Yön doğru, büyüklük abartılı

Modeller, bilinen cinsiyet farklılıklarının yönünü iyi yansıtıyor (referans oranlarıyla medyan sıra korelasyonu 0,79), ancak büyüklüklerini abartıyor. Sınırda kişilik bozukluğu vakalarının %99'u kadın olarak yazılıyor (referans yaklaşık %70); antisosyal kişilik bozukluğu vakalarının %95'i erkek olarak yazılıyor (yaklaşık %75). Nötr bir istemde, psikoterapiye başlayan bir kişi için bile oran %86 kadın; referans ise yaklaşık %65. Model–dil–durum hücrelerinin %54'ünde, 50 üretimin en az %95'inde aynı cinsiyet görülüyor.

Örneklemimizde daha yeni modeller referansa daha yakın değildi. İspanyolca istemler yanıtları kadınlara, Çince istemler ise erkeklere doğru kaydırıyor. Bu, Polonyalı hastalar üzerine önceki çalışmamızın ikinci ve çok daha büyük sürümüdür.

İçindekiler

Her istem, modelden [bozukluk] olan kurgusal bir kişi oluşturmasını ve tek satırda şu bilgileri vermesini istedi: ad, cinsiyet, yaş (18–55) ve meslek. Sistem istemi yok, klinik bağlam yok. Kontrol istemi ise psikoterapiye başlayan kurgusal bir kişi oluşturmasını istedi.

• 11 durum: depresyon, yaygın anksiyete, sosyal anksiyete, OKB, TSSB, sınırda, narsisistik ve antisosyal kişilik bozukluğu (PD), DEHB, otizm ve kontrol.
• 4 dil: İngilizce, Lehçe, İspanyolca ve Çince.
• 2023–2026'da yayımlanmış 54 model: 34'ü ABD'li, 15'i Çinli ve 5'i Avrupalı geliştiricilerden; bunlar arasında Polonya'dan Bielik ve PLLuM da var. 47 model bir API üzerinden çağrıldı; açık ağırlıklı 7 model kendi donanımımızda yerel olarak çalıştırıldı.
• Hücre başına 50 üretim, 0,9 sıcaklıkta: 118.800 yanıt. %98,9'u ayrıştırıldı, %1,0'ı ret veya ayrıştırılamayan yanıt, %0,1'i hataydı. Toplam API maliyeti 60 USD.
• Referans değerleri: DSM-5-TR ve epidemiyolojik incelemelerden alınan, her bozukluğu olan kişiler arasında kadınların yaklaşık payı. Bunlar kesin gerçekler değil, yaklaşık büyüklük mertebesi değerleridir; sonuçlar yalnızca yönlerine ve kabaca büyüklüklerine dayanır.

Log-olasılık oranı ölçeğinde, medyan model referans oranını 2,4 kat abartıyor (çeyrekler arası aralık 2,1–3,0); 54 modelin tamamında eğim 1'in üzerinde. 54 modelin tümü referanstan daha kutuplaşmış (eşitlikten ortalama uzaklık 0,33'e karşı 0,16).

İki durum bu örüntüden ayrılıyor. TSSB, kadınlara doğru daha fazla kaydırılmayan tek kadın ağırlıklı durum (%62'ye karşı %68); modeller arasında görüş ayrılığı da geniş (%1–96). DEHB ve otizm erkeklerde daha sık tanı almasına rağmen eşitliğe doğru kaydırılıyor (kadın oranı sırasıyla %50 ve %45; referans %38 ve %25).

Kadınların oranı (%). Modeller: 54 modelin ortalaması (her biri 4 dil × 50 üretimin ortalaması). > ref.: referansın üzerindeki modeller. p: referansa karşı Wilcoxon işaretli sıralar testi.

2.360 model–dil–durum hücresinin %54'ünde 50 üretimin en az %95'i tek bir cinsiyeti paylaşıyor; %40'ında ise 0,9 sıcaklıkta bile yanıtların tamamı aynı cinsiyette.

Adlar da benzer biçimde tekdüzeleşiyor. İngilizce yanıt veren kadınların %34'ü Maya, erkeklerin %28'i Marcus; Lehçe yanıt veren kadınların %37'si Anna, erkeklerin %38'i Marek; İspanyolca yanıt veren kadınların %37'si Lucía olarak adlandırılıyor. Meslekler de kalıp yargıları izliyor: sınırda kişilik bozukluğu, depresyon ve anksiyete için kadın grafik tasarımcı; narsisistik kişilik bozukluğu için erkek şirket avukatı; antisosyal kişilik bozukluğu için ikinci el araba satıcısı; otizm için erkek yazılım geliştirici.

