Avaliando a qualidade dialética mínima na argumentação: uma abordagem neuro-simbólica integrando mineração de argumentos, avaliação de qualidade e raciocínio probabilístico.

• Ano de defesa: 2025
• Autor(a) principal: Rocha, Victor Hugo Nascimento
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Argument mining; Argument quality assessment; Argumentação (Qualidade); Argumentação computacional; Argumentation reasoning; Bipolar argumentation; Computational argumentation; Logic programming; Natural language processing; Neuro simbólico; Non-monotonic reasoning; Probabilistic argumentation; Processamento de linguagem natural; Programação lógica
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/3/3141/tde-16072025-094115/

Avaliar a qualidade de argumentos expressos em linguagem natural é um desafio central na argumentação computacional. Esta tese enfrenta esse desafio ao introduzir o Minimal Dialectical Quality Evaluator (MiDiQE), um sistema neuro-simbólico que avalia ensaios argumentativos com base no novo critério de Qualidade Dialética Mínima (MDQ). Esse critério exige que a estrutura argumentativa sustente adequadamente suas principais afirmações por meio de justificativas internamente coerentes e, quando necessário, refutações eficazes. Posicionado dentro da taxonomia de qualidade da argumentação de Wachsmuth et al. (2017), o MDQ oferece uma medida menos subjetiva da qualidade argumentativa e independente de considerações retóricas ou factuais. Para viabilizar a avaliação do MiDiQE, esta tese também avança o raciocínio argumentativo probabilístico por meio do Bipolar Conclusion-Augmented Argumentation Framework (BCAF), que garante equivalências diretas com a programação lógica, e da integração de conjuntos credais para modelar incertezas. Além disso, o MiDiQE combina componentes neurais e simbólicos: os módulos de Mineração de Argumentos (AM) e Avaliação de Qualidade de Argumentos Individuais (SAQ) extraem e avaliam estruturas argumentativas, enquanto o módulo de Raciocínio Argumentativo (AR) aplica raciocínio formal para determinar se uma estrutura argumentativa sustenta e defende suas conclusões com sucesso. O sistema gera, assim, uma avaliação interpretável da qualidade argumentativa. As avaliações experimentais em conjuntos de dados de ensaios argumentativos, incluindo o recém-introduzido conjunto ArGPT, demonstram a eficácia do sistema na avaliação baseado no MDQ e sua forte correlação com julgamentos humanos de qualidade, confirmando seu valor como uma adição útil aos critérios existentes na literatura. Além disso, a tese contribui com inovações metodológicas em subáreas-chave da argumentação computacional. Em AM, ela introduz um conjunto de dados multidomínio que unifica esquemas de anotação heterogêneos e propõe novos modelos que exploram redes neurais baseadas em grafos e contexto linguístico. Em SAQ, ela investiga uma nova arquitetura de modelo que leva em conta a estrutura do grafo argumentativo. Essas contribuições são integradas em um framework computacionalmente interpretável para avaliação da qualidade argumentativa, estabelecendo as bases para futuros avanços na avaliação e no raciocínio argumentativo automatizados.