{"id":349,"date":"2026-01-20T16:39:36","date_gmt":"2026-01-20T15:39:36","guid":{"rendered":"https:\/\/lena.umh.es\/?page_id=349"},"modified":"2026-01-20T16:46:30","modified_gmt":"2026-01-20T15:46:30","slug":"repositorio-lexicart","status":"publish","type":"page","link":"https:\/\/lena.umh.es\/ca\/repositorio-lexicart\/","title":{"rendered":"(Espa\u00f1ol) Repositorio LEXICA<\/span>"},"content":{"rendered":"

[et_pb_section fb_built=”1″ _builder_version=”4.17.4″ _module_preset=”default” global_colors_info=”{}”][et_pb_row _builder_version=”4.17.4″ _module_preset=”default” global_colors_info=”{}”][et_pb_column type=”4_4″ _builder_version=”4.17.4″ _module_preset=”default” global_colors_info=”{}”][et_pb_text admin_label=”Texto 1″ _builder_version=”4.17.4″ _module_preset=”default” global_colors_info=”{}”]<\/p>\n

Los repositorios de im\u00e1genes generadas por IA enumerados en el apartado B.9. de esta memoria pueden resultar especialmente \u00fatiles para aprender a formular mejores instrucciones pues incluyen el prompt<\/span><\/em> original asociado a cada imagen. Sin embargo, tras analizar su contenido, observamos que es donde m\u00e1s im\u00e1genes con sesgo de g\u00e9nero existen.<\/p>\n

Lexica.art<\/strong> es uno de los repositorios de im\u00e1genes generadas por inteligencia artificial m\u00e1s utilizados y accesibles en la actualidad. Se trata de una plataforma basada en modelos de difusi\u00f3n (principalmente Stable Diffusion<\/em>) que indexa millones de im\u00e1genes generadas por IA y que permite consultar, junto a cada imagen, el prompt<\/em> textual original que dio lugar a su generaci\u00f3n. Esta caracter\u00edstica convierte a Lexica.art en una herramienta de especial inter\u00e9s tanto desde el punto de vista formativo al facilitar el aprendizaje de t\u00e9cnicas de prompting, como desde una perspectiva anal\u00edtica y cr\u00edtica.<\/p>\n

Desde el enfoque del proyecto LENA, Lexica.art resulta particularmente relevante porque permite observar de manera directa c\u00f3mo prompts<\/em> simples, gen\u00e9ricos o aparentemente neutros producen resultados visuales fuertemente sesgados desde el punto de vista del g\u00e9nero. Para analizar esta cuesti\u00f3n, se realizaron b\u00fasquedas exploratorias utilizando t\u00e9rminos relacionados con ocupaciones, roles sociales y categor\u00edas de g\u00e9nero, lo que permiti\u00f3 identificar patrones claros y recurrentes de sesgo en las im\u00e1genes generadas.<\/p>\n

Los resultados obtenidos pusieron de manifiesto una alta concentraci\u00f3n de sesgos de g\u00e9nero, tanto de tipo representacional como, especialmente, presentacional. Por ejemplo, el t\u00e9rmino \u201chousekeeper\u201d<\/i> devolvi\u00f3 de forma abrumadora im\u00e1genes de mujeres sonrientes vestidas con delantal, mientras que la b\u00fasqueda \u201cconstruction worker\u201d<\/i> produjo mayoritariamente figuras masculinas equipadas con casco de obra. En el caso del t\u00e9rmino \u201cscientist\u201d<\/i>, las representaciones masculinas enfatizaron la seriedad, la concentraci\u00f3n y la actividad profesional, mientras que las figuras femeninas aparecieron con mayor frecuencia como personas j\u00f3venes, estilizadas y, en muchos casos, menos implicadas visualmente en tareas cient\u00edficas. De manera similar, al introducir el t\u00e9rmino \u201cwoman\u201d<\/i>, los resultados estuvieron dominados por im\u00e1genes vinculadas a la belleza y la moda, mientras que el t\u00e9rmino \u201cman\u201d<\/i> gener\u00f3 representaciones m\u00e1s asociadas a contextos profesionales, t\u00e9cnicos o de autoridad.<\/p>\n

[\/et_pb_text][et_pb_gallery gallery_ids=”376,373,370,367,364,361,358,355″ posts_number=”8″ show_pagination=”off” _builder_version=”4.17.4″ _module_preset=”default” background_color=”#d8d8d8″ global_colors_info=”{}”][\/et_pb_gallery][et_pb_text admin_label=”Texto 2″ _builder_version=”4.17.4″ _module_preset=”default” global_colors_info=”{}”]<\/p>\n

A partir del an\u00e1lisis sistem\u00e1tico de los resultados obtenidos en Lexica.art, se identificaron cuatro categor\u00edas recurrentes de sesgo en las im\u00e1genes almacenadas en Lexica.art:<\/p>\n

