Este preprint estudia si personas sintéticas construidas a partir de valores culturales producen respuestas que conservan estructura en el mapa de Inglehart–Welzel, se aproximan a distribuciones humanas del World Values Survey (WVS) y muestran patrones interpretables en Moral Foundations Theory. Esta revisión se basa en arXiv v2, revisado el 3 de junio de 2026, un PDF de 25 páginas que continúa marcado «Under Review»; no se encontró una publicación revisada por pares ni un repositorio oficial con código o datos.
Los autores definen diez variables categóricas derivadas de WVS-7: religiosidad, valores de crianza, aceptabilidad moral, confianza social, participación política, orgullo nacional, felicidad, igualdad de género, orientación materialista y tolerancia a la diversidad. El producto cartesiano de sus niveles genera 93.312 configuraciones. GPT-OSS-20B recibe una configuración y redacta una persona de 250–500 palabras con nombre, edad, género opcional, ocupación, país o región, biografía y una explicación explícita de cómo se manifiesta cada variable. El prompt prohíbe contradicciones y exige vincular cada frase del mapa cultural con la condición recibida. Por tanto, el corpus no es una muestra de personas o culturas observadas: es una enumeración equiprobable y diseñada de combinaciones, algunas raras o sociológicamente inverosímiles. Los propios metadatos generados están muy concentrados: 67,743 % de edades entre 30–39, 31,003 % entre 40–49, predominio de Norteamérica y Europa y 21,37 % de ocupaciones en educación y academia.
Para RQ1, el mismo modelo adopta cada persona y responde diez indicadores IVS/WVS usados para calcular coordenadas del mapa Inglehart–Welzel. Las 93.312 posiciones forman una nube sin clústeres claros. El método previsto de teselación de Voronoi se sustituye en resultados por una cuadrícula regular de lado 1; FPClose encuentra 735 itemsets cerrados en 111 celdas no vacías. Aparecen asociaciones espaciales entre felicidad, confianza, orgullo nacional, crianza, tolerancia y aceptabilidad moral. Es una descripción útil de la geometría inducida por el pipeline, pero la persona ya contiene de forma explícita las mismas variables que después se preguntan: el análisis mide sobre todo transmisión y coherencia interna del condicionamiento, no recuperación independiente de culturas humanas.
Para RQ2, GPT-OSS-20B vuelve a adoptar cada perfil, se autoasigna continente, entorno urbano/rural y educación, y responde 36 preguntas de WVB-Probe. Se comparan sus distribuciones con referencias humanas por triple demográfico mediante EMD. Entran 92.710 personas y 45 de 46 grupos. El artículo informa 1−EMD de 0,790 sin ponderar y 0,809 ponderado por el tamaño de los grupos sintéticos; 90,12 % y 94,25 % de las comparaciones, respectivamente, quedan por debajo de EMD 0,4, pero solo 56,96 % y 59,06 % quedan por debajo de 0,2. La cobertura es extremadamente desigual: Europa–urbano–terciario aporta 32.716 personas; junto con Norteamérica–urbano–terciario y Asia–urbano–terciario concentra 60.568 de 92.710 casos (65,3 %), mientras 13 grupos tienen menos de 100 personas y uno solo una. Las ponderaciones representan la demografía que inventa el modelo, no prevalencias humanas.
Para RQ3 se comparan dos representaciones morales igualmente sintéticas. La primera promedia las 36 respuestas MFQ-2 que GPT-OSS produce al representar a cada persona. La segunda asigna a los 32 valores culturales puntuaciones en seis fundamentos morales mediante un LLM «oráculo» y agrega los valores presentes en cada configuración. Se prueban Gemini 3 Pro, GPT-5.2, Claude Sonnet 4.5 y el modelo base, pero se elige Gemini 3 Pro porque genera más varianza; los demás dan puntuaciones cercanas a 2–3. Después, una selección greedy con corrección lineal busca subconjuntos de variables que aproximen las puntuaciones MFQ de GPT-OSS. Encuentra conjuntos estables y compactos para Lealtad, Autoridad y Pureza, orgullo nacional, religiosidad y otras variables afines, mientras Cuidado, Igualdad y Proporcionalidad muestran menos diferenciación. No hay respuestas humanas MFQ-2 que actúen como criterio externo: se alinea una construcción de un LLM con otra construcción de LLM y se selecciona post hoc el oráculo más variable.
Como comprobación entre modelos, Qwen3.5-9B se ejecuta sobre 300 configuraciones muestreadas uniformemente del espacio IW, con tres runs por configuración. El 57,33 % de los pares Qwen–GPT-OSS queda a distancia IW entre 0 y 1 y el 91,66 % entre 0 y 2; los mapas morales conservan cualitativamente más diferenciación en fundamentos vinculantes que individualizantes. El artículo no aporta correlaciones, intervalos, baseline nulo ni un umbral justificado para interpretar esas distancias, y la comparación moral se apoya principalmente en mapas visuales.
La contribución defendible es un marco exploratorio, transparente en sus prompts y explícito sobre varias limitaciones, para auditar qué estructura cultural y moral genera un LLM bajo condicionamiento controlado. Sus resultados respaldan coherencia y patrones distribucionales a nivel agregado dentro de ese sistema. No demuestran que las personas sean culturalmente auténticas, que representen individuos, países o grupos reales, ni que las respuestas morales sean válidas psicológica o interculturalmente. Sin artefactos, código, semillas, revisiones exactas de modelos y salidas publicadas, los cálculos y la reproducibilidad no pueden auditarse de extremo a extremo.