Notice bibliographique
Résumé
Most of the literature on burden of proof in argumentation studies and AI has concentrated so far on the persuasion type of dialogue. This concentration is natural enough, because the bulk of this literature has concentrated on burden of proof in legal argumentation. The most significant exception is deliberation dialogue, where some recent work has begun to tentatively investigate burden of proof in that setting. The problem now posed is whether burden of proof operates in deliberation dialogue in the same way that it operates in persuasion dialogue, or whether there are essential differences in this regard between the two types of dialogue. This chapter analyzes four examples of deliberation dialogue where burden of proof poses a problem. Based on analysis of the argumentation in these examples, a working hypothesis is put forward. It is that burden of proof only becomes relevant when deliberation dialogue shifts, at the beginning of the argumentation stage, to a persuasion dialogue. The hypothesis is that the shift can be classified as embedding one type of dialogue into another, meaning that the goal of the first type of dialogue continues to be supported once the transition to the second type of dialogue has been made (Walton and Krabbe, 1995, 102). In other instances, it is well known that a shift can be illicit, where the advent of the second dialogue interferes with the fulfillment of the goal of the first one. It has also been shown that such shifts can be associated with fallacies, as well as other logical and communicative problems (Walton, 2007, chapter 6).
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,020 |
| Communication savante | 0,009 | 0,019 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».