    \n
  1. Estereotipos de rol<\/strong>: Las mujeres aparecen representadas de forma desproporcionada en roles dom\u00e9sticos, asistenciales o de cuidado, mientras que los hombres son mostrados mayoritariamente en posiciones profesionales, t\u00e9cnicas o de liderazgo.<\/li>\n
  2. Apariencia f\u00edsica<\/strong>: Las figuras femeninas son representadas de manera sistem\u00e1tica como j\u00f3venes, atractivas y alineadas con est\u00e1ndares normativos de belleza, incluso en contextos profesionales o cient\u00edficos.<\/li>\n
  3. Sexualizaci\u00f3n<\/strong>: Las mujeres son representadas con frecuencia en poses provocativas o sugerentes, aun cuando estos rasgos no han sido solicitados ni resultan contextualmente apropiados.<\/li>\n
  4. Expresi\u00f3n emocional<\/strong>: Los hombres suelen aparecer como figuras fuertes, serias y autoritarias, mientras que las mujeres son representadas como pasivas, dependientes o emocionalmente contenidas.<\/li>\n<\/ol>\n

    Desde una perspectiva feminista, los resultados obtenidos en el an\u00e1lisis de Lexica.art ponen de manifiesto que las im\u00e1genes generadas y difundidas a trav\u00e9s de este tipo de repositorios no son producciones espont\u00e1neas ni neutrales<\/strong>, sino el resultado directo de las peticiones formuladas por las propias personas usuarias mediante los prompts<\/em>. En este sentido, muchas de las representaciones sesgadas identificadas no emergen \u00fanicamente de la plataforma o del sistema de inteligencia artificial, sino que reflejan los imaginarios, estereotipos y marcos culturales que las personas usuarias incorporan al construir sus instrucciones.<\/p>\n

    El sesgo, por tanto, no reside exclusivamente en la tecnolog\u00eda, sino que se activa y se reproduce en la interacci\u00f3n entre el modelo generativo y la mente de quien formula el prompt<\/em>. Estos repositorios funcionan as\u00ed como espacios de visibilizaci\u00f3n y amplificaci\u00f3n de sesgos sociales preexistentes, poniendo de relieve la necesidad de una alfabetizaci\u00f3n cr\u00edtica en el uso de la inteligencia artificial que permita cuestionar y transformar las l\u00f3gicas de g\u00e9nero que subyacen a las peticiones realizadas.<\/p>\n

    El an\u00e1lisis de Lexica.art pone de relieve que uno de los focos m\u00e1s relevantes del sesgo de g\u00e9nero no reside \u00fanicamente en la plataforma o en el modelo generativo, sino en la persona que utiliza la herramienta y en la forma en que formula el prompt<\/em>. Las Figuras 24 y 25 ilustran este fen\u00f3meno a trav\u00e9s de los prompts<\/em> asociados a dos im\u00e1genes etiquetadas en la plataforma como \u201chousekeeper\u201d. Aunque ambas im\u00e1genes comparten la misma categor\u00eda, los prompts<\/em> que las originan son sustancialmente diferentes y conducen a representaciones claramente estereotipadas: una asociada al rol de ama de casa y otra vinculada a la figura de un fontanero. Este contraste evidencia c\u00f3mo las instrucciones introducidas por las personas usuarias condicionan de manera decisiva el resultado visual, activando y reproduciendo estereotipos de g\u00e9nero preexistentes.<\/p>\n

    [\/et_pb_text][\/et_pb_column][\/et_pb_row][\/et_pb_section]<\/p>\n","protected":false},"excerpt":{"rendered":"

    Los repositorios de im\u00e1genes generadas por IA enumerados en el apartado B.9. de esta memoria pueden resultar especialmente \u00fatiles para aprender a formular mejores instrucciones pues incluyen el prompt original asociado a cada imagen. Sin embargo, tras analizar su contenido, observamos que es donde m\u00e1s im\u00e1genes con sesgo de g\u00e9nero existen. Lexica.art es uno de […]<\/p>\n","protected":false},"author":1676,"featured_media":0,"parent":0,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"_et_pb_use_builder":"on","_et_pb_old_content":"","_et_gb_content_width":"","_links_to":"","_links_to_target":""},"_links":{"self":[{"href":"https:\/\/lena.umh.es\/ca\/wp-json\/wp\/v2\/pages\/349"}],"collection":[{"href":"https:\/\/lena.umh.es\/ca\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/lena.umh.es\/ca\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/lena.umh.es\/ca\/wp-json\/wp\/v2\/users\/1676"}],"replies":[{"embeddable":true,"href":"https:\/\/lena.umh.es\/ca\/wp-json\/wp\/v2\/comments?post=349"}],"version-history":[{"count":0,"href":"https:\/\/lena.umh.es\/ca\/wp-json\/wp\/v2\/pages\/349\/revisions"}],"wp:attachment":[{"href":"https:\/\/lena.umh.es\/ca\/wp-json\/wp\/v2\/media?parent=349"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}