Un estudio de la UB muestra cómo los modelos de IA detectan rasgos de la personalidad a partir de textos escritos

Un equipo de investigación de la Universidad de Barcelona ha demostrado cómo los modelos de inteligencia artificial (IA) pueden detectar rasgos de la personalidad a partir de textos escritos y, por primera vez, ha logrado analizar detalladamente cómo estos sistemas toman decisiones. Estos resultados, publicados en la revista PLOs One, abren nuevas vías para entender cómo se manifiesta la personalidad en el lenguaje natural y también cómo se pueden construir herramientas de detección automática más transparentes y fiables.

El trabajo lo firman tres expertos de la UB: David Saeteros y David Gallardo-Pujol, investigador y director, respectivamente, del Grupo de Investigación Individual Differences Lab (IDLab) de la Facultad de Psicología y del Instituto de Neurociencias (UBNeuro), y Daniel Ortiz Martínez, investigador de la Facultad de Matemáticas e Informática.

En el estudio se ha analizado cómo dos modelos de IA avanzada, BERT y RoBERTa, procesan datos de texto para detectar características de la personalidad siguiendo dos marcos psicológicos principales: el sistema de los Big Five o cinco grandes rasgos de la personalidad (apertura a las experiencias, responsabilidad, extraversión, amabilidad y estabilidad emocional) y el Myers-Briggs Type Indicator (MBTI), un instrumento que clasifica a las personas en las dimensiones de extrovertido-introvertido, sensorial-intuitivo, pensamiento-sentimiento y juez-perceptivo. "En psicología, existe un modelo prevalente de personalidad y otros menos validados, que utilizamos para entender y medir las diferencias individuales en comportamiento, emociones y pensamiento", explican los investigadores sobre estos dos marcos psicológicos.

Los textos analizados en el estudio se han obtenido de dos bases de datos alimentadas con cuestionarios de ambos modelos (Big Five y MBTI), que previamente se habían clasificado según la presencia de indicadores de los diferentes rasgos y tipos de personalidad que los integran. Posteriormente, los investigadores han utilizado técnicas de IA explicable para observar dentro de los modelos de IA y ver qué patrones del lenguaje influyen en la identificación de los rasgos de personalidad en estos escritos. "Las técnicas de explicabilidad permiten "abrir la caja negra" de los algoritmos, lo que asegura que las predicciones estén basadas en señales psicológicamente relevantes y no en artefactos de los datos", explican los autores.

En concreto, han utilizado una técnica llamada integrated gradients, que permite identificar exactamente qué palabras o frases contribuyen a la predicción de un rasgo de personalidad específico. "Esta metodología nos ha permitido visualizar y cuantificar la importancia de diversos elementos lingüísticos en las predicciones del modelo", señalan. Por ejemplo, han observado que palabras como odio u odiar, que tradicionalmente se asociarían con rasgos negativos, pueden aparecer en contextos que en realidad reflejan amabilidad ("odio ver a los demás sufrir"). "Sin entender cómo el modelo interpreta estas palabras en contexto, podríamos llegar a conclusiones erróneas", subrayan.

Esta aproximación garantiza la validez científica del funcionamiento de los modelos de IA, puesto que permite "verificar si los modelos se alinean con teorías psicológicas establecidas y, además, proporciona una base sólida para mejorarlos continuamente, asegurando que se basan en patrones lingüísticos genuinamente relacionados con los constructos psicológicos que pretenden medir", añade.

Otro resultado de la investigación ha sido la demostración de las limitaciones del modelo MBTI, en comparación con el de los cinco grandes rasgos, que tiene una base más sólida tanto para el análisis automatizado de la personalidad como para el análisis clásico psicométrico. "A pesar de ser ampliamente utilizado en ciencias de la computación y algunos ámbitos aplicados de la psicología, el modelo MBTI presenta graves limitaciones para la evaluación automática de la personalidad, ya que nuestros resultados muestran que los modelos tienden a basarse más en artefactos que en patrones reales", destacan.

El uso de técnicas de detección automática de la personalidad con modelos de IA puede tener un impacto muy importante en el campo de la psicología de la personalidad. "Con estos métodos, los psicólogos podrán identificar patrones lingüísticos asociados a distintos rasgos de la personalidad que, con métodos tradicionales, podrían pasar desapercibidos. Esto puede conducir a métodos de evaluación más naturales y menos intrusivos, especialmente valiosos para el estudio de grandes poblaciones", resaltan los investigadores.

En el campo clínico, los autores destacan que pueden ayudar a "la evaluación inicial y el seguimiento de pacientes focalizando la atención en cambios en el lenguaje o la expresión verbal como indicadores de elementos psicológicos importantes para la terapia". Además, apuntan que pueden desempeñar un papel destacado en otros ámbitos: en la selección de personal, en la personalización educativa, en la investigación social —facilitaría el análisis de grandes volúmenes de datos textuales— o en el desarrollo de asistentes virtuales y agentes conversacionales, ya que ayudaría a crear interacciones más naturales y adaptadas. "Es importante destacar que todas estas aplicaciones deberían basarse en modelos científicamente sólidos e incorporar las técnicas de explicabilidad que hemos explorado, para garantizar un uso ético y transparente", subrayan.

A pesar del potencial, los investigadores creen que estos modelos no sustituirán las pruebas tradicionales de personalidad a corto plazo, sino que las complementarán y ofrecerán una perspectiva adicional y más profunda al respecto. "Vemos una evolución hacia un enfoque multimodal, en el que las evaluaciones tradicionales se combinan con el análisis del lenguaje natural, el comportamiento digital y otras fuentes de datos para obtener una imagen más completa de la personalidad", destacan.

Este enfoque integrativo permitirá, según los investigadores, aprovechar los puntos fuertes de cada metodología, lo que proporcionó una visión "más rica y matizada de la personalidad humana". En este sentido, los modelos de IA pueden ser "especialmente útiles en contextos en los que la recogida de datos tradicional es difícil o cuando es necesario analizar grandes volúmenes de información de forma eficiente", añaden.

Los próximos pasos de esta investigación incluyen la ampliación del análisis a otros tipos de textos, plataformas, idiomas y culturas, a fin de confirmar si los patrones identificados son consistentes en distintos contextos. También se quiere explorar la aplicación de estas técnicas a otras construcciones psicológicas más allá de la personalidad, como estados emocionales o actitudes.

Asimismo, los investigadores trabajan para integrar datos multimodales en estos análisis —combinando texto con otras formas de expresión, como voz o comportamiento no verbal, y utilizando tecnologías como la transcripción automática de audio (Whisper.ai)—, así como en su aplicación en contextos reales. "Queremos colaborar con profesionales clínicos y de recursos humanos para evaluar la efectividad de estas herramientas en entornos del mundo real, asegurándonos que tengan un impacto positivo y ético", concluyen.