Este preprint estudia si descripciones explícitas de personalidad cambian el lenguaje estereotípico de género en artefactos profesionales en inglés e hindi. Cruza seis LLM, 50 ocupaciones de India, dos idiomas, género de persona y 18 condiciones de rasgo, niveles alto y bajo de seis dimensiones HEXACO y tres Dark Triad, más baselines sin personalidad. La medida incrusta cada frase con IndicSBERT y resta su similitud a centroides estereotípicos femenino y masculino; cada historia recibe la puntuación firmada de su frase con máximo sesgo absoluto. Los resultados publicados asocian Maquiavelismo y Psicopatía con desplazamientos masculinos positivos, Narcisismo con uno menor, y HEXACO con un patrón heterogéneo: Honestidad-Humildad, Amabilidad y Responsabilidad también aumentan la alineación masculina, mientras Apertura y Emocionalidad la reducen y Extraversión no muestra efecto significativo. El hindi presenta un baseline más masculino en cinco de seis modelos, pero la modulación por personalidad es mayor en inglés. Tres anotadores juzgan como más estereotipada la historia condicionada en el 66% de 50 pares ingleses y el 72% de 50 pares hindi. La auditoría confirma exactamente 23.400 filas públicas, pero no 23.400 historias válidas y distintas: hay 17 textos vacíos y 126 duplicados excedentes en 45 grupos que reutilizan relatos entre condiciones; un relato aparece 19 veces y algunas filas femeninas conservan pronombres masculinos. El código anónimo devuelve 401 y los datos no incluyen puntuaciones, embeddings, regresiones ni anotaciones. La métrica depende de léxicos estereotípicos traducidos, un único encoder y la frase extrema; la media cambia de dirección frente al máximo en el 12,8% de historias. La regresión no publica tabla completa, errores, p-valores exactos, R² ni diagnóstico, y la Tabla 18 ejecuta 216 t-tests sin corrección. Por tanto, la conclusión fiel es que las descripciones de rasgo se asocian con cambios en una medida concreta de estereotipo bajo este diseño factorial; no que Dark Triad sea universalmente más sesgada que HEXACO, que los rasgos prosociales atenúen en general, ni que idioma, cultura, gramática o escala del modelo causen las diferencias.
Pregunta de investigación
¿Cómo se asocian las descripciones HEXACO y Dark Triad con la dirección y magnitud de una medida de estereotipo de género en artefactos profesionales generados por seis LLM en inglés e hindi, y cómo interactúan con género, ocupación, idioma y modelo?