¿Qué ocurre cuando comparamos lo que las personas creen de sí mismas con lo que podemos inferir a partir de su lenguaje?
Acabamos de publicar en Frontiers in Education un estudio junto a 6 universidades de la Red Winn que aporta una idea potente: el emprendimiento puede entenderse —y medirse— a partir de competencias socioemocionales que se reflejan en el lenguaje. En este estudio, con una muestra internacional de estudiantes de 6 países (Argentina, Bolivia, Colombia, Ecuador, España y Perú) , se han integrado autoinformes tradicionales con el modelo de inteligencia artificial de Human AI Tech capaz de inferir 35 facetas de personalidad a partir de texto libre.
El estudio se basa en una muestra internacional de 409 estudiantes universitarios de 6 contextos distintos, lo que permite identificar patrones robustos y no dependientes de un único entorno cultural
📈 Lo interesante no es solo la tecnología, sino lo que revela:
• La estabilidad emocional emerge como un factor central en la autoconfianza emprendedora
• La mentalidad emprendedora no se explica por un único rasgo, sino por configuraciones complejas
• Los modelos tradicionales se quedan cortos para capturar estos patrones
• La IA permite acceder a una capa más profunda y menos sesgada por la autopercepción
¿Qué perfil competencial define el emprendimiento?
Los resultados muestran asociaciones significativas entre patrones lingüísticos y:
- Apertura a la experiencia → creatividad, curiosidad
- Responsabilidad → perseverancia, orientación a objetivos
- Energía/Iniciativa → proactividad
👉 Dato: estas dimensiones presentan correlaciones positivas significativas en el modelo, consolidándose como núcleo del perfil emprendedor.
¿Qué ocurre cuando miramos el emprendimiento femenino?
Aquí es donde el estudio aporta un matiz especialmente relevante:
1. Más peso de lo relacional y el propósito
📍 Referencia: comparación por género: Un estilo emprendedor más conectado con impacto social y valor compartido.
- Las mujeres presentan valores significativamente más altos en empatía/amabilidad
- Mayor presencia de lenguaje orientado a colaboración e impacto
👉 Dato: incremento significativo en marcadores lingüísticos sociales.
2. Diferente forma de expresar el liderazgo
📍 Referencia: análisis de auto-referencias. No menor liderazgo, sino distinto código de expresión.
- Menor uso de lenguaje autoafirmativo directo
- Mayor uso de estructuras matizadas
👉 Dato: menor frecuencia de construcciones centradas en el “yo”.
3. Solidez en la gestión emocional
📍 Referencia: estabilidad emocional. Una base especialmente relevante en contextos de incertidumbre.
- Menor presencia de marcadores de ansiedad
- Mayor consistencia emocional en el discurso
👉 Dato: diferencias observables en indicadores lingüísticos de estabilidad.
¿Por qué esto es importante?
Porque los resultados obligan a replantear algo de fondo:
- El modelo tradicional de “emprendedor” es limitado
- El emprendimiento femenino no es una versión menor, sino una forma distinta y complementaria de emprender
- Y, sobre todo, si medimos mal, identificamos mal el talento
👉 Desde una perspectiva aplicada, esto abre una posibilidad clara avanzar hacia una educación más personalizada, basada en evidencia y apoyada en datos reales sobre cómo son y cómo piensan nuestros estudiantes que quieren emprender.
🏛️ Y desde el plano institucional, refuerza la necesidad de integrar la inteligencia artificial no solo como herramienta tecnológica, sino como instrumento de gobernanza educativa y desarrollo humano.
Este estudio no solo valida una metodología con herramientas de tercera generación en diferentes entornos culturales, sino que apunta a un cambio de paradigma: pasar de “medir lo que es fácil” a “comprender lo que es relevante”.
📄 Podéis leer el artículo completo aquí:
Abad-Villaverde B, Tuñas Martín JM, Beunza M, Díaz de Terán MC, Mejia-Villa A and Malavé F (2026) Personality traits in female entrepreneurship: AI-based assessment vs. self-perception biases and tailored educational intervention. Front. Educ. 11:1734541. doi: 10.3389/feduc.2026.1734541
Este estudio se ha desarrollado en el marco de la red Red WINN, impulsada por CYTED.
