Representaciones del cuerpo en imágenes generadas por IA en el ámbito físico-deportivo: sesgos, estereotipos y reflexiones para su uso
DOI:
https://doi.org/10.47197/retos.v71.116433Palabras clave:
actividad físico-deportiva, diversidad corporal, estereotipo y sesgo corporal, inteligencia artificial generativa, representación corporalResumen
Introducción: Cada día se producen, distribuyen y utilizan millones de imágenes generadas por plataformas de inteligencia artificial generativa en ámbitos deportivos, personales y profesionales.
Objetivo: El artículo analiza las representaciones corporales generadas por tres plataformas de IA generativa en el contexto de la práctica de actividad físico-deportiva.
Metodología: Partiendo de un análisis de contenido mediante co-observación estructurada, se analizaron 732 imágenes generadas por tres herramientas de inteligencia artificial generativa: Dall·E 3, Mid Journey y Stable Diffusion, a partir de 60 prompts neutros que describían actividades físico-deportivas variadas, sin aludir a características corporales o sociodemográficas.
Resultados: Los resultados evidencian la reproducción de sesgos y estereotipos hegemónicos y sistémicos en torno al cuerpo, pese al uso de prompts inclusivos y neutros. Las imágenes generadas por las IA presentan cuerpos normativos, mayoritariamente masculinos, blancos, jóvenes y musculosos, estereotipando el cuerpo femenino e invisibilizando otras realidades corporales relacionadas con la raza, la edad o la discapacidad.
Discusión: Los resultados concuerdan con la literatura reciente, que sugiere que las herramientas de inteligencia artificial no solo replican los estereotipos y los sesgos corporales existentes en la sociedad, sino que los incrementan.
Conclusiones: La IA está reproduciendo y aumentando los sesgos y estereotipos existentes en la sociedad e invita a acometer investigaciones reflexivas que promuevan una mirada profunda, crítica y serena sobre el uso responsable de estas herramientas. Exige avanzar hacia modelos de IA más justos, neutrales, diversos e inclusivos.
Citas
Abbott, B.D., & Barber, B.L. (2010). Embodied image: gender differences in functional and aesthetic body image among Australian adolescents. Body Image, 7(1), 22-31. https://doi.org/10.1016/j.bodyim.2009.10.004
Águila Soto, C., & López Vargas, J. J. (2019). Cuerpo, corporeidad y educación: una mirada reflexiva des-de la Educación Física. Retos, 35, 413–421. https://doi.org/10.47197/retos.v0i35.62035
Ali R., Tang, O.Y., Connolly, I.D., Abdulrazeq H.F., Mirza F.N., Lim R.K., Johnston B.R., Groff M.W., Wi-lliamson T., Svokos K., Libby T.J., Shin J.H., Gokaslan Z.L., Doberstein C.E., Zou J., & Asaad W.F. (2024). Demographic representation in 3 leading artificial intelligence text-to-image generators, JAMA Surgery, 159(1), 87-95. https://doi.org/10.1101/2023.05.24.23290463
Borau, S. (2025). Deception, discrimination, and objectification: ethical issues of female AI Agents. J Bus Ethics, 198,1–19. https://doi.org/10.1007/s10551-024-05754-4
Borji, A. (2023). Generated faces in the wild: Quantitative comparison of Stable Diffusion, Mid Journey and DALL-E 2. https://arxiv.org/abs/2210.00586
Bourdieu, P. (1998). La domination masculine. Paris, Éditions de Seuil.
Butler, J. (2004). Undoing gender. New York, NY: Routledge.
Cheong, M., Abedin, E., Ferreira, M., Reimann, R., Chalson, S., Robinson, P., Byrne, J., Ruppanner, L., Alfano, M., & Klein, C. (2024). Investigating gender and racial biases in DALL-E Mini Images. ACM Journal on Responsible Computing, 1, 1-20. https://doi.org/10.1145/3649883
Collett, C., Neff, G., & Gouvea Gomes, L. (2022). Los efectos de la IA en la vida laboral de las mujeres. Organización de las Naciones Unidas para la Educación, la Ciencia y la Cultura (UNESCO), Banco Interamericano de Desarrollo (BID) y Organización para la Cooperación y el Desarrollo Eco-nómicos (OCDE). https://wp.oecd.ai/app/uploads/2022/03/Los-efectos-de-la-IA-en-la-vida-laboral-de-las-mujeres.pdf.
Díaz-Barahona, J., Valverde, T., & Moya, I. (2022). Estereotipos asociados al cuerpo humano: análisis de aplicaciones móviles usadas en la educación físico-deportiva. Pixel-Bit, Revista de medios y educación, (64), 79–103. https://doi.org/10.12795/pixelbit.90297
Díaz-Barahona, J., Valverde-Esteve, T., & Moya-Mata, I. (2023). Diseño y validación de un instrumento para analizar los estereotipos corporales representados en el software y aplicaciones digitales (apps). Retos, 47, 69-77. https://doi.org/10.47197/retos.v47.94899
Every Pixel. (2023, August 15). AI image statistics for 2024: How much content was created by AI. Eve-rypixel Journal. https://journal.everypixel.com/ai-image-statistics
Fernández, A., & Garrido-Merchán, E. (2025). A taxonomy of the biases of the images created by genera-tive artificial intelligence. Curr Trends Business Mgmt, 3(1), 01-10.
