Patrones morales en ChatGPT: una aproximación exploratoria desde la Teoría de los Fundamentos Morales

Abstract

El presente Trabajo de Fin de Grado analiza cómo ChatGPT estructura sus juicios morales ante situaciones cotidianas con contenido ético o emocional, con el objetivo de identificar posibles patrones estables o sesgos valorativos en sus respuestas. El estudio parte de la Teoría de los Fundamentos Morales y del Moral Foundations Questionnaire-2 como marco conceptual, pero no aplica el cuestionario de forma directa. En su lugar, los ítems del MFQ-2 se reformulan como dilemas cotidianos abiertos, con el fin de reducir el reconocimiento del instrumento original y aproximar el análisis a contextos más naturales de interacción con el modelo. La metodología se desarrolla en varias fases: identificación y unificación de juicios morales, construcción de pares morales opuestos, evaluación de su aplicabilidad y análisis de los resultados mediante rankings de dominancia, estabilidad gana–neutro–pierde y frecuencia de aparición. Además, se comparan las valoraciones propias de ChatGPT con las respuestas que el modelo atribuye a la mayoría de las personas. Los resultados muestran que ChatGPT no responde de forma completamente neutral ante dilemas morales. Fundamentos como Cuidado, Igualdad, Proporcionalidad y Autoridad presentan estructuras más marcadas, mientras que Lealtad y Pureza muestran patrones más moderados o ambiguos. En general, las respuestas atribuidas a la mayoría mantienen una estructura similar, aunque con menor intensidad y mayor neutralidad. En conjunto, el trabajo concluye que la orientación moral de ChatGPT no es única ni homogénea, sino contextual: el modelo activa distintos juicios morales según el tipo de dilema planteado. La principal aportación del estudio es metodológica, al proponer una forma alternativa de analizar la dimensión moral de los modelos generativos a partir de situaciones cotidianas y juicios morales intermedios.

This Thesis analyzes how ChatGPT structures its moral judgments when faced with everyday situations involving ethical or emotional content, with the aim of identifying possible stable patterns or value-based biases in its responses. The study draws on Moral Foundations Theory and the Moral Foundations Questionnaire-2 as its conceptual framework, but it does not apply the questionnaire directly. Instead, the MFQ-2 items are reformulated as open-ended everyday dilemmas in order to reduce recognition of the original instrument and bring the analysis closer to more natural contexts of interaction with the model. The methodology is developed in several phases: identifying and unifying moral judgments, constructing opposing moral pairs, evaluating their applicability, and analyzing the results through dominance rankings, win–neutral–lose stability, and frequency of occurrence. In addition, ChatGPT’s own assessments are compared with the responses that the model attributes to the majority of people. The results show that ChatGPT does not respond in a completely neutral way to moral dilemmas. Foundations such as Care, Equality, Proportionality, and Authority show more marked structures, whereas Loyalty and Purity display more moderate or ambiguous patterns. In general, the responses attributed to the majority maintain a similar structure, although with lower intensity and greater neutrality. Overall, the study concludes that ChatGPT’s moral orientation is neither unique nor homogeneous, but contextual: the model activates different moral judgments depending on the type of dilemma presented. The main contribution of this study is methodological, as it proposes an alternative way of analyzing the moral dimension of generative models through everyday situations and intermediate moral judgments.