Capturando el argumento en modelos basados en agentes

Área de la Ciencia:

• Ciencias sociales computacionales
• Inteligencia artificial
• Ciencias cognitivas

Sus antecedentes:

• Los modelos basados en agentes (ABM) son frecuentes para estudiar sistemas complejos y propiedades emergentes.
• La creencia y la dinámica de opinión en ABM son relevantes para las redes sociales en línea y el discurso científico.
• Los ABM existentes no han capturado completamente los escenarios de argumentación rica.

Objetivo del estudio:

• Introducir un marco para los modelos de argumentación basados en agentes.
• Para distinguir y analizar tres nociones de argumento: razones, silogismos y dialéctica.
• Proporcionar un esquema de organización para comparar y elegir modelos de argumento.

Principales métodos:

• Distinguir los argumentos como contenido proposicional (razones), relaciones premisa-conclusión (silogismos) y despliegue conversacional (dialéctica).
• Utilizando el marco NormAN, que construye ABM en redes bayesianas, como modelo de referencia.
• Analizando el continuo de complejidad en el modelado de cada noción de argumento.

Principales resultados:

• Un nuevo esquema de organización para comparar y seleccionar modelos de argumento basados en agentes.
• Aclaración de cómo las tres nociones de argumento se limitan entre sí.
• Demostración de que el marco NormAN captura las facetas de argumentación familiares y las influencias dialécticas en la difusión de argumentos.

Conclusiones:

• Los modelos basados en agentes pueden representar efectivamente la argumentación compleja, incluidos los aspectos dialécticos.
• El marco NormAN proporciona un enfoque versátil para modelar el intercambio de argumentos.
• La investigación adicional puede explorar cómo las consideraciones dialécticas impactan la difusión de argumentos en las poblaciones.