💬 NLP

Convergence in Science, Divergence in Religion: Calibrated Framing Differences Across Wikipedia's Language Editions

Este artículo introduce una métrica de distancia de encuadre calibrada para demostrar que, si bien los conceptos científicos se describen con una alta consistencia a través de las ediciones de Wikipedia en diferentes idiomas, los conceptos religiosos exhiben la mayor divergencia, incluso tras considerar las diferencias de alineación de las familias lingüísticas y los sesgos del codificador.

Autores originales: Hung-Hsuan Chen

Publicado 2026-08-25

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Hung-Hsuan Chen

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagine una biblioteca donde cada libro sobre el mismo tema es escrito por un grupo de personas diferente, en un idioma distinto, sin haber consultado jamás entre sí. Esto es Wikipedia. Con ediciones en más de 300 idiomas, se erige como uno de los proyectos colaborativos más grandes de la humanidad, pero sus capítulos no son traducciones de un único texto maestro. En su lugar, un editor turco, un editor coreano y un editor polaco podrían escribir todos sobre la "peregrinación" o la "censura", basándose en sus propias fuentes locales, historias culturales y valores comunitarios. Esto crea una oportunidad única para los investigadores: si observamos cómo estas diferentes comunidades describen la misma idea, ¿podemos ver dónde sus perspectivas convergen y dónde se separan? Esta pregunta se sitúa en la intersección del lenguaje, la cultura y la tecnología. Es importante porque el texto que escribimos hoy a menudo se convierte en los datos de entrenamiento para los sistemas de inteligencia artificial del mañana. Si esos sistemas aprenden de una biblioteca donde la definición de "democracia" o "sacrificio" cambia según el idioma, las máquinas que construyan podrían terminar contando versiones diferentes de la historia a diferentes personas.

Un investigador se propuso medir esta divergencia, no contando cuántos hechos faltan en un idioma frente a otro, sino midiendo qué tan diferente es la forma en que se presentan los mismos hechos. Recopiló 2.799 artículos de veinte idiomas diferentes, cubriendo una amplia gama de temas. Para asegurar que estaba comparando manzanas con manzanas, ancló su estudio a 150 conceptos específicos, tales como "karma", "democracia", "mecánica cuántica" y "refugiado", utilizando una base de datos global para garantizar que cada edición de idioma estuviera discutiendo la misma idea central. También incluyó un conjunto de conceptos neutrales, como elementos químicos y colores básicos, que sirven como grupo de control. El objetivo era ver si la forma en que la gente escribe sobre la religión o la política difiere más de una edición de idioma a otra que la forma en que escriben sobre ciencia establecida.

El investigador enfrentó un obstáculo significativo: las herramientas informáticas utilizadas para comparar textos no son perfectas. Estas herramientas, conocidas como codificadores de oraciones (sentence encoders), traducen palabras en puntos matemáticos en un espacio vasto para medir la similitud. Sin embargo, estas herramientas a veces funcionan mejor para algunos pares de idiomas que para otros. Por ejemplo, la herramienta podría pensar naturalmente que el francés y el español están más cerca que el hindi y el chino, simplemente debido a cómo fue entrenada, y no por una diferencia cultural real. Si el investigador solo hubiera medido la distancia bruta entre los artículos, podría haber confundido estos trucos técnicos con brechas culturales. Para solucionar esto, creó una "distancia calibrada". Primero midió qué tan separados estaban los artículos neutrales y no controvertidos para cada par de idiomas. Esto les dio una línea de base, una especie de punto cero que contabilizaba el sesgo natural de la herramienta. Luego, restó esta línea de base de la distancia de los temas reales que estaba estudiando. Este ajuste eliminó el ruido técnico, dejando solo las diferencias genuinas en cómo las comunidades describían sus temas.

Los resultados revelaron un patrón claro y sorprendente. Cuando se trataba de religión, las diferentes ediciones de idioma eran significamente más divergentes que la línea de base neutral. Conceptos como "sacrificio", "clero" y "mártir" mostraron las brechas más amplias de descripción. Del mismo modo, términos políticamente cargados como "censura" y "refugiado" fueron descritos de manera muy diferente a través de los idiomas. En contraste, los artículos sobre ciencia y tecnología fueron los más alineados. Temas como la "evolución", el "ADN" y la "mecánica cuántica" fueron descritos con una consistencia notable en los veinte idiomas, a menudo incluso más de cerca que los conceptos de control neutrales. Esto sugiere que, mientras el conocimiento científico tiende a converger en un entendimiento global compartido, las narrativas culturales y religiosas permanecen profundamente arraigadas en contextos locales.

El estudio también encontró que esta divergencia no se distribuye uniformemente entre todos los temas políticos. Mientras que la "censura" causó una ruptura, conceptos como "democracia" y "derechos humanos" fueron descritos de manera bastante similar entre los idiomas. Esto indica que la división no es sobre la política en su totalidad, sino sobre ideas específicas y sensibles que tocan las dinámicas de poder local y la identidad. El investigador probó sus hallazgos utilizando tres modelos informáticos diferentes para asegurar que los resultados no fueran un artefacto de una herramienta específica. Aunque el tamaño exacto de las diferencias cambió ligeramente dependiendo del modelo, el orden de clasificación se mantuvo igual: la religión era el dominio más divergente y la ciencia el más alineado.

