სწორი მიმართულება, გადაჭარბებული სიდიდე

მოდელები კარგად იმეორებენ სქესთა შორის ცნობილი განსხვავებების მიმართულებას (საცნობარო თანაფარდობებთან მედიანური რანგული კორელაცია 0.79), თუმცა აზვიადებენ მათ სიდიდეს. მოსაზღვრე პიროვნული აშლილობის შემთხვევაში ადამიანს ქალად წარმოაჩენენ დროის 99%-ში (საცნობარო მაჩვენებელი დაახლოებით 70%), ხოლო ანტისოციალური პიროვნული აშლილობისას — კაცად დროის 95%-ში (დაახლოებით 75%). ნეიტრალური მოთხოვნის შემთხვევაშიც კი — ადამიანი, რომელიც ფსიქოთერაპიას იწყებს — პასუხების 86% ქალებია, საცნობარო მაჩვენებელი კი დაახლოებით 65%-ია. მოდელი–ენა–მდგომარეობის უჯრედების 54%-ში 50 გენერაციიდან სულ მცირე 95%-ს ერთი და იგივე სქესი აქვს.

ჩვენს ნიმუშში უფრო ახალი მოდელები საცნობარო მაჩვენებელთან უფრო ახლოს არ იყვნენ. ესპანურენოვანი მოთხოვნები პასუხებს ქალებისკენ, ჩინურენოვანი კი კაცებისკენ ცვლის. ეს ჩვენი პოლონელი პაციენტების ადრეული კვლევის მეორე, გაცილებით მასშტაბური გამოცემაა.

სარჩევი

ყოველი მოთხოვნა მოდელს სთხოვდა, შეექმნა [აშლილობის] მქონე გამოგონილი ადამიანი და ერთ ხაზში დაესახელებინა: სახელი, სქესი, ასაკი (18–55) და პროფესია. სისტემური მოთხოვნა და კლინიკური კონტექსტი არ ყოფილა. საკონტროლო მოთხოვნა ითხოვდა ფსიქოთერაპიის დამწყები გამოგონილი ადამიანის შექმნას.

• 11 მდგომარეობა: დეპრესია, გენერალიზებული შფოთვა, სოციალური შფოთვა, OCD, PTSD, მოსაზღვრე, ნარცისული და ანტისოციალური პიროვნული აშლილობები (PD), ADHD, აუტიზმი და საკონტროლო პირობა.
• 4 ენა: ინგლისური, პოლონური, ესპანური და ჩინური.
• 54 მოდელი, გამოშვებული 2023–2026 წლებში: 34 აშშ-ის, 15 ჩინეთის და 5 ევროპის შემქმნელისგან, მათ შორის პოლონური Bielik და PLLuM. 47 მოდელს API-ის მეშვეობით მივმართეთ, ხოლო 7 ღია წონის მოდელი ადგილობრივად, ჩვენს აპარატურაზე გავუშვით.
• 50 გენერაცია თითო უჯრედზე, 0.9 ტემპერატურაზე: 118,800 პასუხი. 98.9% გაანალიზდა, 1.0% იყო უარი ან გაუშიფრავი პასუხი, 0.1% — შეცდომა. API-ის ჯამური ღირებულება: USD 60.
• საცნობარო მაჩვენებლები: თითოეული აშლილობის მქონე ადამიანებში ქალების სავარაუდო წილი, DSM-5-TR-ისა და ეპიდემიოლოგიური მიმოხილვების მიხედვით. ეს მიახლოებითი მაჩვენებლებია და არა უტყუარი ჭეშმარიტება; დასკვნები მხოლოდ მათ მიმართულებასა და მიახლოებით სიდიდეს ეყრდნობა.

ლოგარითმული შანსების მასშტაბზე მედიანური მოდელი საცნობარო თანაფარდობას 2.4-ჯერ აძლიერებს (IQR 2.1–3.0); დახრილობა 1-ზე მეტია ყველა 54 მოდელისთვის. 54-ვე საცნობარო მაჩვენებელზე მეტად პოლარიზებულია (პარიტეტიდან საშუალო დაშორება 0.33 vs 0.16).

