Ten Novel Phenomena in Machine Psychology: How Large Language Models Exhibit Complex Identity-Reactive Behaviors in Response to Ethnically-Cued User Names

A 3x3x5x3 design with ChatGPT-5.4, Claude 4.6 Sonnet, and Gemini 3.1 Pro; three names, five domains, and three registers produce 135 responses through public interfaces. Grounded theory generates ten phenomena; a second coder reviews the corpus. A 136-feature pipeline applies ANOVA, chi-square, regression, a 1,000-bootstrap, K-means, and HDBSCAN.

135 responses collected in 27 sessions between 26 and 30/04/2026. Each ethnic group is represented by one name and no participants from those groups are included. No explicit negative racial bias was coded. The Middle Eastern name triggered cultural inference in 6 of 9 cases; the other two triggered 0 of 18. Phenomenon classifiers reported F1 from .847 to .974. K-means and HDBSCAN mainly recovered experimental domains.

One name per group confounds ethnicity with the specific name and tokens. There are no stochastic repetitions per prompt. Public interfaces hide parameters and change. Automated detectors include features close to the labels they predict. The sample is small, English-only, and exploratory. It does not demonstrate population effects or colorblindness. It does not validate ten independent psychological constructs. It does not attribute differences to architecture or alignment philosophy.

Diseño 3x3x5x3 con ChatGPT-5.4, Claude 4.6 Sonnet y Gemini 3.1 Pro; tres nombres, cinco dominios y tres registros producen 135 respuestas en interfaces públicas. Grounded theory genera diez fenómenos; un segundo codificador revisa el corpus. Una pipeline de 136 features aplica ANOVA, chi-cuadrado, regresión, bootstrap 1.000, K-means y HDBSCAN.

135 respuestas recogidas en 27 sesiones entre 26 y 30/04/2026. Cada grupo étnico está representado por un único nombre y no hay participantes de esos grupos. No se codificaron sesgos raciales negativos explícitos. El nombre Middle Eastern activó inferencia cultural en 6 de 9 casos; los otros dos, 0 de 18. Los clasificadores de fenómenos reportaron F1 entre .847 y .974. K-means y HDBSCAN recuperaron principalmente los dominios experimentales.

Un nombre por grupo confunde etnicidad con token y nombre concreto. No hay repeticiones estocásticas por prompt. Las interfaces públicas ocultan parámetros y cambian. Los detectores automáticos incorporan rasgos próximos a las etiquetas que predicen. La muestra es pequeña, inglesa y exploratoria. No demuestra efectos poblacionales ni colorblindness. No valida diez constructos psicológicos independientes. No atribuye diferencias a arquitectura o filosofía de alineamiento.