論文の概要: Trust Me, I Can Convince You: The Contextualized Argument Appraisal Framework
- arxiv url: http://arxiv.org/abs/2509.17844v1
- Date: Mon, 22 Sep 2025 14:32:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-23 18:58:16.442577
- Title: Trust Me, I Can Convince You: The Contextualized Argument Appraisal Framework
- Title（参考訳）: Trust Me, I can Convince You: The Contextualized Argument Appraisal Framework
- Authors: Lynn Greschner, Sabine Weber, Roman Klinger,
- Abstract要約: 本稿では,送信者,受信者,引数間の相互作用を文脈的に解析するコンテキスト適応型議論評価フレームワークを提案する。
これには感情ラベル、議論の親しみ、反応の緊急性、期待される努力、説得力の変数などの評価が含まれている。
5人の参加者がそれぞれアノテートした800の議論のコーパスの分析により、説得力は肯定的な感情と正の相関があることが判明した。
- 参考スコア（独自算出の注目度）: 7.888859893528601
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Emotions, which influence how convincing an argument is, are developed in context of the self and sender, and therefore require modeling the cognitive evaluation process. While binary emotionality has been studied in argument mining, and the cognitive appraisal has been modeled in general emotion analysis, these fields have not been brought together yet. We therefore propose the Contextualized Argument Appraisal Framework that contextualizes the interplay between the sender, receiver, and argument. It includes emotion labels, appraisals, such as argument familiarity, response urgency, and expected effort, as well as convincingness variables. To evaluate the framework and pave the way to computational modeling, we perform a study in a role-playing scenario, mimicking real-world exposure to arguments, asking participants to disclose their emotion, explain the main cause, the argument appraisal, and the perceived convincingness. To consider the subjective nature of such annotations, we also collect demographic data and personality traits of both the participants and the perceived sender of the argument. The analysis of the resulting corpus of 800 arguments, each annotated by 5 participants, reveals that convincingness is positively correlated with positive emotions (e.g., trust) and negatively correlated with negative emotions (e.g., anger). The appraisal variables disclose the importance of the argument familiarity. For most participants, the content of the argument itself is the primary driver of the emotional response.
- Abstract（参考訳）: 議論の説得方法に影響を与える感情は、自己と送信者の文脈で発達し、そのため認知評価過程をモデル化する必要がある。
二元的感情性は議論的マイニングにおいて研究され、認知的評価は一般的な感情分析においてモデル化されているが、これらの分野はまだ統合されていない。
そこで,本稿では,送信者,受信者,引数間の相互作用を文脈的に解析するコンテキスト化Argument Appraisal Frameworkを提案する。
これには感情ラベル、議論の親しみ、反応の緊急性、期待される努力、説得力の変数などの評価が含まれている。
フレームワークの評価と計算モデルへの道筋を明らかにするため,実世界の議論への露出を模倣し,参加者に感情の開示,主な原因の説明,議論評価,認識された説得力について,ロールプレイングシナリオで研究を行う。
また、このようなアノテーションの主観的な性質を考察するため、議論の参加者と認識された送信者の人口統計データや性格特性も収集する。
5人の参加者によって注釈付けされた800の議論のコーパスの分析により、説得力は肯定的な感情(例えば信頼)と正に相関し、否定的な感情(例えば怒り)と負に相関していることが明らかとなった。
評価変数は、議論の親しみやすさの重要性を開示する。
ほとんどの参加者にとって、議論の内容自体が感情的な反応の主要な要因である。
関連論文リスト
