Reconstrucción histórica de la moralización humana con asociaciones de palabras y corpora de texto

Cómo cambia nuestro sentido del bien y del mal con el tiempo

¿Por qué fumar pasó de ser glamuroso a vergonzoso, o la esclavitud de una institución aceptada a una indignación moral manifiesta? Este artículo aborda una pregunta aparentemente simple: ¿cómo es que ideas, prácticas e incluso personas llegan a ser percibidas como moralmente buenas o malas a lo largo de décadas y siglos? Empleando enormes colecciones de textos en inglés y herramientas modernas de IA, los investigadores construyen una especie de "máquina del tiempo moral" que rastrea cuándo los conceptos adquieren peso moral —y si ese peso es positivo o negativo.

Transformar el lenguaje en una máquina del tiempo moral

Los autores presentan HistMoral, un marco computacional de acceso abierto que reconstruye cómo ha cambiado el juicio moral sobre más de 20.000 conceptos en los últimos 150 años. En lugar de preguntar directamente a participantes vivos por cada concepto, parten de grandes experimentos de asociación de palabras en los que la gente responde a una palabra estímulo, como "fumar", con lo que les viene a la mente. Si muchas respuestas son palabras morales como "malo", "incorrecto" o "adicción", el concepto se considera fuertemente moralizado. Estos datos psicológicos definen dos medidas clave: relevancia moral (en qué medida un concepto se piensa en términos morales) y polaridad moral (si esos pensamientos morales son principalmente positivos o negativos).

Reconstruir asociaciones morales perdidas a partir de textos antiguos

Los registros históricos obviamente no vienen con pruebas de asociación de palabras, así que el equipo encuentra una solución ingeniosa. Recurre a enormes archivos textuales como el Corpus of Historical American English y el New York Times, que cubren más de siglo y medio de lenguaje escrito. En cada década o año, mapean con qué frecuencia las palabras aparecen cerca unas de otras y alimentan las oraciones circundantes en modelos de lenguaje modernos como BERT para capturar matices sutiles de significado. Estos patrones se usan para construir una red donde cada palabra es un nodo conectado con otras con las que aparece con frecuencia, y cada nodo tiene una rica representación numérica de su significado en esa época.

Enseñar a una red a captar la moralidad

Para conectar estas redes históricas de palabras con el juicio moral humano, los investigadores entrenan una red neuronal de grafos —un tipo de IA diseñada para trabajar con redes— para predecir la relevancia y la polaridad moral de palabras en las últimas décadas, donde existen datos humanos de asociación. Una vez que el modelo aprende cómo los patrones de coocurrencia y significado se relacionan con las impresiones morales de las personas, puede aplicarse hacia atrás en el tiempo, estimando cómo las visiones morales de conceptos como "fumar", "armas nucleares" o "juegos de azar" subieron o bajaron a lo largo de los decenios. El sistema produce "cursos temporales" morales continuos que muestran, por ejemplo, cómo fumar pasó gradualmente de ser relativamente neutral a fuertemente negativo, en consonancia con las campañas sanitarias y la legislación de mediados del siglo XX.

Qué se vuelve moral —y cuándo

Con estas líneas de tiempo reconstruidas en mano, los autores prueban si HistMoral se comporta como cabría esperar. Enfermedades y líderes mundiales —temas que investigaciones previas muestran que a menudo se moralizan— efectivamente obtienen puntuaciones de relevancia moral más altas que palabras de comparación. Los conceptos implicados en guerras se vuelven más cargados moralmente y más negativos durante el conflicto que en tiempos de paz. A lo largo de 117 categorías, como "enfermedades", "relaciones familiares" o "seres sobrenaturales", el modelo revela tendencias compartidas: los conceptos relacionados con enfermedades no solo empiezan con carga moral sino que aumentan con el tiempo, mientras que los seres sobrenaturales permanecen morales pero pierden lentamente importancia. Los investigadores también observan que las palabras de una misma categoría muestran trayectorias morales similares, lo que sugiere que familias enteras de conceptos se desplazan juntas por el espacio moral.

Moralidad, dinero y política

El marco también descubre vínculos entre el lenguaje moral y cambios económicos y políticos del mundo real. Al rastrear productos de consumo en la cobertura periodística junto con estadísticas federales de precios, los autores encuentran que cuando los productos pasan a asociarse con ideas más moralmente negativas de un año a otro, sus precios al por menor suelen aumentar —quizá por impuestos, regulación o crisis que a la vez elevan costos y suscitan preocupación moral. En el discurso político de EE. UU., los conceptos que ganan relevancia moral se vuelven más prominentes en los debates del Congreso. En torno a las elecciones presidenciales, diferentes temas —como medio ambiente, salud o impuestos— aumentan y disminuyen en intensidad moral según qué partido gane, lo que sugiere una interacción bidireccional entre la preocupación moral pública y la estrategia política.

Por qué importa esta nueva lente sobre la moralidad

En la vida cotidiana, el cambio moral puede sentirse repentino y misterioso: una generación se encoge de hombros ante un asunto que la siguiente trata como una grave injusticia. HistMoral muestra que bajo esos puntos de inflexión yacen desplazamientos graduales detectables en cómo usamos el lenguaje a lo largo del tiempo. Al combinar teorías psicológicas de la moralidad, asociaciones de palabras humanas y la IA moderna, este marco ofrece una forma potente de trazar cuándo los conceptos se convierten en puntos conflictivos morales, si se ven como virtudes o vicios y cómo esos cambios se relacionan con eventos sociales, económicos y políticos más amplios. Para el lector general, el mensaje clave es que nuestro paisaje moral no es fijo: evoluciona de maneras con patrón que ahora podemos empezar a medir, comparar y quizá incluso anticipar.

Cita: Ramezani, A., Stellar, J.E., Feinberg, M. et al. Historical reconstruction of human moralization with word association and text corpora. Nat Commun 17, 3412 (2026). https://doi.org/10.1038/s41467-025-67891-2

Palabras clave: moralización, lenguaje histórico, asociaciones de palabras, redes neuronales de grafos, cambio social