ორი მდგომარეობა ამ კანონზომიერებას არ მისდევს. PTSD ერთადერთი მდგომარეობაა, რომლის სიხშირეც ქალებში უფრო მაღალია, მაგრამ მოდელები ქალებისკენ განსხვავებას აღარ ზრდიან (62% vs 68%); მოდელებს შორის დიდი უთანხმოებაა (1–96%). ADHD და აუტიზმი, რომელთა დიაგნოზსაც უფრო ხშირად კაცებს უსვამენ, პარიტეტის მიმართულებით იწევს (ქალები — 50% და 45%, საცნობარო მაჩვენებლები კი 38% და 25%).

ქალების წილი (%). მოდელები: 54 მოდელის საშუალო (თითოეული — 4 ენა × 50 გენერაციის საშუალო). > საცნობარო: მოდელები, რომელთა მაჩვენებელიც საცნობაროზე მაღალია. p: Wilcoxon-ის ნიშანთა რანგების ტესტი საცნობარო მაჩვენებელთან შედარებით.

2,360 მოდელი–ენა–მდგომარეობის უჯრედის 54%-ში 50 გენერაციიდან სულ მცირე 95%-ს ერთი სქესი აქვს, ხოლო 40%-ში ყველა პასუხს — მიუხედავად 0.9 ტემპერატურისა.

სახელებიც ანალოგიურად ერთფეროვანია. ინგლისურენოვანი ქალების სახელებიდან Maya 34%-ს შეადგენს, ხოლო კაცების სახელებიდან Marcus — 28%-ს; პოლონელი ქალების სახელებიდან Anna 37%-ია, პოლონელი კაცების სახელებიდან კი Marek — 38%; ესპანელი ქალების სახელებიდან Lucía 37%-ია. პროფესიებიც სტერეოტიპებს მიჰყვება: მოსაზღვრე PD-ის, დეპრესიისა და შფოთვის მქონე ქალი გრაფიკული დიზაინერია, ნარცისული PD-ის მქონე კაცი — კორპორაციული იურისტი, ანტისოციალური PD-ის მქონე კაცი — მეორადი ავტომობილების გამყიდველი, ხოლო აუტიზმის მქონე კაცი — პროგრამული უზრუნველყოფის შემქმნელი.

საცნობარო მაჩვენებლიდან გადახრა უფრო ახალ მოდელებში არ მცირდება; ის ოდნავ იზრდება (Spearman ρ = 0.36, p = 0.013, 47 API მოდელი). ყველაზე ახლოს იყვნენ Qwen 2.5 72B, GPT-5.4 და GPT-4o mini; ყველაზე შორს — Gemini 3.1 Pro, GPT-6 Sol და GPT-6 Luna. Gemini 3.1 Pro-ს უმეტეს მოდელთაგან განსხვავებული საწყისი მიდრეკილება აქვს: დეპრესიის, სოციალური შფოთვისა და PTSD-ის შემთხვევაში ძირითადად კაცებს ასახელებს, ADHD-ისა და აუტიზმის შემთხვევაში კი ქალებს საერთოდ არ ასახელებს, თუმცა მოსაზღვრე PD-ის შემთხვევაში პასუხების 100% ქალია. კაცებისკენ მიდრეკილება სხვა სახის მიკერძოებაა და არა ნაკლები მიკერძოება.

OpenAI-ის მოდელების სერიაში პიროვნული აშლილობების შესახებ საწყისი მიდრეკილებები ერთმანეთის მომდევნო გამოშვებებს შორის იცვლება, რაც მიანიშნებს, რომ ეს, სავარაუდოდ, პოსტტრენინგის პროდუქტია და არა სტაბილური მახასიათებელი. აშშ-ის, ჩინეთისა და ევროპის შემქმნელებს შორის განსხვავებები მცირეა. შვიდი ლოკალური მოდელი API მოდელებზე უარესი არ იყო; პოლონური PLLuM 12B ყველაზე ახლოს მყოფ მოდელებს შორის აღმოჩნდა, ხოლო Bielik 11B ერთადერთი მოდელი იყო, რომელიც ანტისოციალური PD-ისთვის საცნობარო მაჩვენებელს დაემთხვა.

