Develop: Simple Decision-Making Software

AI Quick Summary

AusgangslageIn aktuellen schwierigen Zeiten des politischen und wissenschaftlichen Diskurs sind Darstellungen gefragt, welche Wissen und Argumentationen darstellen und für möglichst viele zugänglich und verständlich machen. Es gibt bereits technische Tools und Normen, die sich für Argumentationsstränge (Statements, Conclusions etc...) eignen und teilweise bis hin zu "argumentative mining" strukturiert mit Aussagen umgehen können.Ziel der Projektarbeit ist es, ein Framework dazu aufzustellen AusgangslageArgumentation ist ein Werkzeug unserer Sprache, um Ideen und Vorstellungen zu beschreiben und auszutauschen. Daher ist wichtig zentralen argumentativen Aspekten von politischen und wissenschaftlichen Diskursen verständlich und zugänglich aufzuarbeiten, um einen niederschwelligen Zugang zu bieten.Durch die Digitalisierung und Globalisierung wird diese Aufgabe jedoch immer anspruchsvoller, da zum einen die reine Datenmenge als auch das Spektrum von Argumenten immer mehr zunimmt.Um diesen Problemen zu begegnen, befasst sich Argument Mining (Lippi & Torroni, 2016) mit der automatischen Erkennung und Analyse von Argumentation. Dazu gehört die Erkennung von Textstellen mit argumentativem Inhalt bis hin zur Gruppierung und Charakterisierung von ganzen Argumentations-Strukturen (Stab & Gurevych, 2014; Habernal & Gurevych, 2016; Schaefer & Stede, 2021).Innerhalb dieses Projektes sollen diese technischen und methodischen Möglichkeiten mittels eines Prototyps evaluiert werde.Ziel der Arbeit und erwartete ResultateDas Ziel dieser Arbeit ist es den theoretischen und technischen Stand der automatischen Erkennung und Analyse von Argumentation zu analysieren. Basierend auf dieser Analyse soll ein formelles Framework erarbeitet werden, um Argumentation in Text zu erkennen und zu beschreiben. Dieses Framework soll abschliessend in einer Prototypen Anwendung umgesetzten werden. AnalyseIn einer ersten Phase geht es um die Charakterisierung, Kategorisierung und Gruppierung von Argumentation. Dazu sollen die folgenden Fragen beantwortet werden:- Was ist ein Argument und wie wird es verwendet?- Welche Eigenschaften sind typisch für ein Argument?- Welche Methoden können für die automatische Erkennung von und Analyse von Argumenten eingesetzt werden?- Wie können Argumente basierend auf deren Eigenschaften gruppiert werden? Dabei sollen Methoden zur scharfen (Hard-Clustering) und unscharfen Gruppierung (Soft/Fuzzy Clustering) analysiert werden.Weiter soll ein geeigneten Datensatz evaluiert werden. Dieser sollte eine gewisse Grösse haben (über 5000 Einträge) und kontroverse politische Themen (z.B. Brexit, US-Wahlen) beinhaltet. Form und Format der Daten ist frei wählbar (vorhandene Modelle, Datensätze, annotierte Daten oder Web Scraping usw. möglich). FrameworkDas Framework soll Texte entgegnen nehmen, diese Texte verarbeiten und Argumente erkennen und beschreiben. Die Argumente sollen modular verarbeitet und analysiert werden. Das Ganze soll in Python entwickelt und als API zur Verfügung gestellt werden PrototypeZum Schluss soll ein Prototyp erstellt werden, der die API anspricht. Das GUI kann simple und einfach gehalten werden. Es sollen aber folgende Punkte dargestellt werden:- Verständliche und übersichtliche Darstellung von (gruppierten) Argumenten und deren Eigenschaften- Suchfunktion von Argumenten- Zeitliche Trends der ArgumenteReferenzenStab, C., & Gurevych, I. (2014). Identifying Argumentative Discourse Structures in Persuasive Essays. EMNLP.Lippi, M., & Torroni, P. (2016). Argumentation Mining. ACM Transactions on Internet Technology (TOIT), 16, 1 - 25.Habernal, I., & Gurevych, I. (2016). Which argument is more convincing? Analyzing and predicting convincingness of Web arguments using bidirectional LSTM. ACL.Schaefer, R., & Stede, M. (2021). Argument Mining on Twitter: A survey. it - Information Technology, 63, 45 - 58.

