論文の概要: Categorical Emotions or Appraisals - Which Emotion Model Explains Argument Convincingness Better?
- arxiv url: http://arxiv.org/abs/2511.07162v3
- Date: Tue, 18 Nov 2025 12:32:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-19 13:59:16.479825
- Title: Categorical Emotions or Appraisals - Which Emotion Model Explains Argument Convincingness Better?
- Title（参考訳）: カテゴリー的感情と評価 -どの感情モデルが主張をより良く説明するか?
- Authors: Lynn Greschner, Meike Bauer, Sabine Weber, Roman Klinger,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 7.221399245137941
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The convincingness of an argument does not only depend on its structure (logos), the person who makes the argument (ethos), but also on the emotion that it causes in the recipient (pathos). While the overall intensity and categorical values of emotions in arguments have received considerable attention in the research community, we argue that the emotion an argument evokes in a recipient is subjective. It depends on the recipient's goals, standards, prior knowledge, and stance. Appraisal theories lend themselves as a link between the subjective cognitive assessment of events and emotions. They have been used in event-centric emotion analysis, but their suitability for assessing argument convincingness remains unexplored. In this paper, we evaluate whether appraisal theories are suitable for emotion analysis in arguments by considering subjective cognitive evaluations of the importance and impact of an argument on its receiver. Based on the annotations in the recently published ContArgA corpus, we perform zero-shot prompting experiments to evaluate the importance of gold-annotated and predicted emotions and appraisals for the assessment of the subjective convincingness labels. We find that, while categorical emotion information does improve convincingness prediction, the improvement is more pronounced with appraisals. This work presents the first systematic comparison between emotion models for convincingness prediction, demonstrating the advantage of appraisals, providing insights for theoretical and practical applications in computational argumentation.
- Abstract（参考訳）: 議論の説得力は、その構造(論理)だけでなく、議論を行う人(倫理)にも依存する。
議論における感情の全体的な強さとカテゴリー的価値は、研究コミュニティでかなりの注目を集めているが、我々は、議論が受取人に起こす感情は主観的であると論じている。
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。
評価理論は、出来事と感情の主観的な認知的評価とを結びつけるものである。
事象中心の感情分析に使われてきたが、議論の説得力を評価するための適合性はまだ解明されていない。
本稿では,評価理論が議論における感情分析に適しているかどうかを主観的認知評価により評価する。
最近発表されたContArgA corpus のアノテーションに基づき,ゴールドアノテートおよび予測された感情と評価の重要性を評価するため,ゼロショットプロンプト実験を実施し,主観的説得力ラベルの評価を行った。
カテゴリー的感情情報は説得力の予測を改善するが、評価ではその改善がより顕著であることがわかった。
この研究は、説得力予測のための感情モデル間の最初の体系的な比較を行い、評価の利点を実証し、計算論における理論的および実践的な応用の洞察を与える。
関連論文リスト
- Trust Me, I Can Convince You: The Contextualized Argument Appraisal Framework [7.888859893528601]
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。
論文 参考訳（メタデータ） (2025-09-22T14:32:55Z) - 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) - Beyond Context to Cognitive Appraisal: Emotion Reasoning as a Theory of Mind Benchmark for Large Language Models [11.255011967393838]
本研究では,大規模言語モデル(LLM)が文脈情報を用いて,他者の情緒状態をどう判断するかを検討するために,表面レベルの知覚的特徴を超えて前進する。
認知評価理論を基礎としたToM評価データセット1をキュレートし,前向きの推論(文脈から感情へ)と後向きの推論(文脈から感情へ)の両方を評価する。
論文 参考訳（メタデータ） (2025-05-31T01:18:04Z) - Speech Synthesis with Mixed Emotions [77.05097999561298]
異なる感情の音声サンプル間の相対的な差を測定する新しい定式化を提案する。
次に、私たちの定式化を、シーケンスからシーケンスまでの感情的なテキストから音声へのフレームワークに組み込む。
実行時に、感情属性ベクトルを手動で定義し、所望の感情混合を生成するためにモデルを制御する。
論文 参考訳（メタデータ） (2022-08-11T15:45:58Z) - Seeking Subjectivity in Visual Emotion Distribution Learning [93.96205258496697]
視覚感情分析(VEA)は、人々の感情を異なる視覚刺激に向けて予測することを目的としている。
既存の手法では、集団投票プロセスにおいて固有の主観性を無視して、統合されたネットワークにおける視覚的感情分布を予測することが多い。
視覚的感情分布の主観性を調べるために,新しいテキストサブジェクティビティ評価ネットワーク(SAMNet)を提案する。
論文 参考訳（メタデータ） (2022-07-25T02:20:03Z) - 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) - A Circular-Structured Representation for Visual Emotion Distribution
Learning [82.89776298753661]
視覚的感情分布学習に先立つ知識を活用するために,身近な円形構造表現を提案する。
具体的には、まず感情圏を構築し、その内にある感情状態を統一する。
提案した感情圏では、各感情分布は3つの属性で定義される感情ベクトルで表される。
論文 参考訳（メタデータ） (2021-06-23T14:53:27Z) - MIME: MIMicking Emotions for Empathetic Response Generation [82.57304533143756]
共感応答生成への現在のアプローチは、入力テキストで表現された感情の集合を平らな構造として見る。
共感反応は, 肯定的, 否定的, 内容に応じて, ユーザの感情を様々な程度に模倣することが多い。
論文 参考訳（メタデータ） (2020-10-04T00:35:47Z) - 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。