Franganillo, J. (2022). Contenido generado por inteligencia artificial: oportunidades y amenazas. Anua-rio ThinkEPI, (16), 16-24. https://doi.org/10.3145/thinkepi.2022.e16a24
Freire-Sánchez, A., Fitó-Carreras, M., Vidal-Mestre, M., & Barra-Pérez, D. (2024). Diseño y representa-ción visual en la IA generativa de la salud mental. Gráfica, (391), 1-9. https://doi.org/10.5565/rev/grafica.391
García-Ull, FJ., & Melero-Lázaro, M. (2023). Gender stereotypes in AI-generated images. Profesional de la información, (32)5. https://doi.org/10.3145/epi.2023.sep.05
Gengler, E. (2024). Sexism, racism, and classism: social biases in text-to-image generative AI in the con-text of power, success, and beauty. Wirtschaftsinformatik 2024. https://aisel.aisnet.org/wi2024/48
Gestos, M., Smith-Merry J., & Campbell, A. (2018). Representation of women in video games: a system-atic review of literature in consideration of adult female wellbeing. Cyberpsychology, Behavior, and Social Networking, 21(9), 535-541. https://doi.org/10.1089/cyber.2017.0376
Gisselbaek, M., Suppan, M., Minsart, L., Köselerli, E., Nainan, S., Matot, I., Barreto, O. L., Saxena, S., & Ber-ger-Estilita, J. (2024). Representation of intensivists' race/ethnicity, sex, and age by artificial in-telligence: a cross-sectional study of two text-to-image models. Critical care, 28(1), 363. https://doi.org/10.1186/s13054-024-05134-4
González, A., Táboas, M. I., & Rey, A. (2010). Los libros de texto como herramientas para la promoción de una práctica físico-deportiva en igualdad: análisis comparativo de la representación racial entre los libros publicados durante la vigencia de la LOGSE y la LOE. Cuadernos de psicología del deporte, 10(2), 31-36.
Heaven, W. D. (2024, Jan). 6 big questions for generative AI. MIT Technology Review, 127, 30-37. https://www.proquest.com/magazines/6-big-questions-generative-ai/docview/1937358610/se-2
Heinemann, K. (2003). Introducción a la metodología de la investigación empírica en las ciencias del deporte. Paidotribo, Barcelona.
Landis, J. R., & Koch, G. G. (1977). The measurement of observer agreement for categorical data. Biome-trics, 33(1), 159–174.
Linares-Lanzman, J., Stypińska, J., & Rosales, A. (2025). Edadismo generativo: cuando la IA generativa refuerza los estereotipos de edad. Revista de estudios de ciencias de la información y la comu-nicación COMeIN. (151). https://doi.org/10.7238/c.n151.2513
MacDonald, J. P., Pape, M., Ackerman, K. E., Carneiro, E., Huang, Y., Rizzone, K. H., & Mountjoy, M. (2024). The digital mirror: how generative artificial intelligence reflects and amplifies gender bias. British Journal of Sports Medicine, (59)207-209. https://doi.org/10.1136/bjsports-2024-108998
Mack, K. A., Qadri, R., Denton, R., Kane, S. K., & Bennett, C. L. (2024). They only care to show us the wheelchair: Disability representation in text-to-image AI models. En Proceedings of the CHI Conference on Human Factors in Computing Systems (CHI '24), 11–16 de mayo de 2024, Hono-lulu, HI, EE.UU. ACM. https://doi.org/10.1145/3613904.3642166
Martínez-Bello, V., Cabrera, Y., Díaz-Barahona, J., & Bernabé-Villodre, M., (2021). Bodies in the early childhood education classroom: a Bourdieusian analysis of curricular materials, Sports, Educa-tion and Society, 26(1), 29-44. https://doi.org/10.1080/13573322.2019.1690442
Moya-Mata, I., Ruiz, L., Martín, J., Pérez, P.M., & Ros, C. (2017). La representación de la discapacidad en las imágenes de los libros de texto de Educación Física: ¿inclusión o exclusión? Retos, 32, 88–95. https://doi.org/10.47197/retos.v0i32.52191
Moya-Mata, I., Ruiz-Sanchis, L., Martín-Ruiz, J., & Ros, C. (2019). La actividad física representada en los libros de texto de educación física en educación primaria. Movimento, 25, 1-13. https://doi.org/10.22456/1982-8918.89296
Neuendorf, K.A. (2011). Content analysis: A methodological primer for gender research. Sex Roles, 64(3-4), 276-289. https://doi.org/10.1007/s11199-010-9893-0
Nicoletti, L., & Bass, D. (2023, June 9). Generative AI takes stereotypes and bias from bad to worse. Bloomberg. https://www.bloomberg.com/graphics/2023-generative-ai-bias/
Park, Y. S. (2024). White Default: Examining Racialized Biases Behind AI-Generated Images. Art Educa-tion, 77(4), 36–45. https://doi.org/10.1080/00043125.2024.2330340.