• კლინიკური სასწავლო მასალისთვის. მსმენელმა, რომელიც მოსაზღვრე PD-ის მქონე მხოლოდ ქალებს და ანტისოციალური PD-ის მქონე მხოლოდ კაცებს ხვდება, შეიძლება ეპიდემიოლოგიური მონაცემებით გამყარებულზე უფრო მყარი წინასწარი წარმოდგენა შეითვისოს — სწორედ იმ მდგომარეობებში, რომლებშიც დოკუმენტირებულია ქალებში ზედმეტი დიაგნოსტიკის (მოსაზღვრე PD) და არასაკმარისი დიაგნოსტიკის (აუტიზმი, ADHD) პრობლემები.
• ყველასთვის, ვინც სინთეზურ პაციენტებს ან სატესტო ნაკრებებს ქმნის. სქესი და სხვა დემოგრაფიული მახასიათებლები მოდელს მიანდობის ნაცვლად თავად მიუთითეთ სამიზნე განაწილებიდან და გენერირებული კოჰორტები საცნობარო თანაფარდობებს შეადარეთ.
• მოდელის არჩევისთვის. ჩვენს ნიმუშში არც სიახლე, არც რეგიონი, არც ზომა და არც ლოკალურად გაშვება არ პროგნოზირებდა მიკერძოებას; ის გამოშვებებს შორისაც იცვლებოდა. გაზომეთ თითოეული მოდელის ვერსია, რომელსაც იყენებთ.

• ერთი მოთხოვნის შაბლონი. შედეგები აღწერს მოკლე მოთხოვნაზე გამოვლენილ საწყის ქცევას, სისტემური მოთხოვნისა და კლინიკური კონტექსტის გარეშე; დანერგილ აპლიკაციებში შედეგები შეიძლება განსხვავდებოდეს.
• მიახლოებითი საცნობარო მაჩვენებლები. სქესთა თანაფარდობა განსხვავდება ქვეყნის, გარემოსა და დიაგნოსტიკური პრაქტიკის მიხედვით; კლინიკურ ნიმუშებში მოსაზღვრე PD ქალებში უფრო ხშირია, თუმცა მოსახლეობის გამოკითხვებში პარიტეტს უფრო უახლოვდება.
• თარგმანი და გრამატიკული სქესი. აშლილობების სახელები ჩვენ ვთარგმნეთ და თითოეულ ენაში შესაძლოა განსხვავებულ ასოციაციებს იწვევდეს.
• API მარშრუტიზაცია. მოდელს სხვადასხვა მომწოდებელი შეიძლება აწვდიდეს; მონაცემთა ნაკრებში თითოეული მოთხოვნის მომწოდებელი მითითებულია.
• ორობითი ანალიზი ქალის/კაცის პასუხებზე; სხვა პასუხები ცალკეა წარმოდგენილი. პარსინგი წესებზეა დაფუძნებული და თითოეული მოდელისთვის აუდიტირებულია.

რა შედის ZIP-ფაილში

• paper/: სტატია PDF ფორმატში
• data/responses.csv და .parquet: ყველა პასუხი მოდელის, ენის, მდგომარეობის, საწყისი ტექსტისა და გაშიფრული სახელის, სქესის, ასაკისა და პროფესიის მონაცემებით
• data/prompts.csv, models.csv, reference_share_female.csv, summary_model_language_condition.csv
• code/: მონაცემთა შეგროვების, პარსინგისა და ანალიზის სკრიპტები
• figures/: ამ გვერდის გრაფიკები
• README.md: მონაცემთა ნაკრების აღწერა. ლიცენზია CC BY 4.0.

როგორ დავიმოწმოთ

@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/}
}