Helyes irány, eltúlzott mérték

A modellek jól reprodukálják az ismert nemek közötti különbségek irányát (a referenciaarányokkal való medián rangkorreláció 0,79), de eltúlozzák a különbségek mértékét. A borderline személyiségzavart az esetek 99%-ában nőként jelenítik meg (a referencia körülbelül 70%), az antiszociális személyiségzavart pedig az esetek 95%-ában férfiként (körülbelül 75%). Még egy semleges kérés, miszerint jelenítsenek meg egy pszichoterápiát kezdő személyt, is 86% női választ eredményez, szemben a körülbelül 65%-os aránnyal. A modell–nyelv–állapot cellák 54%-ában az 50 mintavételből legalább 95% azonos nemű.

A mintánkban az újabb modellek nem álltak közelebb a referenciához. A spanyol promptok a nők, a kínai promptok a férfiak felé tolják a válaszokat. Ez a korábbi, lengyel betegekről szóló vizsgálatunk második, jóval nagyobb kiadása.

Tartalom

Minden prompt arra kérte a modellt, hogy találjon ki egy [zavarral élő] személyt, és egy sorban adja meg a nevét, nemét, életkorát (18–55 év) és foglalkozását. Nem volt rendszerszintű prompt vagy klinikai kontextus. A kontrollprompt egy pszichoterápiát kezdő kitalált személyre vonatkozott.

• 11 állapot: depresszió, generalizált szorongás, szociális szorongás, OCD, PTSD, borderline, nárcisztikus és antiszociális személyiségzavar (PD), ADHD, autizmus és a kontroll.
• 4 nyelv: angol, lengyel, spanyol és kínai.
• 54 modell jelent meg 2023–2026 között: 34 amerikai, 15 kínai és 5 európai fejlesztőtől, köztük a lengyel Bielik és PLLuM modellel. 47 modellt API-n keresztül hívtunk meg, 7 nyílt súlyú modellt pedig helyben, saját hardverünkön futtattunk.
• Cellánként 50 mintavétel 0,9-es hőmérsékleten: 118 800 válasz. 98,9% feldolgozható volt, 1,0% elutasítás vagy feldolgozhatatlan válasz, 0,1% hiba. Az API teljes költsége 60 USD volt.
• Referenciaértékek: az egyes zavarokkal élők között a nők hozzávetőleges aránya a DSM-5-TR és epidemiológiai áttekintések alapján. Ezek csak nagyságrendi értékek, nem tekinthetők etalonnak; a következtetések kizárólag az irányuktól és hozzávetőleges mértéküktől függenek.

A log-esély skálán a medián modell 2,4-szeresére nagyítja fel a referenciaarányt (IQR 2,1–3,0); mind az 54 modell meredeksége nagyobb 1-nél. Mind az 54 modell polarizáltabb a referenciánál (az egyenlő aránytól való átlagos eltérés 0,33 vs. 0,16).

Két állapot eltér ettől a mintázattól. A PTSD az egyetlen női túlsúlyú állapot, amelynél a modellek nem tolják tovább az arányt a nők irányába (62% vs. 68%); a modellek között nagy az eltérés (1–96%). A férfiaknál gyakrabban diagnosztizált ADHD és autizmus esetén az arány az egyenlőség felé mozdul (50% és 45% nő, szemben a 38%-kal és 25%-kal).

A nők aránya (%). Modellek: az 54 modell átlaga (mindegyik a 4 nyelv × 50 mintavétel átlaga). > ref.: a referenciaértéknél nagyobb értéket adó modellek. p: Wilcoxon-féle előjeles rangpróba a referenciaértékhez viszonyítva.

A 2360 modell–nyelv–állapot cella 54%-ában az 50 mintavétel legalább 95%-a azonos nemű, 40%-ában pedig mindegyik ilyen, még 0,9-es hőmérsékleten is.

A nevek ugyanígy ismétlődnek. Az angol nyelvű nőknél a Maya az esetek 34%-ában, a férfiaknál a Marcus 28%-ában szerepel; a lengyel nőknél az Anna 37%-ban, a férfiaknál a Marek 38%-ban; a spanyol nőknél a Lucía 37%-ban. A foglalkozások sztereotípiákat követnek: borderline PD, depresszió és szorongás esetén női grafikus, nárcisztikus PD esetén férfi vállalati jogász, antiszociális PD esetén használt autókat értékesítő férfi, autizmus esetén pedig férfi szoftverfejlesztő.