Uno de los aprendizajes más importantes es que las familias lingüísticas no cuentan toda la historia. Uno podría esperar que los idiomas de la misma familia, como el francés y el español, enmarquen los conceptos de manera más similar que idiomas distantes como el hindi y el chino. Si bien esto fue cierto para los datos brutos, no calibrados, el efecto desapareció en gran medida una vez que el investigador ajustó los sesgos técnicos de las herramientas informáticas. Esto significa que las diferencias en el encuadre no son simplemente una cuestión de herencia lingüística; son elecciones culturales genuinas realizadas por los editores. El estudio también destacó que la comunidad de Wikipedia para el chino es única. Debido a que la versión continental del sitio está bloqueada en China, la edición china analizada en este estudio refleja las perspectivas de los editores en Taiwán, Hong Kong y las comunidades en el extranjero, en lugar de un punto de vista nacional único y unificado.

En última instancia, esta investigación proporciona una nueva forma de mirar la base de conocimiento global. Muestra que, si bien la humanidad está de acuerdo en los hechos del mundo físico, todavía contamos historias muy diferentes sobre nuestras creencias y nuestras luchas. Los datos sugieren que si la inteligencia artificial es entrenada con este material, es probable que herede estas divergencias, ofreciendo potencialmente narrativas históricas o culturales diferentes dependiendo del idioma que hable el usuario. Al calibrar sus mediciones para eliminar el ruido técnico, el investigador ha proporcionado un mapa más claro de dónde residen estas diferencias, separando los artefactos de la máquina de las variaciones genuinas de la cultura humana. El código y los datos de este estudio están ahora disponibles para que otros puedan utilizarlos, asegurando que futuras investigaciones sobre cómo enmarcamos nuestro mundo puedan construirse sobre una base de claridad en lugar de confusión.

Resumen Técnico: Diferencias de Encuadre Calibradas entre las Ediciones de Wikipedia en Diferentes Idiomas

Planteamiento del Problema
Mientras que los estudios computacionales previos de las ediciones multilingües de Wikipedia se han centrado en las brechas de cobertura (es decir, qué hechos o artículos existen en una edición pero no en otra), este artículo aborda la cuestión de la divergencia de encuadre. Específicamente, investiga cómo distintas comunidades lingüísticas describen un mismo concepto cuando los artículos sí existen en múltiples ediciones. El autor postula que las ediciones en distintos idiomas son escritas de forma independiente por distintas comunidades de editores que se nutren de diferentes contextos culturales, lo que potencialmente genera diferencias significativas de encuadre en dominios culturalmente cargados (por ejemplo, religión, política) en comparación con el conocimiento científico consolidado.

Un desafío metodológico crítico identificado es que los codificadores de frases multilingües (por ejemplo, LaBSE, MPNet) no alinean todos los pares de idiomas de manera equitativa. Las distancias de los embeddings brutos entre las versiones lingüísticas de un concepto reflejan tanto diferencias genuinas de contenido como artefactos de la calidad de alineación del codificador. Por ejemplo, el artículo señala que incluso para los "conceptos de calibración" con denotaciones transculturales estables (elementos químicos, números), la distancia media entre pares de idiomas varía por un factor de 3.6 (oscilando entre 0.107 para Persa–Indonesio y 0.389 para Hindi–Chino). Además, las distancias brutas exhiben un sesgo de familia lingüística (menores dentro de las familias, mayores entre ellas). Sin corregir estos artefactos específicos del codificador y de la familia, los análisis corren el riesgo de confundir el ruido de alineación técnica con la divergencia cultural.

Metodología
El estudio analiza 2,79 de artículos válidos derivados de 3,000 observaciones de concepto–idioma. El conjunto de datos abarca:

Conceptos: 150 conceptos en cuatro dominios (Religión, Política, Ciencia/Tecnología, Cultura Pop) con 30 conceptos cada uno, además de un conjunto de calibración de 30 conceptos con carga cultural mínima (elementos químicos, números, colores, animales, clases naturales).
Idiomas: 20 ediciones de idiomas de 15 familias y nueve escrituras, seleccionadas para maximizar la diversidad asegurando al mismo tiempo el soporte del codificador LaBSE.
Extracción de Datos: Se recuperaron las secciones introductorias de los artículos mediante la API de MediaWiki. Se excluyeron los artículos de tipo "esbozo" (stub) y las páginas de desambiguación.

Métrica Central: Distancia Calibrada
El artículo introduce una métrica ajustada por línea base llamada distancia calibrada para aislar la divergencia de encuadre de los artefactos de alineación del codificador.

