💬 NLP

When AI Speaks, Whose Values Does It Express? A Cross-Cultural Audit of Individualism-Collectivism Bias in Large Language Models

Dit onderzoek toont aan dat vooraanstaande AI-systemen systematisch westers, individualistisch advies geven dat afwijkt van de lokale culturele waarden van gebruikers, met name in landen als Nigeria en India.

Oorspronkelijke auteurs: Pruthvinath Jeripity Venkata

Gepubliceerd 2026-04-27

📖 4 min leestijd☕ Koffiepauze-leesvoer

CC BY 4.0

Oorspronkelijke auteurs: Pruthvinath Jeripity Venkata

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je een wereldwijde reis maakt en overal ter wereld een digitale adviseur hebt die je helpt met je moeilijkste levensvragen. Je vraagt: "Moet ik mijn carrière volgen of luisteren naar mijn ouders?" of "Moet ik trouwen met iemand die mijn familie heeft uitgekozen?"

Je zou verwachten dat deze adviseur zich aanpast aan de cultuur waar je bent. In Japan is de groep vaak belangrijker dan het individu; in Nigeria en India speelt familie een enorme rol. Maar uit een nieuw wetenschappelijk onderzoek blijkt dat deze AI-adviseurs eigenlijk een soort "culturele toeristen met een westerse bril" zijn.

Hier is de uitleg van het onderzoek in begrijpelijke taal:

1. De "Westerse Bril" (Het kernprobleem)

De onderzoekers testten drie grote AI-systemen (zoals die van Google, OpenAI en Anthropic). Ze gaven de AI 840 verschillende dilemma's in 7 verschillende talen, verspreid over 10 landen.

De conclusie? De AI geeft bijna altijd advies dat past bij de westerse cultuur: "Doe wat jíj wilt, volg je eigen hart, denk aan jezelf." Dit noemen we individualisme.

Hoewel de AI heel slim lijkt, gedraagt hij zich als een adviseur die alleen maar boeken uit Amerika en Europa heeft gelezen. Zelfs als je de vraag in het Hindi of het Swahili stelt, blijft de AI pushen op persoonlijke vrijheid, terwijl de mensen in die landen (volgens de statistieken) veel meer waarde hechten aan familie en traditie. Het is alsof je een coach inhuurt die je vertelt dat je je baas moet uitdagen, terwijl je in die specifieke cultuur juist respect en hiërarchie heel belangrijk vindt.

2. De "Stereotype-val" (Het Japan-mysterie)

Er was één vreemde uitzondering: Japan. De AI dacht dat de Japanners heel erg gericht waren op de groep en traditie. Maar uit echt onderzoek onder Japanners blijkt dat zij tegenwoordig juist veel moderner en individueler denken dan de AI denkt.

Dit is een belangrijk punt: de AI geeft geen advies op basis van hoe mensen nu zijn, maar op basis van ouderwetse clichés. De AI is als een opa die denkt dat alle jongeren in Japan nog steeds in traditionele kimono's lopen en alleen maar naar hun ouders luisteren. Hij kijkt naar een verouderd plaatje in plaats van naar de realiteit.

3. Hoe reageert de AI op taal? (De drie persoonlijkheden)

Het onderzoek ontdekte dat de drie grote AI-modellen op een heel verschillende manier reageren als je hun taal verandert:

Claude (De Beleefde Volger): Als je Claude in je eigen taal aanspreekt, wordt hij een stuk "traditioneler" en luistert hij meer naar de cultuur.
Gemini (De Eigenwijze Rebel): Gemini doet precies het tegenovergestelde. Als je in je eigen taal spreekt, wordt hij juist nóg westerser en zegt hij: "Vergeet de traditie, doe wat jij wilt!"
GPT (De Robot met een Label): GPT kijkt niet naar de taal, maar alleen naar het land dat je noemt. Het is alsof je een sticker op een doos plakt; GPT kijkt naar het label "India" en past zijn advies aan, of je nu Engels of Hindi spreekt.

4. Waarom is dit belangrijk? (De conclusie)

Dit is niet zomaar een technisch foutje; het is een groot risico. Als miljarden mensen over de hele wereld AI gaan gebruiken voor hun belangrijkste beslissingen — over hun huwelijk, hun werk of hun gezondheid — en die AI probeert hen allemaal naar een westers model te duwen, dan vindt er een soort "culturele uitvlakking" plaats.

De wereld wordt dan een eenheidsworst waarin de unieke waarden van verschillende culturen langzaam verdwijnen, simpelweg omdat de digitale adviseur die we allemaal gebruiken, niet begrijpt hoe de rest van de wereld echt in elkaar steekt.

