MétaCan
Menu
Retour à la cohorte
Enregistrement W2067401275 · doi:10.1075/jaic.2.2.03han

Argument kinds and argument roles in the Ontario provincial election, 2011

2013· article· en· W2067401275 sur OpenAlexaffabout
Hans V. Hansen, Douglas Walton

Notice bibliographique

RevueJournal of Argumentation in Context · 2013
Typearticle
Langueen
DomaineComputer Science
ThématiqueMulti-Agent Systems and Negotiation
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésArgumentation theoryArgument (complex analysis)NewspaperPoliticsGeneral electionPolitical scienceCurrencyPublic administrationPositive economicsLawEpistemologyEconomics

Résumé

récupéré en direct d'OpenAlex

This paper is a report of a pilot study of how candidates argue when they are running for political office. The election studied was the provincial election in Ontario, Canada, in the fall of 2011. Having collected about 250 arguments given during the election from newspaper media, we sought answers to the following questions, among others: (i) which argumentation schemes have the greatest currency in political elections? (ii) Is a list of the best known argumentation schemes sufficient to classify the arguments given in elections? (iii) What schemes should be added to the familiar list to make it more adequate for studying elections? (iv) Is it useful to classify arguments as being used for positive, policy-critical, person-critical and defensive purposes? (v) Can political parties be usefully characterized by noting their preferred kinds of arguments and their most frequent uses of arguments? (vi) What lessons can be learned from this study to better design future studies of the same kind?

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,339
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,243
Écart entre enseignants0,229 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Argumentation in ContextMême sujetMulti-Agent Systems and NegotiationTravaux en français237 207