Distancia Bruta: Para un concepto $c$ en los idiomas $i$ y $j$ , la distancia bruta $d(c, i, j)$ se calcula como $1 - \cos(v_{c,i}, v_{c,j})$ , donde los vectores son embeddings de oraciones de media agrupada por L2-normalización.
Base de Calibración: Para cada par de idiomas $(i, j)$ , se calcula una línea base $b(i, j)$ como la media de la distancia bruta de los 30 conceptos de calibración disponibles en ambos idiomas.
Distancia Calibrada: La métrica final $e(c, i, j)$ se define como:
$e(c, i, j) = d(c, i, j) - b(i, j)$
Un valor positivo indica que el concepto se encuadra de forma más distinta que la línea base neutral; un valor negativo indica que se encuadra de forma más similar.

Pruebas de Significancia
Para asegurar que los resultados no sean artefactos del azar o del muestreo, el autor emplea:

Pruebas de Permutación: Las etiquetas de los dominios se barajan 10,000 veces, recalculando la línea base de calibración en cada iteración para evitar el sesgo de construcción.
Análisis de Bootstrap: Los bootstraps de nodo de concepto y de nodo de idioma evalúan la estabilidad de las clasificaciones frente a variaciones en la selección de conceptos y el muestreo de idiomas.
Pruebas de Mantel: Utilizadas para comparar las estructuras geométricas de las matrices de distancia a través de diferentes dominios.
Robustez del Codificador: El flujo de trabajo se replica utilizando dos codificadores adicionales (MPNet y CMLM) para distinguir las propiedades de los datos de los comportamientos específicos del codificador.

Resultados Clave

Necesidad de la Calibración: Las distancias brutas muestran un fuerte efecto de familia lingüística (0.177 dentro de las familias frente a 0.217 entre familias). Tras la calibración, esta brecha se reduce significativamente (+0.005 dentro frente a +0.001 entre), confirmando que el ajuste de la línea base elimina eficazmente los artefactos de alineación del codificador.
Divergencia a Nivel de Dominio (LaBSE):
- Religión: Significativamente por encima de la línea base de calibración (+0.034, Holm-ajustado $p=0.007$ ).
- Ciencia/Tecnología: Significativamente por debajo de la línea base (−0.024, Holm-ajustado $p=0.030$ ), indicando una mayor alineación que incluso los conceptos neutrales.
- Política y Cultura Pop: No difieren significativamente de la línea base como dominios agregados.
Patrones a Nivel de Concepto:
- Más Divergentes: Términos religiosos rituales e institucionales (sacrificio, clero, mártir, templo) y conceptos políticos específicamente sensibles (censura, refugiado).
- Más Alineados: Conocimiento científico establecido (evolución, ADN, mecánica cuántica) e ideales canónicos (democracia, derechos humanos).
- Matiz Político: Aunque el dominio de "Política" promedia la línea base, la divergencia se concentra en conceptos sensibles específicos (ej. censura), mientras que "democracia" y "derechos humanos" están altamente alineados.
Robustez del Codificador:
- Consistencia de Clasificación: Los tres codificadores (LaBSE, MPNet y CMLM) clasifican consistentemente a la Religión como el dominio más divergente y a la Ciencia/Tecnología como el menos. Las clasificaciones a nivel de concepto se correlacionan fuertemente entre codificadores (Spearman $\rho = 0.75–0.79$ ).
- Discrepancia de Magnitud: La significancia estadística del efecto positivo en la religión es específica de LaBSE. Bajo MPNet y CMLM, el efecto de la religión es positivo pero no estadísticamente significativo. Ciencia/Tecnología permanece significativamente por debajo de la línea base en los tres codificadores.

Significancia y Reivindicaciones
El artículo afirma proporcionar un marco metodológico para medir las diferencias de encuadre translingüísticas que distingue la divergencia de contenido genuina de los artefactos del codificador. Al publicar el código, los datos y las líneas base de calibración por par de idiomas, el autor permite que estudios futuros midan el encuadre sin confundir los problemas de alineación técnica con las diferencias culturales.

Los resultados sugieren que la divergencia enciclopédica no es uniforme entre dominios. En cambio, se concentra en conceptos religiosos culturalmente cargados y en temas políticos sensibles específicos, mientras que el conocimiento científico establecido y los ideales universales permanecen notablemente consistentes entre las ediciones lingüísticas. Esto implica que, para los modelos de lenguaje multilingües entrenados con Wikipedia, las narrativas históricas o culturales condicionadas por el idioma pueden ser más prevalentes en los dominios religioso y político sensible que en el científico. El artículo señala explícamente que estos hallazgos reflejan los orígenes de tales comportamientos en el lado de los datos, distintos de los efectos de post-entrenamiento de los modelos.

Limitaciones Reconocidas
El autor señala que la distancia calibrada es una medida relativa, no una verdad absoluta de terreno. No puede distinguir entre un desacuerdo genuino sobre el significado frente a un énfasis diferente en las facetas de un concepto. Además, la edición "China" refleja una comunidad transnacional (Taiwán, Hong Kong, ultramar) debido a las restricciones de acceso en la RPC, y el estudio se limita a las secciones introductorias. Finalmente, el efecto positivo significativo de la religión depende del codificador (observado solo con LaBSE), lo que sugiere que las magnitudes absolutas no deben generalizarse a través de diferentes modelos de embedding.

Más como este