Project Idea Metadata

• Project Idea Name: Develop: Simple Decision-Making Software
• Date: 10/26/2021 10:17:04 AM
• Administrators:
  • Benjamin Emmenegger

Project Idea Description

Ausgangslage

Argumentation ist ein Werkzeug unserer Sprache, um Ideen und Vorstellungen zu beschreiben und auszutauschen. Daher ist wichtig zentralen argumentativen Aspekten von politischen und wissenschaftlichen Diskursen verständlich und zugänglich aufzuarbeiten, um einen niederschwelligen Zugang zu bieten.

Durch die Digitalisierung und Globalisierung wird diese Aufgabe jedoch immer anspruchsvoller, da zum einen die reine Datenmenge als auch das Spektrum von Argumenten immer mehr zunimmt.

Um diesen Problemen zu begegnen, befasst sich Argument Mining (Lippi & Torroni, 2016) mit der automatischen Erkennung und Analyse von Argumentation. Dazu gehört die Erkennung von Textstellen mit argumentativem Inhalt bis hin zur Gruppierung und Charakterisierung von ganzen Argumentations-Strukturen (Stab & Gurevych, 2014; Habernal & Gurevych, 2016; Schaefer & Stede, 2021).

Innerhalb dieses Projektes sollen diese technischen und methodischen Möglichkeiten mittels eines Prototyps evaluiert werde.

Ziel der Arbeit und erwartete Resultate

Das Ziel dieser Arbeit ist es den theoretischen und technischen Stand der automatischen Erkennung und Analyse von Argumentation zu analysieren. Basierend auf dieser Analyse soll ein formelles Framework erarbeitet werden, um Argumentation in Text zu erkennen und zu beschreiben. Dieses Framework soll abschliessend in einer Prototypen Anwendung umgesetzten werden.

Analyse

In einer ersten Phase geht es um die Charakterisierung, Kategorisierung und Gruppierung von Argumentation. Dazu sollen die folgenden Fragen beantwortet werden:

- Was ist ein Argument und wie wird es verwendet?

- Welche Eigenschaften sind typisch für ein Argument?

- Welche Methoden können für die automatische Erkennung von und Analyse von Argumenten eingesetzt werden?

- Wie können Argumente basierend auf deren Eigenschaften gruppiert werden? Dabei sollen Methoden zur scharfen (Hard-Clustering) und unscharfen Gruppierung (Soft/Fuzzy Clustering) analysiert werden.

Weiter soll ein geeigneten Datensatz evaluiert werden. Dieser sollte eine gewisse Grösse haben (über 5000 Einträge) und kontroverse politische Themen (z.B. Brexit, US-Wahlen) beinhaltet. Form und Format der Daten ist frei wählbar (vorhandene Modelle, Datensätze, annotierte Daten oder Web Scraping usw. möglich).

Framework

Das Framework soll Texte entgegnen nehmen, diese Texte verarbeiten und Argumente erkennen und beschreiben. Die Argumente sollen modular verarbeitet und analysiert werden. Das Ganze soll in Python entwickelt und als API zur Verfügung gestellt werden

Prototype

Zum Schluss soll ein Prototyp erstellt werden, der die API anspricht. Das GUI kann simple und einfach gehalten werden. Es sollen aber folgende Punkte dargestellt werden:

- Verständliche und übersichtliche Darstellung von (gruppierten) Argumenten und deren Eigenschaften

- Suchfunktion von Argumenten

- Zeitliche Trends der Argumente

Referenzen

Stab, C., & Gurevych, I. (2014). Identifying Argumentative Discourse Structures in Persuasive Essays. EMNLP.

Lippi, M., & Torroni, P. (2016). Argumentation Mining. ACM Transactions on Internet Technology (TOIT), 16, 1 - 25.

Habernal, I., & Gurevych, I. (2016). Which argument is more convincing? Analyzing and predicting convincingness of Web arguments using bidirectional LSTM. ACL.

Schaefer, R., & Stede, M. (2021). Argument Mining on Twitter: A survey. it - Information Technology, 63, 45 - 58.

Ausgangslage

In aktuellen schwierigen Zeiten des politischen und wissenschaftlichen Diskurs sind Darstellungen gefragt, welche Wissen und Argumentationen darstellen und für möglichst viele zugänglich und verständlich machen. Es gibt bereits technische Tools und Normen, die sich für Argumentationsstränge (Statements, Conclusions etc...) eignen und teilweise bis hin zu "argumentative mining" strukturiert mit Aussagen umgehen können.

Ziel der Projektarbeit ist es, ein Framework dazu aufzustellen