論文の概要: ARGUS: Seeing the Influence of Narrative Features on Persuasion in Argumentative Texts

• arxiv url: http://arxiv.org/abs/2602.24109v1
• Date: Fri, 27 Feb 2026 15:47:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-02 19:48:24.495438
• Title: ARGUS: Seeing the Influence of Narrative Features on Persuasion in Argumentative Texts
• Title（参考訳）: ARGUS: 物語的特徴が論証文の説得に及ぼす影響について
• Authors: Sara Nabhani, Federico Pianzola, Khalid Al-Khatib, Malvina Nissim,
• Abstract要約: 本稿では,議論的談話におけるナレーションが説得に及ぼす影響を研究するためのフレームワークであるARGUSを提案する。 ARGUSは、ストーリーの存在と6つの主要な物語機能に注釈を付けた新しいChangeMyViewコーパスを導入した。
• 参考スコア（独自算出の注目度）: 17.10911464536343
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Can narratives make arguments more persuasive? And to this end, which narrative features matter most? Although stories are often seen as powerful tools for persuasion, their specific role in online, unstructured argumentation remains underexplored. To address this gap, we present ARGUS, a framework for studying the impact of narration on persuasion in argumentative discourse. ARGUS introduces a new ChangeMyView corpus annotated for story presence and six key narrative features, integrating insights from two established theoretical frameworks that capture both textual narrative features and their effects on recipients. Leveraging both encoder-based classifiers and zero-shot large language models (LLMs), ARGUS identifies stories and narrative features and applies them at scale to examine how different narrative dimensions influence persuasion success in online argumentation.
• Abstract（参考訳）: 物語は議論をより説得力のあるものにできるのか? では、どの物語が一番重要か? 物語はしばしば説得のための強力なツールと見なされるが、オンラインにおけるそれらの特定の役割は、未構造化の議論が未解決のままである。 このギャップに対処するために、議論的談話におけるナレーションが説得に与える影響を研究するためのフレームワークであるARGUSを提案する。 ARGUSは、ストーリーの存在と6つの主要な物語の特徴を注釈付けした新しいChangeMyViewコーパスを導入している。 エンコーダベースの分類器とゼロショット大言語モデル(LLM)の両方を活用して、ARGUSは物語と物語の特徴を特定し、異なる物語次元がオンライン議論における説得成功にどのように影響するかを大規模に適用する。

関連論文リスト

• Detecting Winning Arguments with Large Language Models and Persuasion Strategies [7.089321248525487]
  本研究は,文章の説得性を決定する上での説得戦略の役割について考察する。 我々は、アノテートされた3つの引数データセット(Change My View subredditから構築された)、Arthropic/Persuasion、Persuasion for Goodの3つについて実験を行った。 その結果,戦略誘導推論は説得力の予測を改善することが示された。
  論文  参考訳（メタデータ） (2026-01-15T18:30:15Z)
• Mapping News Narratives Using LLMs and Narrative-Structured Text Embeddings [0.0]
  構造主義言語理論に基づく数値的物語表現を導入する。 オープンソースLLMを用いてアクタントを抽出し,それをナラティブ構造化テキスト埋め込みに統合する。 本稿では,イスラエル・パレスチナ紛争に関するアル・ジャジーラとワシントン・ポストの新聞記事5000件を例に,本手法の分析的考察を紹介する。
  論文  参考訳（メタデータ） (2024-09-10T14:15:30Z)
• Are Large Language Models Capable of Generating Human-Level Narratives? [114.34140090869175]
  本稿ではストーリーテリングにおけるLLMの能力について考察し,物語の展開とプロットの進行に着目した。 本稿では,3つの談話レベルの側面から物語を分析するための新しい計算フレームワークを提案する。 談話機能の明示的な統合は、ニューラルストーリーテリングの40%以上の改善によって示されるように、ストーリーテリングを促進することができることを示す。
  論文  参考訳（メタデータ） (2024-07-18T08:02:49Z)
• Discovering collective narratives shifts in online discussions [3.6231158294409482]
  本稿では,変化点検出,意味的役割ラベリング(SRL),物語の断片を物語ネットワークに自動集約することで,ギャップを埋める体系的な物語発見フレームワークを提案する。 我々は、新型コロナウイルスと2017年のフランス大統領選に関する2つのTwitterコーパスを合成および実証データで評価した。 以上の結果から,本手法は主要な出来事に対応する大きな物語シフトを回復できることが示された。
  論文  参考訳（メタデータ） (2023-07-17T15:00:04Z)
• DeltaScore: Fine-Grained Story Evaluation with Perturbations [69.33536214124878]
  DELTASCOREは,ニュアンスストーリーの側面の評価に摂動技術を用いた新しい手法である。 私たちの中心的な命題は、物語が特定の側面(例えば、流感)で興奮する程度は、特定の摂動に対するその感受性の大きさと相関している、と仮定している。 事前学習言語モデルを用いて,前摂動状態と後摂動状態の確率差を計算することにより,アスペクトの品質を測定する。
  論文  参考訳（メタデータ） (2023-03-15T23:45:54Z)
• 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)
• Exploring Discourse Structures for Argument Impact Classification [48.909640432326654]
  本稿では、文脈経路に沿った2つの議論間の談話関係が、議論の説得力を特定する上で不可欠な要素であることを実証的に示す。 本研究では,文レベルの構造情報を大規模言語モデルから派生した文脈的特徴に注入・融合するDisCOCを提案する。
  論文  参考訳（メタデータ） (2021-06-02T06:49:19Z)
• Paragraph-level Commonsense Transformers with Recurrent Memory [77.4133779538797]
  物語からコヒーレントなコモンセンス推論を生成するために,段落レベルの情報を含む談話認識モデルを訓練する。 以上の結果から,PARA-COMETは文レベルのベースライン,特にコヒーレントかつ新規な推論に優れていた。
  論文  参考訳（メタデータ） (2020-10-04T05:24:12Z)
• 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。