Detección y clasificación de falacias prototípicas y espontáneas en español

• Autores: Fernando Enríquez de Salamanca Ros , Francisco Javier Ortega Rodríguez , Fermín Cruz Mata , José Antonio Troyano Jiménez
• Localización: Procesamiento del lenguaje natural, ISSN 1135-5948, Nº. 71, 2023, págs. 53-62
• Idioma: español
• Títulos paralelos:
  • Detection and classification of prototypical and spontaneous fallacies in Spanish
• Enlaces
  • Texto completo
• Resumen
  • español

    El empleo de falacias en el seno de los debates públicos en contextos políticos, sanitarios, económicos y sociales supone un perjuicio en tanto que dificulta el entendimiento entre las partes y facilita la manipulación de la opinión pública y la propagación de desinformación. Recientemente, han aparecido conjuntos de datos que aglutinan falacias de distintos tipos, lo que habilita la experimentación en tareas como la clasificación automática de falacias. En este trabajo, presentamos el primer corpus de falacias en español, con dos secciones diferenciadas: una formada por ejemplos prototípicos extraídos de materiales educativos, y otra por ejemplos espontáneos extraídos de comentarios on-line a noticias. Ambas secciones incluyen ejemplos de textos no falaces, de temática similar. Los resultados preliminares al abordar las tareas de detección y clasificación usando el recurso que hemos creado muestran que se trata de una tarea desafiante (especialmente cuando se centra en falacias espontáneas) que podría ser buena candidata para formar parte de las tareas con las que se evalúan los últimos avances en modelos de lenguaje.

  • English

    The use of fallacies in public debates in political, health, economic and social contexts is detrimental in that it hinders understanding between the parties and facilitates the manipulation of public opinion and the propagation of misinformation. Recently, datasets containing various types of fallacies have become available, allowing experimentation in tasks such as automatic fallacy classification. In this paper, we present the first corpus of fallacies in Spanish, with two distinct sections: one formed by prototypical examples extracted from educational materials, and the other by spontaneous examples extracted from on-line comments to news items. Both sections include examples of non-fallacious texts of similar subject matter. Preliminary results on the detection and classification tasks using the corpus we have created show that it is a challenging task (especially when focused on spontaneous fallacies) that could be a good candidate to be part of the tasks with which the latest advances in language models are evaluated.

• Referencias bibliográficas
  • Allcott, H. y M. Gentzkow. 2017. Social media and fake news in the 2016 election. Journal of economic perspectives, 31(2):211–236.
  • Chung, H. W., L. Hou, S. Longpre, B. Zoph, Y. Tay, W. Fedus, E. Li, X. Wang, M. Dehghani, S. Brahma, y others. 2022. Scaling instruction-finetuned...
  • Clark, K., M. Luong, Q. V. Le, y C. D. Manning. 2020. ELECTRA: pre-training text encoders as discriminators rather than generators. En 8th...
  • Cortes, C. y V. Vapnik. 1995. Supportvector networks. Machine learning, 20:273–297.
  • Da San Martino, G., S. Yu, A. Barr´on- Cedeno, R. Petrov, y P. Nakov. 2019. Fine-grained analysis of propaganda in news article. En Proceedings...
  • Devlin, J., M.-W. Chang, K. Lee, y K. Toutanova. 2019. BERT: Pre-training of deep bidirectional transformers for language understanding. En...
  • Gutiérrez Fandiño, A., J. Armengol Estapé, M. Pámies, J. Llop Palao, J. Silveira Ocampo, C. Pio Carrino, C. Armentano Oller, C. Rodríguez...
  • Habernal, I., R. Hannemann, C. Pollak, C. Klamm, P. Pauli, y I. Gurevych. 2017. Argotario: Computational argumentation meets serious games....
  • Habernal, I., P. Pauli, y I. Gurevych. 2018. Adapting serious game for fallacious argumentation to german: Pitfalls, insights, and best practices....
  • Habernal, I., H. Wachsmuth, I. Gurevych, y B. Stein. 2018. Before name-calling: Dynamics and triggers of ad hominem fallacies in web argumentation....
  • Hochreiter, S. y J. Schmidhuber. 1997. Long short-term memory. Neural computation, 9(8):1735–1780.
  • Jin, Z., A. Lalwani, T. Vaidhya, X. Shen, Y. Ding, Z. Lyu, M. Sachan, R. Mihalcea, y B. Schoelkopf. 2022. Logical fallacy detection. En Findings...
  • Kouzy, R., J. Abi Jaoude, A. Kraitem, M. B. El Alam, B. Karam, E. Adib, J. Zarka, C. Traboulsi, E. W. Akl, y K. Baddour. 2020. Coronavirus...
  • Langguth, J., D. T. Schroeder, P. Filkuková, S. Brenner, J. Phillips, y K. Pogorelov. 2023. Coco: an annotated twitter dataset of covid-19...
  • Raffel, C., N. Shazeer, A. Roberts, K. Lee, S. Narang, M. Matena, Y. Zhou, W. Li, y P. J. Liu. 2020. Exploring the limits of transfer learning...
  • Sahai, S. Y., O. Balalau, y R. Horincar. 2021. Breaking down the invisible wall of informal fallacies in online discussions. En ACL-IJCNLP...
  • Tindale, C. W. 2007. Fallacies and argument appraisal. Cambridge University Press.
  • Vosoughi, S., D. Roy, y S. Aral. 2018. The spread of true and false news online. science, 359(6380):1146–1151.
  • Zhang, Y. y B. Wallace. 2017. A sensitivity analysis of (and practitioners’ guide to) convolutional neural networks for sentence classification....