Pedro, R., Lucio, A., Torrão, R., & Tognoli, N., (2024). Datafication, artificial intelligence and images: the dominant paradigm in the representation of knowledge in images. Knowledge Organization, 51 (2), 117-126. https://doi.org/10.5771/0943-7444-2024-2-117
Rapp, A., Di Lodovico, C., Torrielli, F., & Di Caro, L. (2025). How do people experience the images creat-ed by generative artificial intelligence? An exploration of people's perceptions, appraisals, and emotions related to a Gen-AI text-to-image model and its creations. International Journal of Human-Computer Studies, 193, https://doi.org/10.1016/j.ijhcs.2024.103375
Rice C., Riley S., LaMarre A., & Bailey K.A. (2021). What a body can do: rethinking body functionality through a feminist materialist disability lens. Body Image, 38, 95-105, https://doi.org/10.1016/j.bodyim.2021.03.014
Rivera, J.G. (2024). Inteligencias artificiales generativas 2024 (2.ª ed.). Red Educativa Digital Descartes, Córdoba.
Rodríguez, J., Sanmiguel-Rodríguez, A., & Álvarez-Seoane, D. (2018). Revisión bibliográfica en el contex-to español sobre investigaciones relacionadas con los libros de texto y materiales didácticos en educación física. Retos, 34, 363-370. https://doi.org/10.47197/retos.v0i34.65902
Sandoval-Martín, T., & Martínez-Sanzo, E. (2024). Perpetuation of gender bias in visual representation of professions in the generative AI tools DALL·E and Bing Image Creator. Social Sciences, 13(5), 250. https://doi.org/10.3390/socsci13050250
Santoniccolo F., Trombetta T., Paradiso M.N., & Rollè L. (2023). Gender and media representations: a review of the literature on gender stereotypes, objectification and sexualization. International Journal of Environmental Research and Public Health, 20 (10)5770, https://doi.org/10.3390/ijerph20105770
Stoyanov, S.R., Hides, L., Kavanagh, D.J., Zelenko, O., Tjondronegoro, D., & Mani, M. (2015). Mobile app rating scale: a new tool for assessing the quality of health mobile apps. JMIR mHealth and uHealth, 3(1), 27. https://doi.org/10.2196/mhealth.3422
UNESCO. (2024). Challenging systematic prejudices: an investigation into bias against women and girls in large language models. UNESCO, Paris.
Vilanou, C. (2001). Imágenes del cuerpo humano. Apunts. Educación Física y Deportes, 63, 94-104.
Wu, Y., Nakashima, Y., & Garcia, N. (2025). Revealing gender bias from prompt to image in stable diffu-sion. Journal of Imaging, 11(2), 35. https://doi.org/10.3390/jimaging11020035
Yue, M., & Yang, B. (2024). The gender show in “Mid Journey”: the stubborn biases and gender fantasies of ai painting tools. Communications in Humanities Research, (33), 152-159. https://doi.org/10.54254/2753-7064/33/20240080
Zhou, M., Abhishek, V., Derdenger, T. P., Kim, J., & Srinivasan, K. (2024). Bias in generative AI. https://arxiv.org/abs/2403.02726
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 José Díaz Barahona, Pablo Marín Liébana
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Los autores que publican en esta revista están de acuerdo con los siguientes términos:
- Los autores conservan los derechos de autor y garantizan a la revista el derecho de ser la primera publicación de su obra, el cuál estará simultáneamente sujeto a la licencia de reconocimiento de Creative Commons que permite a terceros compartir la obra siempre que se indique su autor y su primera publicación esta revista.
- Los autores pueden establecer por separado acuerdos adicionales para la distribución no exclusiva de la versión de la obra publicada en la revista (por ejemplo, situarlo en un repositorio institucional o publicarlo en un libro), con un reconocimiento de su publicación inicial en esta revista.
- Se permite y se anima a los autores a difundir sus trabajos electrónicamente (por ejemplo, en repositorios institucionales o en su propio sitio web) antes y durante el proceso de envío, ya que puede dar lugar a intercambios productivos, así como a una citación más temprana y mayor de los trabajos publicados (Véase The Effect of Open Access) (en inglés).
Esta revista sigue la "open access policy" de BOAI (1), apoyando los derechos de los usuarios a "leer, descargar, copiar, distribuir, imprimir, buscar o enlazar los textos completos de los artículos".
(1) http://legacy.earlham.edu/~peters/fos/boaifaq.htm#openaccess
