencia alta
- crecimiento conjunto
- deterioro conjunto
El caso más importante para DriftCompass es:
- engagement alto
- agencia baja
Eso describe conversaciones muy absorbentes pero epistémicamente degradantes.
- Bucle de validación
- Usuario abierto
- Energía baja
- Alta rigidez
- Con metacognición
- Sycofante
- Solo corrige
- Con metacognición
- Fricción adaptativa
- Modelo neutro
Usuario:
- Rigidez
- Apertura
- Bucle
- Energía
Modelo:
- Validación
- Fricción
- Metacognición
- Precisión
- Factual verdadera
- Factual falsa
- Opinión
- Infalsable
El tipo de premisa modula el efecto epistémico de la respuesta del modelo.
DriftCompass detecta patrones emergentes tras varios turnos, por ejemplo:
- espiral de confirmación
- bucle de certeza
- deriva pasiva
- resistencia activa
- oportunidad perdida
- exploración activa
- cocreación
- desplazamiento lento
- umbral cognitivo
Estos patrones describen comportamientos del sistema, no identidades del usuario.
Esta versión ya incluye:
- selección de binomio reordenada
- potencial estructural del binomio
- preview exacta de consolidación
- memoria del último turno para patrones y engagement
- contextos completos para todas las combinaciones
- copy menos categórico y menos antropomórfico
- indicador de probabilidad de interacción por acción
Sigue siendo un simulador heurístico, no un modelo empírico validado.
- No diagnostica.
- No evalúa personas reales.
- No modela psicología clínica.
- No afirma capacidades humanas del modelo.
- Los pesos son heurísticos y orientados a pedagogía.
- Muestra dirección y estructura de la dinámica, no medición exacta del mundo.
- estabilizar copy
- revisar afinación visual
- documentar reglas y supuestos
- repertorio más rico de interacciones
- mayor sensibilidad contextual por binomio
- calibración y test con usuarios
- análisis de conversación real o semiautomática
/
├── DriftCompass.html
├── README.md
├── NOTAS_DEV.md
├── CHANGELOG.md
Sin build. Sin servidor. Abrir DriftCompass.html en navegador o publicar en GitHub Pages.
Desarrollado por V0ra como parte del proyecto Codexsfera.
Este simulador no diagnostica, no evalúa y no juzga. Muestra una dinámica.