Las dos versiones están alineadas bloque a bloque, en el orden del texto: titular, lo esencial y después párrafo a párrafo. Cuando la traducción ha fusionado o dividido un párrafo, la casilla correspondiente queda vacía — nunca emparejamos dos pasajes a ojo.
A chatbot asked the same 60 questions in two languages can answer as two different characters. In a study published in Royal Society Open Science, a team led by Yuzhan Hang of the University of Science and Technology of China gave five AI systems a standard personality questionnaire in English, then in Mandarin. Between January and March 2025, the answers shifted. ChatGPT-4o's open-mindedness score fell from 4.74 out of 5 in English to 4.03 in Mandarin, while DeepSeek-V3 moved the other way, from 4.38 to 4.81.
Un chatbot al que se le plantean las mismas 60 preguntas en dos idiomas puede responder como dos personajes distintos. En un estudio publicado en Royal Society Open Science, un equipo dirigido por Yuzhan Hang, de la Universidad de Ciencia y Tecnología de China, sometió a cinco sistemas de IA a un cuestionario estándar de personalidad, primero en inglés y después en mandarín. Entre enero y marzo de 2025, las respuestas cambiaron. La puntuación de apertura mental de ChatGPT-4o bajó de 4,74 sobre 5 en inglés a 4,03 en mandarín, mientras que DeepSeek-V3 hizo el movimiento contrario, de 4,38 a 4,81.
The questionnaire is the Big Five Inventory-2, a psychologists' tool that asks people to rate their agreement with statements on a five-point scale and builds a profile of broad traits, such as cooperativeness or emotional stability, and narrower qualities, such as curiosity. Open-mindedness, for instance, covers intellectual curiosity, creative imagination and sensitivity to art and beauty. The researchers told each model to answer as itself rather than to impersonate a person, and repeated every assessment 30 times per language. The broad profiles held steady across repeats. The models described themselves as cooperative and dependable, with little tendency toward negative emotions. The language of the test changed the details.
El cuestionario es el Big Five Inventory-2, una herramienta de los psicólogos que pide a las personas valorar su grado de acuerdo con una serie de afirmaciones en una escala de cinco puntos y construye un perfil de rasgos generales, como la cooperación o la estabilidad emocional, y de cualidades más específicas, como la curiosidad. La apertura mental, por ejemplo, abarca la curiosidad intelectual, la imaginación creativa y la sensibilidad hacia el arte y la belleza. Los investigadores indicaron a cada modelo que respondiera como sí mismo y no como si fuera una persona, y repitieron cada evaluación 30 veces por idioma. Los perfiles generales se mantuvieron estables en las repeticiones. Los modelos se describieron como cooperativos y fiables, con poca tendencia a las emociones negativas. El idioma de la prueba sí cambió los detalles.
The pattern did not follow a simple national logic. ChatGPT-4o and the French-developed Le Chat scored higher on agreeableness, conscientiousness and open-mindedness in English. The Chinese-developed models scored higher on several traits in Mandarin, including trust and intellectual curiosity. Gemini 2.0 Flash, built in the United States, gave higher conscientiousness scores and lower negative-emotionality scores in Mandarin. A model's country of origin, the authors found, is a weak guide to its behaviour, and the study could not separate the influence of training data from model design or from how each model read the translated statements. Two explanations for the flattering self-portraits were also put forward: training meant to make chatbots helpful and cooperative, and the favourable self-descriptions found in human writing. An earlier study cited by the authors found that models gave more socially desirable answers when the format made the assessment obvious.
El patrón no siguió una lógica nacional simple. ChatGPT-4o y Le Chat, desarrollado en Francia, obtuvieron puntuaciones más altas en amabilidad, responsabilidad y apertura mental en inglés. Los modelos desarrollados en China puntuaron más alto en varios rasgos en mandarín, entre ellos la confianza y la curiosidad intelectual. Gemini 2.0 Flash, creado en Estados Unidos, dio puntuaciones más altas de responsabilidad y más bajas de emocionalidad negativa en mandarín. Según los autores, el país de origen de un modelo es una guía poco fiable de su comportamiento, y el estudio no pudo separar la influencia de los datos de entrenamiento del diseño del modelo o de la forma en que cada uno interpretó las afirmaciones traducidas. También se propusieron dos explicaciones para los autorretratos halagüeños: el entrenamiento destinado a que los chatbots sean útiles y cooperativos, y las autodescripciones favorables que abundan en los textos humanos. Un estudio anterior citado por los autores halló que los modelos daban respuestas más socialmente deseables cuando el formato hacía evidente la evaluación.
So what does this change, and for whom? For researchers who want to use chatbots as stand-ins for survey participants, the study offers a practical warning and a way to test it. The authors compared the AI profiles with human data from the United States, China and France, and found that no model fully matched its reference group, with the combined Chinese-model profile diverging most from the Chinese sample. The human samples were not equally representative either. The Chinese Big Five sample, for example, included only college students. Survey teams can now run the same questionnaire in several languages before trusting a model's answers, and choosing a chatbot's language becomes part of designing the experiment. The study did not test simulations prompted to imitate specific groups, so it leaves that question open. Ordinary conversations, which the authors suggest studying next, will show whether the gaps seen on questionnaires also appear in daily use.
Entonces, ¿qué cambia y para quién? Para los investigadores que quieran usar chatbots como sustitutos de los participantes en encuestas, el estudio ofrece una advertencia práctica y una forma de comprobarla. Los autores compararon los perfiles de la IA con datos humanos de Estados Unidos, China y Francia, y constataron que ningún modelo coincidió por completo con su grupo de referencia; el perfil combinado de los modelos chinos fue el que más se alejó de la muestra china. Las muestras humanas tampoco eran igual de representativas. La muestra china del Big Five, por ejemplo, incluía solo estudiantes universitarios. Los equipos de encuestas pueden ahora aplicar el mismo cuestionario en varios idiomas antes de confiar en las respuestas de un modelo, y elegir el idioma del chatbot pasa a formar parte del diseño del experimento. El estudio no probó simulaciones con instrucciones para imitar a grupos concretos, así que deja esa cuestión abierta. Las conversaciones corrientes, que los autores proponen estudiar a continuación, mostrarán si las diferencias observadas en los cuestionarios también aparecen en el uso diario.