Evaluación de la personalidad utilizando puntuación generativa de IA zero-shot en textos breves abiertos

La evaluación contemporánea de la personalidad se basa en gran medida en escalas psicométricas, que ofrecen eficiencia pero corren el riesgo de simplificar en exceso la naturaleza rica y contextual de la personalidad. Reconociendo estas limitaciones, este estudio explora el uso de modelos de lenguaje grandes generativos (LLMs) comercialmente disponibles, como ChatGPT, Claude, etc., para evaluar rasgos de personalidad a partir de narrativas cualitativas abiertas. En dos muestras y metodologías distintas (flujos de pensamiento espontáneos y diarios de video diarios), utilizamos LLMs generativos para puntuar los rasgos de personalidad del Big-Five, logrando convergencia con medidas de autoinforme comparable o superior a puntos de referencia establecidos (p. ej., acuerdo autoinforme-otro, evaluación ecológica momentánea, modelos de aprendizaje automático personalizados). Las puntuaciones de rasgos generadas por LLM también demostraron validez predictiva respecto a comportamientos diarios y resultados de salud mental. Este enfoque basado en LLM logró rigor cuantitativo basado en datos cualitativos y es fácilmente accesible sin entrenamiento especializado. De manera importante, nuestros hallazgos también reafirman la ubicuidad de la expresión de la personalidad, ya que se lleva en el flujo de nuestros pensamientos y está entretejida en el tejido de nuestra vida diaria. Estos resultados fomentan una adopción más amplia de LLMs generativos para la evaluación psicológica y — dado la nueva generación de herramientas — subrayan el valor de las narrativas idiográficas como fuentes confiables de información psicológica.