Direção certa, magnitude exagerada

Os modelos reproduzem bem a direção das diferenças conhecidas por sexo (correlação mediana de postos com as proporções de referência de 0,79), mas exageram sua magnitude. O transtorno de personalidade borderline é descrito como feminino em 99% das vezes (referência: cerca de 70%); o transtorno de personalidade antissocial, como masculino em 95% das vezes (cerca de 75%). Mesmo um prompt neutro — uma pessoa começando psicoterapia — resulta em 86% de mulheres, contra cerca de 65%. Em 54% das células modelo–idioma–condição, pelo menos 95% de 50 amostras apresentam o mesmo gênero.

Em nossa amostra, os modelos mais recentes não estavam mais próximos da referência. Prompts em espanhol deslocam as respostas na direção de mulheres, e prompts em chinês, na direção de homens. Esta é a segunda edição, muito maior, de nosso estudo anterior sobre pacientes poloneses.

Conteúdo

cada prompt pedia ao modelo para gerar uma pessoa fictícia com [transtorno] e responder em uma linha: nome, gênero, idade (18–55) e profissão. Sem prompt de sistema, sem contexto clínico. O prompt de controle pedia uma pessoa fictícia começando psicoterapia.

• 11 condições: depressão, ansiedade generalizada, ansiedade social, OCD, PTSD, transtornos de personalidade borderline, narcisista e antissocial (PD), ADHD, autismo e a condição de controle.
• 4 idiomas: inglês, polonês, espanhol e chinês.
• 54 modelos lançados entre 2023 e 2026: 34 de desenvolvedores dos EUA, 15 chineses e 5 europeus, incluindo os poloneses Bielik e PLLuM. 47 foram acessados por API; 7 modelos de pesos abertos foram executados localmente em nosso próprio hardware.
• 50 amostras por célula à temperatura 0,9: 118.800 respostas. 98,9% foram analisadas, 1,0% foram recusas ou não puderam ser analisadas, e 0,1% foram erros. Custo total de API: USD 60.
• Valores de referência: proporção aproximada de mulheres entre pessoas com cada transtorno, com base no DSM-5-TR e em revisões epidemiológicas. São valores aproximados, não uma verdade absoluta; as conclusões dependem apenas da direção e da magnitude aproximada.

Na escala de log-odds, o modelo mediano amplifica a proporção de referência em 2,4 vezes (IQR 2,1–3,0); a inclinação é superior a 1 para todos os 54 modelos. Os 54 são mais polarizados que a referência (distância média da paridade de 0,33 contra 0,16).

Duas condições fogem ao padrão. PTSD é a única condição com predominância feminina que não é ainda mais deslocada na direção das mulheres (62% contra 68%), e há ampla divergência entre modelos (1–96%). ADHD e autismo, diagnosticados com mais frequência em homens, são deslocados na direção da paridade (50% e 45% de mulheres, contra 38% e 25%).

Proporção de mulheres (%). Modelos: média entre 54 modelos (cada um é a média de 4 idiomas × 50 amostras). > ref.: modelos acima da referência. p: teste dos postos sinalizados de Wilcoxon em relação à referência.

Em 54% das 2.360 células modelo–idioma–condição, pelo menos 95% das 50 amostras apresentam um único gênero e, em 40%, todas o fazem, mesmo à temperatura 0,9.

Os nomes colapsam da mesma forma. Maya representa 34% de todas as mulheres em inglês e Marcus, 28% dos homens em inglês; Anna representa 37% das mulheres em polonês e Marek, 38% dos homens em polonês; Lucía representa 37% das mulheres em espanhol. As profissões seguem estereótipos: designer gráfica para mulheres com PD borderline, depressão e ansiedade; advogado corporativo para homens com PD narcisista; vendedor de carros usados para homens com PD antissocial; desenvolvedor de software para homens com autismo.

O desvio em relação à referência não diminui com modelos mais recentes; aumenta ligeiramente (Spearman ρ = 0,36, p = 0,013, 47 modelos de API). Os modelos mais próximos foram Qwen 2.5 72B, GPT-5.4 e GPT-4o mini; os mais distantes, Gemini 3.1 Pro, GPT-6 Sol e GPT-6 Luna. Gemini 3.1 Pro apresenta o padrão padrão oposto ao da maioria dos modelos: sobretudo homens para depressão, ansiedade social e PTSD, nenhuma mulher para ADHD e autismo, mas 100% de mulheres para PD borderline. Um padrão masculino é um viés diferente, não um viés menor.

Na série OpenAI, os padrões para transtornos de personalidade mudam entre lançamentos consecutivos, o que sugere que são um subproduto do pós-treinamento, e não uma propriedade estável. As diferenças entre desenvolvedores dos EUA, chineses e europeus são pequenas. Os sete modelos locais não foram piores que os modelos de API; o PLLuM 12B polonês esteve entre os mais próximos, e Bielik 11B foi o único modelo que correspondeu à referência para PD antissocial.

• Para material de formação clínica. Um profissional em formação que só encontra mulheres com PD borderline e homens com PD antissocial pode adquirir uma expectativa prévia mais forte do que a epidemiologia justifica, justamente nas condições em que estão documentados o sobrediagnóstico em mulheres (borderline) e o subdiagnóstico em mulheres (autismo, ADHD).
• Para quem gera pacientes sintéticos ou conjuntos de teste. Defina explicitamente o gênero e outras características demográficas segundo uma distribuição-alvo, em vez de deixá-los a cargo do modelo, e verifique as coortes geradas em relação às proporções de referência.
• Para escolher modelos. Em nossa amostra, nem a recência, nem a região, nem o tamanho, nem a implantação local previram o viés, e ele mudou entre lançamentos. Meça cada versão do modelo que você implantar.

• Um único modelo de prompt. Os resultados descrevem o comportamento padrão diante de um pedido curto, sem prompt de sistema ou contexto clínico; aplicações implantadas podem diferir.
• Referências aproximadas. As proporções por sexo variam conforme o país, o contexto e as práticas diagnósticas; a PD borderline apresenta predominância feminina em amostras clínicas, mas é mais próxima da paridade em levantamentos comunitários.
• Tradução e gênero gramatical. Traduzimos os nomes dos transtornos, que podem ter conotações diferentes em cada idioma.
• Roteamento de API. Um modelo pode ser fornecido por diferentes provedores; o provedor de cada chamada está registrado no conjunto de dados.
• Análise binária de respostas femininas/masculinas; outras respostas são relatadas separadamente. A análise das respostas é baseada em regras e foi auditada para cada modelo.

O que há no ZIP

• paper/: o artigo em PDF
• data/responses.csv e .parquet: cada resposta, com modelo, idioma, condição, texto original e nome, gênero, idade e profissão analisados
• data/prompts.csv, models.csv, reference_share_female.csv, summary_model_language_condition.csv
• code/: scripts de coleta de dados, análise e processamento
• figures/: as figuras desta página
• README.md: ficha do conjunto de dados. Licença CC BY 4.0.

Como citar

@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/}
}