Notice bibliographique
Résumé
Evaluating argumentation in a dialogue model, in which two parties reason with each other, is an old idea that goes back to Aristotle's earlier writings, and even to the sophists. But after the Greeks, the idea lost favor, although it persisted for a time in the scholastic disputations of the middle ages. Aristotle's syllogistic dominated the field of logic for many centuries, until it was superseded by other forms of deductive calculi – propositional and quantifier logics. It was not until the advent of the Erlangen School in Germany that anyone tried to revive the dialogue model and to carry out a systematic program for constructing a system of calculation based on it. But it was not until Hamblin's construction of mathematical models of dialogue (1970, 1971) that a general structure of logical dialogue systems was put forward that was well enough developed to show promise of providing methods for evaluating arguments and fallacies that would hold practical interest for logicians. Alexy (1989) showed how such dialogue systems can be applied to legal argumentation, a program that is now being carried forward by a group of researchers in AI and law including Bench-Capon (1995), Prakken and Sartor (1996, 1998), Verheij (1996, 2000), and Lodder (1998, 1999). This line of research is now often called computational dialectics. It would appear that Gordon invented the term.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».