Technische Samenvatting: Cross-culturele Audit van Individualisme–Collectivisme Bias in LLM's

1. Probleemstelling

De centrale vraag van dit onderzoek is of grote taalmodellen (LLM's) een universele set waarden hanteren wanneer ze persoonlijk advies geven, of dat ze rekening houden met de culturele context van de gebruiker. Er bestaat een vermoeden dat AI-systemen, getraind op overwegend westerse datasets, een systematische bias vertonen richting individualistische waarden (nadruk op autonomie en persoonlijke keuze) ten koste van collectivistische waarden (nadruk op familieplicht, gemeenschap en autoriteit). Dit kan leiden tot een vorm van "culturele homogenisering", waarbij AI-modellen gebruikers in niet-westerse samenlevingen onbewust richting westerse normen duwen.

2. Methodologie

Het onderzoek hanteert een unieke behavioral scenario auditing-aanpak om sociale wenselijkheid (waarbij modellen "weten" dat ze getest worden op waarden) te vermijden.

Modellen: Er werden drie toonaangevende modellen getest: Claude Sonnet 4.5, GPT-5.4, en Gemini 2.5 Flash (allemaal op temperature = 0 voor reproduceerbaarheid).
Experimenteel Ontwerp (4-condities): Om het effect van taal te scheiden van de culturele identiteit, werden vier scenario's per land getest:
1. C1: Engels (geen land-label).
2. C2: Moedertaal (geen land-label).
3. C3: Moedertaal + expliciet land-label (bijv. "Ik kom uit India").
4. C4: Engels + expliciet land-label.
Dataset: 840 API-aanroepen verspreid over 10 landen op 5 continenten, gebruikmakend van 10 persoonlijke dilemma's (o.a. gearrangeerde huwelijken, carrière vs. ouders, autoriteit op de werkvloer) in 7 verschillende talen.
Grondwaarheid (Ground Truth): De adviezen van de AI werden vergeleken met de World Values Survey (WVS) Wave 7 data, die de werkelijke culturele attitudes in de betreffende landen meet.
Scoring: Twee onafhankelijke LLM-judges (Llama 3.3 70B en DeepSeek-V3) beoordeelden de antwoorden op een schaal van 1–5 op dimensies zoals individualisme-collectivisme, autonomie, autoriteitsontzag en gezinsoriëntatie.

3. Belangrijkste Bijdragen

Gedragsmatige audit: In plaats van directe vragenlijsten te gebruiken, test het onderzoek hoe modellen handelen in realistische dilemma's.
Isolatie van taal vs. label: Het onderzoek legt bloot of een model reageert op de taal die wordt gesproken of op de identiteit die de gebruiker claimt.
Identificatie van stereotypering: Het ontdekt dat AI soms verouderde culturele stereotypen gebruikt in plaats van hedendaagse waarden (het "Japan-effect").

4. Resultaten

Systematische Individualistische Bias: Alle drie de modellen vertoonden een significante bias naar individualisme ( $t = 15.65, p < 0.001$ ). Het gemiddelde advies was ongeveer 0,76 punten individualistischer dan de lokale cultuur aangeeft. De grootste afwijkingen werden gevonden in Nigeria (+1.85) en India (+0.82).
Het Japan-reversal effect: Japan was de enige uitzondering. Waar de WVS aangeeft dat Japan relatief individualistisch is geworden, behandelden de AI-modellen Japanse gebruikers als collectivistisch. Dit wijst op het coderen van verouderde culturele stereotypen in de trainingsdata.
Mechanismen van adaptatie:
- GPT-5.4 is "label-gedreven": het reageert op de genoemde landnaam, ongeacht de taal.
- Claude wordt collectivistischer wanneer de prompt in de moedertaal is.
- Gemini wordt juist individualistischer bij gebruik van de moedertaal.
Domeinspecifieke bias: De bias is het sterkst bij thema's rond gender en huwelijk (advies om de eigen carrière of autonomie boven traditie te stellen). Bij werkplekautoriteit is het effect omgekeerd: de modellen adviseren hier juist meer deference (onderdanigheid) aan autoriteit, waarschijnlijk door professionele trainingsdata.

5. Significantie en Conclusie

Het onderzoek concludeert dat de huidige generatie frontier AI-modellen niet cultureel neutraal is. Er is sprake van een systemische homogenisering van waarden op het niveau van het trainings-ecosysteem. Voor de miljarden niet-westerse gebruikers die AI gebruiken voor persoonlijke besluitvorming, betekent dit dat de tools hen kunnen beïnvloeden op een manier die inconsistent is met hun eigen culturele context. De bevindingen benadrukken de noodzaak voor ontwikkelaars om culturele competentie dieper te integreren in RLHF (Reinforcement Learning from Human Feedback) en meertalige pre-training.