Mineração de argumentos
A mineração de argumentos, ou mineração de argumentação, é uma área de pesquisa dentro do campo de processamento de linguagem natural. O objetivo da mineração de argumentos é a extração e identificação automática de estruturas argumentativas de textos em linguagem natural com o auxílio de programas de computador.[1] Essas estruturas argumentativas incluem a premissa, as conclusões, o esquema do argumento e a relação entre o argumento principal e o secundário, ou o argumento principal e o contra-argumento dentro do discurso.[2][3] A série de oficinas de Argument Mining é o principal fórum de pesquisa para pesquisas relacionadas à Mineração de argumentos.[4]
Aplicações editar
A mineração de argumentos foi aplicada em muitos gêneros diferentes, incluindo a avaliação qualitativa de conteúdo de mídias sociais (como Twitter ou Facebook), na qual ela fornece uma ferramenta poderosa para os responsáveis políticos e pesquisadores em ciências sociais e políticas.[1] Outros domínios incluem documentos jurídicos, análises de produtos, artigos científicos, debates online, artigos de jornais e domínios dialógicos. Abordagens de aprendizagem por transferência têm sido usadas com sucesso para combinar os diferentes domínios em um modelo de argumentação agnóstico de domínio.[5]
A mineração de argumentos tem sido usada para fornecer aos alunos suporte individual na escrita, acessando e visualizando o discurso da argumentação em seus textos. A aplicação da mineração de argumento em uma ferramenta de aprendizagem centrada no usuário ajudou os alunos a melhorar suas habilidades de argumentação significativamente em comparação com as aplicações tradicionais de aprendizagem de argumentação.[6]
Desafios editar
Dada a ampla variedade de gêneros de texto e as diferentes perspectivas e abordagens de pesquisa, tem sido difícil chegar a um esquema de avaliação comum e objetivo.[7] Muitos conjuntos de dados anotados foram propostos, com alguns ganhando popularidade, mas um conjunto de dados consensual ainda não foi encontrado. Anotar estruturas argumentativas é uma tarefa altamente exigente. Houve tentativas bem-sucedidas de delegar essas tarefas de anotação ao público, mas o processo ainda requer muito esforço e tem um custo significativo. As tentativas iniciais de contornar esse obstáculo foram feitas usando a abordagem de supervisão fraca.[8]
Ver também editar
Referências editar
- ↑ a b Lippi, Marco; Torroni, Paolo (20 de abril de 2016). «Argumentation Mining: State of the Art and Emerging Trends». ACM Transactions on Internet Technology. 16 (2). 10 páginas. ISSN 1533-5399. doi:10.1145/2850417
- ↑ Budzynska, Katarzyna; Villata, Serena. «Argument Mining - IJCAI2016 Tutorial». www.i3s.unice.fr (em inglês). Consultado em 30 de março de 2018
- ↑ Gurevych, Iryna; Reed, Chris; Slonim, Noam; Stein, Benno. «NLP Approaches to Computational Argumentation - ACL 2016 Tutorial»
- ↑ «5th Workshop on Argument Mining»
- ↑ Wambsganss, Thiemo; Molyndris, Nikolaos; Söllner, Matthias (9 de março de 2020), «Unlocking Transfer Learning in Argumentation Mining: A Domain-Independent Modelling Approach» (PDF), ISBN 978-3-95545-335-0, GITO Verlag, WI2020 Zentrale Tracks: 341–356, doi:10.30844/wi_2020_c9-wambsganss
- ↑ «AL: An Adaptive Learning Support System for Argumentation Skills | Proceedings of the 2020 CHI Conference on Human Factors in Computing Systems» (PDF) (em inglês). doi:10.1145/3313831.3376732
- ↑ Levy, Ran; Gretz, Shai; Sznajder, Benjamin; Hummel, Shay; Aharonov, Ranit; Slonim, Noam (2017). «Unsupervised corpus-wide claim detection». Proceedings of the 4th Workshop on Argumentation Mining 2017