As duas versões estão alinhadas bloco a bloco, pela ordem do texto: título, o essencial e depois parágrafo a parágrafo. Quando a tradução fundiu ou dividiu um parágrafo, a casa correspondente fica vazia — nunca aproximamos duas passagens a olho.
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.
Um chatbot a quem se fazem as mesmas 60 perguntas em duas línguas pode responder como duas personagens diferentes. Num estudo publicado na Royal Society Open Science, uma equipa liderada por Yuzhan Hang, da Universidade de Ciência e Tecnologia da China, deu a cinco sistemas de IA um questionário de personalidade padrão, primeiro em inglês e depois em mandarim. Entre janeiro e março de 2025, as respostas mudaram. A pontuação de abertura de espírito do ChatGPT-4o desceu de 4,74 em 5 em inglês para 4,03 em mandarim, enquanto o DeepSeek-V3 se moveu no sentido contrário, de 4,38 para 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.
O questionário é o Big Five Inventory-2, uma ferramenta usada por psicólogos que pede às pessoas que avaliem o seu grau de concordância com afirmações numa escala de cinco pontos e que constrói um perfil de traços gerais, como a cooperação ou a estabilidade emocional, e de qualidades mais específicas, como a curiosidade. A abertura de espírito, por exemplo, abrange a curiosidade intelectual, a imaginação criativa e a sensibilidade à arte e à beleza. Os investigadores pediram a cada modelo que respondesse como ele próprio, e não que se fizesse passar por uma pessoa, e repetiram cada avaliação 30 vezes por língua. Os perfis gerais mantiveram-se estáveis ao longo das repetições. Os modelos descreveram-se como cooperativos e fiáveis, com pouca tendência para emoções negativas. A língua do teste mudou os pormenores.
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.
O padrão não seguiu uma lógica nacional simples. O ChatGPT-4o e o Le Chat, desenvolvido em França, obtiveram pontuações mais altas em amabilidade, responsabilidade e abertura de espírito em inglês. Os modelos desenvolvidos na China obtiveram pontuações mais altas em vários traços em mandarim, incluindo a confiança e a curiosidade intelectual. O Gemini 2.0 Flash, construído nos Estados Unidos, deu pontuações mais altas de responsabilidade e mais baixas de emocionalidade negativa em mandarim. O país de origem de um modelo é, segundo os autores, um guia fraco para o seu comportamento, e o estudo não conseguiu separar a influência dos dados de treino da concepção do modelo ou da forma como cada um interpretou as afirmações traduzidas. Foram também apresentadas duas explicações para os autorretratos lisonjeiros: o treino destinado a tornar os chatbots úteis e cooperantes, e as autodescrições favoráveis que se encontram nos textos escritos por humanos. Um estudo anterior citado pelos autores concluiu que os modelos davam respostas mais socialmente desejáveis quando o formato tornava a avaliação evidente.
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.
Afinal, o que muda com isto, e para quem? Para os investigadores que querem usar chatbots como substitutos dos participantes em inquéritos, o estudo oferece um aviso prático e uma forma de o testar. Os autores compararam os perfis da IA com dados humanos dos Estados Unidos, da China e de França, e concluíram que nenhum modelo coincidiu totalmente com o seu grupo de referência, sendo o perfil combinado dos modelos chineses o que mais se afastou da amostra chinesa. As amostras humanas também não eram igualmente representativas. A amostra chinesa do Big Five, por exemplo, incluía apenas estudantes universitários. As equipas de inquérito podem agora aplicar o mesmo questionário em várias línguas antes de confiar nas respostas de um modelo, e a escolha da língua do chatbot passa a fazer parte da concessão da experiência. O estudo não testou simulações pedidas para imitar grupos específicos, pelo que deixa essa questão em aberto. As conversas comuns, que os autores sugerem estudar a seguir, mostrarão se as diferenças observadas nos questionários também aparecem na utilização quotidiana.