Este preprint propone CBAS, una escala de escenarios para comparar sesgos cognitivos en personas y LLM, y combina similitud representacional (RSA) con análisis de redes (SNA). El texto describe 58 sesgos agrupados en Cálculo, Creencia, Información, Social y Memoria, operacionalizados mediante 72 ítems. Afirma que más de 230 sesgos iniciales fueron revisados y que diez expertos participaron en la selección, pero no publica ningún ítem, opción de respuesta, clave, regla de puntuación, asignación a dimensiones ni versión lingüística. Una muestra de 330 personas de 18–71 años se usa para psicometría y otra de 110 adultos jóvenes y mayores para comparar con ERNIE 3.5 8K, DeepSeek V3 y DeepSeek R1. Los modelos reciben temperatura 0,9, top-p 1,0 y máximo 2.000 tokens. Se reporta alfa global 0,714 y CFA con χ²/df=1,83, RMSEA=0,057, CFI=0,908 y TLI=0,903. Las asociaciones con CRT, DMC y DOI se resumen solo como p<0,05; un clustering RNN alcanza un supuesto acuerdo de 89% con las dimensiones. En la comparación, la variabilidad humana se cifra en SD=16,68 y la de los modelos en 4,95–9,78, sin definir la medida ni las repeticiones. La conectividad media publicada es 0,107 en jóvenes, 0,150 en mayores, 0,055 en ERNIE, 0,036 en DeepSeek V3 y 0,097 en R1. El paper interpreta que jóvenes tienen núcleo de Cálculo, mayores de Social y los modelos núcleos fijos con Información aislada. Dos prompts, rol de científico cognitivo y rol más mitigación explícita, buscan modificar el comportamiento. DeepSeek V3 pasa de 48,65% a 78,24% de accuracy y R1 de 70,43% a 84,86%, según el texto; no se informa ERNIE. Estas cifras no validan todavía CBAS ni una arquitectura cognitiva. Hay una contradicción de versión material: el método dice 72 ítems, pero los ejes de las matrices visibles llegan a Q92/Q93, incluyen grupos como Q90_Q91_Q92 y campos average/unnamed. Las figuras no corresponden de forma demostrable al instrumento descrito. El alfa global tampoco valida cinco subescalas: no se publican alfas por dimensión, omega ni test-retest; para 72 ítems, alfa 0,714 implica una correlación interítem media aproximada de 0,0335. EFA, CFA, IRT, MDS, análisis factorial genético y RNN se enumeran sin cargas, eigenvalues, parámetros, estimador, tratamiento ordinal, residuos, resultados completos ni split de muestras. No se sabe si EFA y CFA reutilizan las mismas 330 personas. All p<0,05 no permite evaluar validez de criterio sin tamaños, direcciones o corrección múltiple, y el 89% RNN carece de target, baseline y validación held-out. La comparación de edad tampoco da cortes, N por grupo, reclutamiento, demografía o ajustes: es transversal y no demuestra adaptación dentro de una persona. El problema central de RSA es de identificabilidad. El método afirma construir para cada participante y modelo una matriz ítem×ítem mediante correlaciones de Pearson entre respuestas. Una respuesta escalar por ítem no basta para correlacionar pares de ítems; hace falta definir observaciones repetidas o vectores de características. No se aclara si las celdas usan participantes, runs, tokens, embeddings u otra dimensión. Para los modelos tampoco se informa número de ejecuciones o semillas pese a temperatura 0,9. Aunque el cálculo fuese correcto, correlacionar outputs conductuales describe similitud de respuesta, no representaciones internas, activaciones o arquitectura. SNA tiene el mismo problema: las correlaciones entre cinco dimensiones de un único modelo requieren una unidad repetida que no se define. Solo se tabulan conectividad y etiquetas cualitativas, no centralidad, densidad e integración anunciadas. El apéndice RSA omite ERNIE; tampoco muestra matrices o redes postintervención. Además, la tabla etiqueta Información como aislada en ERNIE, pero su propia red dibuja varios enlaces no nulos con ese nodo. La accuracy de intervención no tiene respuesta normativa, scorer, denominador, parsing ni resultado separado para rol versus rol+mitigación. Llamar significant al cambio no está respaldado por t, df, p, efecto o intervalo; y el método usa t independiente para un diseño pre/post sobre los mismos modelos e ítems, que es emparejado. La afirmación de reorganización estructural posterior carece de números y figuras. En reproducibilidad y ética, no se publican CBAS, datos, código, prompts completos, outputs o análisis. Los 440 participantes, el cribado de historia cognitiva/neurológica y sus respuestas aparecen sin comité ético, consentimiento, privacidad, compensación o reclutamiento. Tampoco se documenta equivalencia lingüística entre población y modelos chinos. Varias referencias están mal citadas o no se verifican tal como aparecen, incluidas las usadas para justificar RSA en LLM. La contribución útil es la propuesta de evaluar sesgos mediante escenarios y no solo accuracy abstracta; los valores deben leerse como resultados exploratorios comunicados por la autora, no como validación de una escala replicable ni evidencia de mecanismos cognitivos internos.
Pregunta de investigación
¿Puede una escala contextual de 58 sesgos y 72 ítems comparar la estructura de respuestas de jóvenes, mayores y tres LLM chinos, y pueden prompts de rol y mitigación acercar los patrones de los modelos a los humanos?