Este estudio examina si la segmentación de audiencias puede conservar mejor la heterogeneidad al simular opiniones sociales con LLM. Parte de 594 participantes de Estados Unidos reclutados en Prolific en octubre de 2025, con cuotas alineadas con el censo en género, edad y región, y los agrupa en seis segmentos climáticos SASSY: Alarmed, Concerned, Cautious, Disengaged, Doubtful y Dismissive. Es una muestra no probabilística con cuotas, no una muestra nacional representativa; no se publican pesos, tasa de respuesta, composición completa ni tamaños de los segmentos. Llama 3.1-70B y Mixtral 8x22B responden tres escalas Likert de siete puntos sobre si el cambio climático resulta agradable/desagradable, favorable/desfavorable y positivo/negativo. Se comparan seis configuraciones: cinco datos demográficos; esos datos más 59 o 15 identificadores teóricos; 15 predictores elegidos por gradient boosting; los 15 ítems SASSY; y sus cuatro ítems de segmentación. La evaluación separa fidelidad distribucional, estructural y una dimensión denominada predictiva. El resultado central es matizado: ninguna configuración gana en todo y añadir más variables no mejora de forma monotónica. Frente al promedio de KL 4,65 del perfil demográfico, Theory-15 baja a 1,10 y Theory-59 queda en 2,76, pero F1 y MAE apenas cambian. Item-15 obtiene el menor KL medio, 0,47, y la variación intragrupo más próxima a la humana, SD 0,99 y CV 0,54 frente a 1,19 y 0,53. Data-driven se acerca más a la separación entre grupos: nEMD medio 0,18 frente al benchmark humano 0,19, aunque la cifra depende de Mixtral, 0,25, mientras Llama queda en 0,11. Todas las configuraciones conservan sobre-regularización o geometrías inestables. La supuesta fidelidad predictiva es el promedio de asociaciones Cramér V entre identificadores y solo tres resultados; no es predicción fuera de muestra ni evidencia causal. Además, Item-4 e Item-15 introducen actitudes climáticas para predecir otras tres actitudes climáticas muy próximas del mismo cuestionario, de modo que su ventaja puede reflejar proxies cercanos al objetivo y no heterogeneidad general. La selección Data-driven tampoco informa split, validación cruzada ni holdout, por lo que no establece rendimiento fuera de muestra. Los dos modelos se escogieron tras comparar otros candidatos parcialmente por consistencia de persona y diversidad, propiedades afines al resultado posterior; no se publica ese benchmark y existe sesgo de selección favorable. Faltan número exacto de generaciones, semillas, checkpoints, motor, reintentos, fallos de parseo y definiciones reproducibles de KL, nEMD y las métricas de clasificación. No hay intervalos, bootstrap, tests ni replicaciones estocásticas. El CV es discutible en Likert porque depende del cero arbitrario, y MDS/Procrustes sobre solo seis grupos carece de estrés o estabilidad. El problema documental más grave es que el texto remite repetidamente al Apéndice A y a las Tablas A1-A10 para preguntas, identificadores, prompts y resultados completos, pero el PDF de 43 páginas termina tras las referencias y el fuente arXiv termina en la bibliografía sin apéndice. Tampoco se localizó repositorio, dataset, código, outputs o suplemento oficial. El trabajo aporta un marco multidimensional útil y evidencia descriptiva de que la elección de variables importa, pero no demuestra que la segmentación restaure en general la heterogeneidad humana ni permite reproducir exactamente sus resultados.
Pregunta de investigación
¿Puede la segmentación de audiencias reducir la homogeneización de las simulaciones sociales con LLM, y cómo cambian la fidelidad distribucional, estructural y de asociaciones al variar granularidad, parsimonia y lógica de selección de los identificadores?