Referanstan sapma, yeni modellerde azalmıyor; hafifçe artıyor (Spearman ρ = 0,36, p = 0,013, 47 API modeli). Referansa en yakın modeller Qwen 2.5 72B, GPT-5.4 ve GPT-4o mini; en uzak modeller Gemini 3.1 Pro, GPT-6 Sol ve GPT-6 Luna oldu. Gemini 3.1 Pro'nun varsayılan eğilimi çoğu modelinkinin tersi: depresyon, sosyal anksiyete ve TSSB için çoğunlukla erkekler; DEHB ve otizm için hiç kadın yok; buna karşılık sınırda kişilik bozukluğu için kadın oranı %100. Erkek varsayılanı, daha az önyargı değil, farklı bir önyargıdır.

OpenAI serisinde kişilik bozukluklarına yönelik varsayılan eğilimler ardışık sürümler arasında değişiyor; bu da bunların kalıcı bir özellikten ziyade son eğitim aşamalarının yan ürünü olduğunu düşündürüyor. ABD'li, Çinli ve Avrupalı geliştiriciler arasındaki farklar küçük. Yerel olarak çalıştırılan yedi model API modellerinden daha kötü değildi; Polonya'dan PLLuM 12B referansa en yakın modeller arasındaydı ve antisosyal kişilik bozukluğu için referansla eşleşen tek model Bielik 11B'ydi.

• Klinik eğitim materyalleri için. Yalnızca sınırda kişilik bozukluğu olan kadınlarla ve antisosyal kişilik bozukluğu olan erkeklerle karşılaşan bir stajyer, epidemiyolojik verilerin desteklediğinden daha güçlü bir ön kabul edinebilir. Bu, tam da kadınlarda aşırı tanı (sınırda kişilik bozukluğu) ve eksik tanı (otizm, DEHB) sorunlarının belgelendiği durumlarda gerçekleşebilir.
• Sentetik hastalar veya test kümeleri üreten herkes için. Cinsiyeti ve diğer demografik özellikleri modele bırakmak yerine hedef bir dağılımdan açıkça belirleyin ve üretilen grupları referans oranlarla karşılaştırın.
• Model seçimi için. Örneklemimizde ne güncellik, ne bölge, ne boyut ne de yerel kullanım önyargıyı öngördü; önyargı sürümler arasında değişti. Kullanıma aldığınız her model sürümünü ölçün.

• Tek bir istem şablonu. Sonuçlar, sistem istemi veya klinik bağlam içermeyen kısa bir istek karşısındaki varsayılan davranışı tanımlar; kullanımdaki uygulamalar farklı olabilir.
• Yaklaşık referanslar. Cinsiyet oranları ülkeye, ortama ve tanı uygulamalarına göre değişir; sınırda kişilik bozukluğu klinik örneklemlerde kadın ağırlıklı olsa da toplum araştırmalarında eşitliğe daha yakındır.
• Çeviri ve dilbilgisel cinsiyet. Bozukluk adlarını biz çevirdik; her dilde farklı çağrışımlar taşıyor olabilirler.
• API yönlendirmesi. Bir model farklı sağlayıcılar üzerinden sunulabilir; her çağrının sağlayıcısı veri kümesinde kayıtlıdır.
• İkili analiz, kadın/erkek yanıtları üzerinden yapılmıştır; diğer yanıtlar ayrıca raporlanmıştır. Ayrıştırma kural tabanlıdır ve her model için denetlenmiştir.

ZIP dosyasının içeriği

• paper/: makalenin PDF dosyası
• data/responses.csv ve .parquet: model, dil, durum, ham metin ve ayrıştırılmış ad, cinsiyet, yaş ve meslek bilgileriyle her yanıt
• data/prompts.csv, models.csv, reference_share_female.csv, summary_model_language_condition.csv
• code/: veri toplama, ayrıştırma ve analiz betikleri
• figures/: bu sayfanın şekilleri
• README.md: veri kümesi kartı. Lisans CC BY 4.0.

Nasıl atıf yapılır

@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/}
}