Cognitive Linguistic Identity Fusion Score (CLIFS): A Scalable Cognition-Informed Approach to Quantifying Identity Fusion from Text

Resumen Técnico: Cognitive Linguistic Identity Fusion Score (CLIFS)

1. El Problema: La dificultad de cuantificar la "Fusión de Identidad"

La fusión de identidad es un fenómeno psicológico donde el "yo" individual se mezcla con una entidad externa (un grupo religioso, una ideología, una marca, etc.), creando un sentido de unidad visceral. Este estado es un motor crítico de comportamientos humanos extremos, que van desde la cohesión social y el altruismo hasta la radicalización y la violencia.

El problema central que aborda el estudio es que las medidas actuales para cuantificar este fenómeno son:

• Subjetivas y manuales: Dependen de encuestas autoinformadas (como la escala VIFS) o de la codificación cualitativa de expertos.
• No escalables: No permiten analizar grandes volúmenes de datos históricos o flujos masivos de redes sociales en tiempo real.
• Limitadas: Los métodos automatizados previos (como el índice UAI) tienen una correlación débil con las medidas psicológicas estándar.

2. Metodología: El enfoque CLIFS

Los autores proponen el Cognitive Linguistic Identity Fusion Score (CLIFS), una métrica automatizada que utiliza el procesamiento de lenguaje natural (NLP) y modelos de lenguaje de gran tamaño (LLMs) para detectar la fusión a través del lenguaje.

El núcleo técnico se basa en la detección de metáforas implícitas:
La hipótesis es que las personas con alta fusión utilizan metáforas de forma subconsciente para intercambiar conceptos de su "yo" con su "objetivo de fusión". El método utiliza:

• Modelos de Lenguaje Enmascarados (Masked-LM): Utilizan ModernBERT para enmascarar términos de identidad (ej. "yo", "mi") y medir la probabilidad de que el modelo prediga términos del objetivo de fusión (ej. "patria", "religión") en su lugar.
• Métricas de Proximidad Direccional: Calculan la probabilidad de sustitución en dos direcciones ($SI \to T$ y $ST \to I$) para capturar la reciprocidad de la fusión, combinándolas mediante una media armónica.
• Métrica de Parentesco Ficticio ($K_f$): Mide qué tan cerca están los términos de parentesco (familia, sangre, hermanos) de los términos del objetivo de fusión, reflejando el vínculo emocional.
• Arquitectura de Ensamblado (Ensemble): El sistema integra estas métricas lingüísticas con embeddings de SBERT y probabilidades de clasificación de un modelo ModernBERT finamente ajustado, procesados finalmente mediante un clasificador Random Forest.
• Aumentación de Datos: Para mitigar la escasez de datos, emplearon traducción de ida y vuelta (RTT) y generación de texto mediante GPT-4o.

3. Contribuciones Clave

1. Nueva Tarea de NLP: Definen y formalizan la tarea de predecir el nivel de fusión de identidad a partir de texto libre.
2. Métrica Automatizada y Escalable: Un método que no requiere contacto directo con sujetos y que es altamente alineado con las escalas psicológicas validadas.
3. Detección de Metáforas Implícitas: Un enfoque innovador que utiliza la arquitectura de los transformadores para extraer constructos psicológicos subconscientes.
4. Validación en Tareas de Riesgo: Demuestran que la métrica tiene utilidad práctica en la predicción de riesgos de violencia.

4. Resultados Principales

• Precisión en la Predicción de Fusión: CLIFS superó a los métodos automatizados existentes con mejoras de entre el 6% y el 154% en clasificación. Además, superó la anotación humana en un 11-22% en términos de F1-score.
• Correlación con Escalas Psicológicas: En tareas de regresión, CLIFS logró una correlación de Spearman ($r_s$) de 0.633, lo que representa un aumento masivo (hasta 419%) respecto a métodos previos como el UAI.
• Aplicación en Riesgo de Violencia: Al integrar CLIFS en el Índice de Riesgo de Violencia (VRI), la capacidad de clasificación de textos ideológicos mejoró en más de un 240%.
• Eficiencia: El modelo Random Forest de CLIFS es computacionalmente eficiente y puede ejecutarse localmente, lo cual es vital para la privacidad de los datos.

5. Significancia e Impacto

Este trabajo marca un avance significativo en la intersección de la psicología cognitiva y la ciencia de datos. Su importancia radica en:

• Seguridad y Contraterrorismo: Permite la evaluación de riesgos de violencia y radicalización a gran escala de manera más precisa.
• Análisis Cultural y Social: Abre la puerta a estudios longitudinales sobre cómo cambian las identidades colectivas en las poblaciones a lo largo del tiempo.
• Ciencia de la Cognición: Proporciona una herramienta para validar teorías sobre cómo el lenguaje refleja la estructura de la identidad humana.

Limitaciones señaladas: Los autores advierten sobre posibles sesgos culturales (entrenado principalmente en inglés de EE. UU.) y enfatizan que la herramienta debe aumentar, no reemplazar, el juicio humano en contextos de alta sensibilidad.