- A Unified Spoken Language Model with Injected Emotional-Attribution Thinking for Human-like Interaction [50.05919688888947]
本稿では,感情的インテリジェンスのための統一言語モデルを提案する。
IEATは、ユーザーの感情状態とその根本原因をモデルの内部推論プロセスに組み込んでおり、明示的な監督として扱われるのではなく、感情を意識した推論を内部化することができる。
HumDial(Human-like Spoken Dialogue Systems Challenge)Emotional Intelligenceベンチマークの実験は、提案手法が感情軌道モデリング、感情的推論、共感的応答生成にまたがるトップランクのパフォーマンスを達成することを示した。
論文 参考訳（メタデータ） (2026-01-08T14:07:30Z) - Categorical Emotions or Appraisals - Which Emotion Model Explains Argument Convincingness Better? [7.221399245137941]
我々は、受取人の議論が引き起こす感情は主観的であると論じる。
それは受取人の目標、基準、事前の知識、スタンスに依存します。
本研究は、説得力予測のための感情モデル間の最初の体系的比較を示す。
論文 参考訳（メタデータ） (2025-11-10T14:53:04Z) - Will Annotators Disagree? Identifying Subjectivity in Value-Laden Arguments [4.62776435232425]
我々は、議論を動機づける人間の価値を認識するために主観性を特定する方法を探る。
実験の結果,直接主観性同定は主観的議論のフラグ付けのモデル性能を著しく向上させることがわかった。
提案手法は、個人が異なる解釈をすることができるという議論を識別し、よりニュアンスなアノテーションプロセスを促進するのに役立つ。
論文 参考訳（メタデータ） (2025-09-08T13:59:34Z) - Fearful Falcons and Angry Llamas: Emotion Category Annotations of Arguments by Humans and LLMs [9.088303226909277]
我々は,ドイツの議論コーパスにおける感情カテゴリーの主観的アノテーションをクラウドソースし,自動ラベリング手法を評価する。
感情カテゴリーは議論における感情の予測を促進する。
すべてのプロンプト設定とモデルにおいて、自動予測は、怒りと恐怖を予測するための高いリコールだが低い精度を示す。
論文 参考訳（メタデータ） (2024-12-20T15:41:47Z) - CauESC: A Causal Aware Model for Emotional Support Conversation [79.4451588204647]
既存のアプローチは、苦痛の感情の原因を無視します。
彼らは、話者間の相互作用における感情的ダイナミクスよりも、探究者自身の精神状態に焦点を当てている。
本稿では、まず、苦痛の感情要因と、その原因によって引き起こされる感情効果を認識する新しいフレームワークCauESCを提案する。
論文 参考訳（メタデータ） (2024-01-31T11:30:24Z) - A Unifying Framework for Learning Argumentation Semantics [47.84663434179473]
Inductive Logic Programmingアプローチを用いて、抽象的および構造化された議論フレームワークのアクセシビリティセマンティクスを解釈可能な方法で学習する新しいフレームワークを提案する。
提案手法は既存の議論解法よりも優れており,フォーマルな議論や人間と機械の対話の領域において,新たな研究の方向性が開けることになる。
論文 参考訳（メタデータ） (2023-10-18T20:18:05Z) - Dimensional Modeling of Emotions in Text with Appraisal Theories: Corpus
Creation, Annotation Reliability, and Prediction [14.555520007106656]
心理学において、評価理論として知られる感情理論のクラスは、出来事と感情の関係を説明することを目的としている。
我々は,アノテータによって評価概念を確実に再構築できるかどうかを理解することを目的として,テキストにおける感情分析のための評価理論の適合性を分析した。
テキスト分類法と人間のアノテータとの比較により、両者が同様の性能で感情や評価を確実に検出できることが示されている。
論文 参考訳（メタデータ） (2022-06-10T17:20:17Z) - 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) - Emotion-aware Chat Machine: Automatic Emotional Response Generation for
Human-like Emotional Interaction [55.47134146639492]
この記事では、投稿中のセマンティクスと感情を同時にエンコードできる、未定義のエンドツーエンドニューラルネットワークを提案する。
実世界のデータを用いた実験により,提案手法は,コンテンツコヒーレンスと感情の適切性の両方の観点から,最先端の手法よりも優れていることが示された。
論文 参考訳（メタデータ） (2021-06-06T06:26:15Z) - A computational model implementing subjectivity with the 'Room Theory'.
The case of detecting Emotion from Text [68.8204255655161]
本研究は,テキスト分析における主観性と一般的文脈依存性を考慮した新しい手法を提案する。
単語間の類似度を用いて、ベンチマーク中の要素の相対的関連性を抽出することができる。
この方法は、主観的評価がテキストの相対値や意味を理解するために関係しているすべてのケースに適用できる。
論文 参考訳（メタデータ） (2020-05-12T21:26:04Z) - 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。