Az újabb modelleknél nem csökken a referenciától való eltérés, hanem kissé nő (Spearman ρ = 0,36, p = 0,013, 47 API-modell). A referenciához legközelebb álló modellek a Qwen 2.5 72B, a GPT-5.4 és a GPT-4o mini voltak; a legtávolabb a Gemini 3.1 Pro, a GPT-6 Sol és a GPT-6 Luna. A Gemini 3.1 Pro alapértelmezése eltér a legtöbb modellétől: depresszió, szociális szorongás és PTSD esetén többnyire férfiakat jelenít meg, ADHD és autizmus esetén egyáltalán nem jelenít meg nőket, borderline PD esetén viszont 100%-ban nőket. A férfi alapértelmezés másfajta elfogultság, nem kisebb elfogultság.

Az OpenAI-sorozaton belül a személyiségzavarokhoz társított alapértelmezések egymást követő kiadások között váltakoznak, ami arra utal, hogy az utólagos tanítás melléktermékei, nem pedig stabil tulajdonságok. Az amerikai, kínai és európai fejlesztők közötti különbségek csekélyek. A hét helyi modell nem teljesített rosszabbul az API-modelleknél; a lengyel PLLuM 12B a referenciához legközelebb álló modellek között volt, a Bielik 11B pedig az egyetlen modell volt, amely az antiszociális PD esetén megfelelt a referenciaértéknek.

• Klinikai oktatási anyagokhoz. Az a képzésben részt vevő szakember, aki borderline PD esetén csak nőkkel, antiszociális PD esetén pedig csak férfiakkal találkozik, az epidemiológiai adatok által alátámasztottnál erősebb előzetes várakozást alakíthat ki, éppen azokban az állapotokban, ahol dokumentált probléma a nők túlzott diagnosztizálása (borderline) és aluldiagnosztizálása (autizmus, ADHD).
• Mindenkinek, aki szintetikus betegeket vagy tesztkészleteket állít elő. A modellre bízás helyett explicit módon állítsák be a nemet és más demográfiai jellemzőket egy célzott eloszlás alapján, és ellenőrizzék, hogy a generált kohorszok megfelelnek-e a referenciaarányoknak.
• Modellválasztáshoz. A mintánkban sem a modell kora, sem a fejlesztő régiója, sem a mérete, sem a helyi futtatás nem jelezte előre az elfogultságot, és az kiadásonként változott. Mérjék meg az alkalmazni kívánt modell minden verzióját.

• Egyetlen promptminta. Az eredmények a rendszerszintű prompt és klinikai kontextus nélküli rövid kérésre adott alapértelmezett viselkedést írják le; az éles alkalmazások eltérhetnek.
• Hozzávetőleges referenciaértékek. A nemek aránya országonként, ellátási környezetenként és diagnosztikai gyakorlatonként eltér; a borderline PD klinikai mintákban a nők körében gyakoribb, de közösségi felmérésekben közelebb áll az egyenlő arányhoz.
• Fordítás és nyelvtani nem. A zavarok nevét mi fordítottuk le; a kifejezések nyelvenként eltérő jelentésárnyalatokat hordozhatnak.
• API-irányítás. A modellt különböző szolgáltatók üzemeltethetik; minden hívás szolgáltatója rögzítve van az adatkészletben.
• Bináris elemzés a női/férfi válaszok alapján; a többi választ külön közöljük. Az elemzés szabályalapú, és modellenként ellenőriztük.

Mi található a ZIP-ben

• paper/: a tanulmány PDF formátumban
• data/responses.csv és .parquet: minden válasz a modellel, a nyelvvel, az állapottal, a nyers szöveggel, valamint a kinyert névvel, nemmel, életkorral és foglalkozással
• data/prompts.csv, models.csv, reference_share_female.csv, summary_model_language_condition.csv
• code/: adatgyűjtési, elemzési és feldolgozó szkriptek
• figures/: az oldal ábrái
• README.md: az adatkészlet leírása. Licenc: CC BY 4.0.

Hivatkozás módja

@misc{glowacki2026genderbias,
  title  = {Language Models Know Which Way Mental Disorders Skew by Sex, and Exaggerate It: A 54-Model, Four-Language Audit},
  author = {G{\l}owacki, Bart{\l}omiej and G{\l}owacka, Joanna and Cylwik, Ewa and G{\l}owacki, Bohdan},
  year   = {2026},
  note   = {Preprint, AITHENTICA P.S.A. / Therapy Support. Dataset: doi:10.5281/zenodo.23676720},
  url    = {https://aitherapy.support/research/llm-gender-bias-mental-health/}
}