El trabajo aplica PLS-SEM a respuestas de un cuestionario de trece ítems del Modelo de Aceptación Tecnológica sobre recomendaciones de Amazon. Compara 500 cuestionarios por cada uno de cuatro endpoints, GPT-3.5-turbo, GPT-4o, LLaMA-2-13B-chat y LLaMA-3-8B-instruct, con 248 participantes de Mechanical Turk, e informa que casi todos cumplen umbrales de validez convergente y discriminante y que los modelos nuevos producen estructuras más parecidas a las humanas. Sin embargo, cada fila sintética comienza con una respuesta 1-7 impuesta al azar y el modelo completa los otros doce ítems viendo el historial acumulado: una intervención que induce coherencia y no equivale al procedimiento humano. La llamada validez predictiva es R² dentro del mismo cuestionario y la externa se reduce a que dos rutas tengan signo positivo. No se publican prompts, respuestas, datos humanos, código ni proyectos SmartPLS. Además, las tablas no son internamente reproducibles: la fiabilidad compuesta de intención de compra de LLaMA-2 es aproximadamente 0,689 y no 0,90 con las cargas publicadas, ninguna de las quince diagonales Fornell-Larcker coincide con la raíz de su AVE y varios R² no se derivan de los coeficientes y correlaciones mostrados. Debe leerse como un caso de estudio HICSS sobre covarianza en completados secuenciales anclados al azar, no como prueba de actitudes latentes, equivalencia humana o razonamiento psicológico general.
Pregunta de investigación
¿Producen cuatro LLM estructuras de respuesta al Modelo de Aceptación Tecnológica que satisfacen determinados criterios PLS-SEM de validez convergente, discriminante y estructural, y parecen más próximas a las respuestas humanas en generaciones más nuevas?