論文の概要: Towards Understanding Persuasion in Computational Argumentation
- arxiv url: http://arxiv.org/abs/2110.01078v1
- Date: Sun, 3 Oct 2021 19:36:21 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-05 15:38:57.967128
- Title: Towards Understanding Persuasion in Computational Argumentation
- Title（参考訳）: 計算論における説得の理解に向けて
- Authors: Esin Durmus
- Abstract要約: 議論における意見形成と説得は、議論そのもの、議論の源、聴衆の特性の3つの主要な要因によって影響を受ける。
この論文は、計算的説得におけるソース、オーディエンス、言語の影響を相対的に理解するためにいくつかの貢献をしている。
- 参考スコア（独自算出の注目度）: 10.089382889894246
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Opinion formation and persuasion in argumentation are affected by three major
factors: the argument itself, the source of the argument, and the properties of
the audience. Understanding the role of each and the interplay between them is
crucial for obtaining insights regarding argument interpretation and
generation. It is particularly important for building effective argument
generation systems that can take both the discourse and the audience
characteristics into account. Having such personalized argument generation
systems would be helpful to expose individuals to different viewpoints and help
them make a more fair and informed decision on an issue. Even though studies in
Social Sciences and Psychology have shown that source and audience effects are
essential components of the persuasion process, most research in computational
persuasion has focused solely on understanding the characteristics of
persuasive language. In this thesis, we make several contributions to
understand the relative effect of the source, audience, and language in
computational persuasion. We first introduce a large-scale dataset with
extensive user information to study these factors' effects simultaneously.
Then, we propose models to understand the role of the audience's prior beliefs
on their perception of arguments. We also investigate the role of social
interactions and engagement in understanding users' success in online debating
over time. We find that the users' prior beliefs and social interactions play
an essential role in predicting their success in persuasion. Finally, we
explore the importance of incorporating contextual information to predict
argument impact and show improvements compared to encoding only the text of the
arguments.
- Abstract（参考訳）: 議論における意見形成と説得は、議論そのもの、議論の源、聴衆の特性の3つの主要な要因によって影響を受ける。
議論の解釈と生成に関する洞察を得るためには,それぞれの役割と両者の相互作用を理解することが重要である。
談話とオーディエンス特性の両方を考慮に入れた効果的な議論生成システムを構築するためには,特に重要である。
このようなパーソナライズされた議論生成システムを持つことは、個人を異なる視点にさらし、問題に対してより公平でインフォームドな決定を下すのに役立つだろう。
社会科学と心理学の研究は、ソース効果とオーディエンス効果が説得過程の重要な要素であることを示しているが、計算説得の研究のほとんどは説得言語の特徴を理解することだけに焦点を当てている。
本論では, 情報源, 聴衆, 言語が計算的説得に与える影響を理解するためにいくつかの貢献を行う。
まず,広範囲なユーザ情報を有する大規模データセットを導入し,その効果について検討する。
次に,議論の知覚における聴衆の先行的信念の役割を理解するモデルを提案する。
また,オンライン議論におけるユーザの成功を理解する上で,ソーシャルインタラクションとエンゲージメントの役割についても検討した。
ユーザの事前の信念や社会的相互作用は,説得の成功を予測する上で重要な役割を担っている。
最後に、議論の影響を予測するために文脈情報を取り込むことの重要性を考察し、引数のテキストのみをエンコードするよりも改善を示す。
関連論文リスト
- AutoPersuade: A Framework for Evaluating and Explaining Persuasive Arguments [0.5242869847419834]
私たちは説得力のあるメッセージを構築するためのフレームワークであるAutoPersuadeを紹介します。
我々は説得力に影響を与える議論の特徴を識別する新しい話題モデルを開発した。
このモデルを用いて、新たな議論の有効性を予測し、異なるコンポーネントの因果的影響を評価する。
論文 参考訳（メタデータ） (2024-10-11T15:46:05Z) - Persona Knowledge-Aligned Prompt Tuning Method for Online Debate [42.28019112668135]
聴衆側から,議論品質評価タスクのためのペルソナ・ナレッジ・アライメント・フレームワークを提案する。
これはChatGPTの出現を利用して、聴衆のペルソナ知識をプロンプトチューニングを通じて小さな言語モデルに注入する最初の作品である。
論文 参考訳（メタデータ） (2024-10-05T17:33:11Z) - Overview of PerpectiveArg2024: The First Shared Task on Perspective Argument Retrieval [56.66761232081188]
本稿では,社会における少数派・多数派を代表する年齢,性別,政治的態度など,人口・社会文化(社会)の多様性を包括する新しいデータセットを提案する。
パースペクティビズムを取り入れる上での重大な課題は、特に社会的なプロファイルを明示的に提供せずに、議論のテキストのみに基づくパーソナライズを目指す場合である。
パーソナライズと分極の低減を図るため, パーソナライズを最適化するためには, パーソナライズされた論証検索をブートストラップするが, さらなる研究が不可欠である。
論文 参考訳（メタデータ） (2024-07-29T03:14:57Z) - Persua: A Visual Interactive System to Enhance the Persuasiveness of
Arguments in Online Discussion [52.49981085431061]
説得力のある議論を書く能力を高めることは、オンラインコミュニケーションの有効性と文明性に寄与する。
オンライン議論における議論の説得力向上を支援するツールの設計目標を4つ導き出した。
Persuaは対話型ビジュアルシステムであり、議論の説得力を高めるための説得戦略の例に基づくガイダンスを提供する。
論文 参考訳（メタデータ） (2022-04-16T08:07:53Z) - E-ffective: A Visual Analytic System for Exploring the Emotion and
Effectiveness of Inspirational Speeches [57.279044079196105]
E-ffective(エフェクティブ)は、音声の専門家や初心者が、音声要因の役割と効果的な音声への貢献の両方を分析することのできる視覚分析システムである。
E-spiral(音声の感情の変化を視覚的にコンパクトに表現する)とE-script(音声コンテンツを主要な音声配信情報に結びつける)の2つの新しい可視化技術がある。
論文 参考訳（メタデータ） (2021-10-28T06:14:27Z) - Who Responded to Whom: The Joint Effects of Latent Topics and Discourse
in Conversation Structure [53.77234444565652]
会話談話における応答関係を同定し,会話の開始に応答発話をリンクする。
単語分布における潜在トピックと会話を学習し,ペアワイズ開始応答リンクを予測するモデルを提案する。
英語と中国語の会話における実験結果から,我々のモデルは過去の芸術の状況を大きく上回っていることが明らかとなった。
論文 参考訳（メタデータ） (2021-04-17T17:46:00Z) - Strategic Argumentation Dialogues for Persuasion: Framework and
Experiments Based on Modelling the Beliefs and Concerns of the Persuadee [6.091096843566857]
特定の対話において議論が良いかどうかを決定するための2つの重要な次元は、意図する観衆が議論と反論を信じる程度であり、議論が意図する観衆の関心に与える影響である。
本稿では,これらのモデルを用いて,説得的対話における移動の選択を最適化する枠組みを提案する。
論文 参考訳（メタデータ） (2021-01-28T08:49:24Z) - What Changed Your Mind: The Roles of Dynamic Topics and Discourse in
Argumentation Process [78.4766663287415]
本稿では,議論の説得力において重要な要因を自動的に分析する研究について述べる。
議論的会話における潜在トピックや談話の変化を追跡できる新しいニューラルモデルを提案する。
論文 参考訳（メタデータ） (2020-02-10T04:27:48Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。