Ob ein Argument überzeugend ist, kann von verschiedenen Faktoren abhängen, z.B. von seiner logischen Struktur, der Klarheit seiner Darstellung, aber auch von seiner emotionalen Konnotation. Aus der Forschung in der Argumentationstheorie und der Sozialpsychologie ist bekannt, dass Argumente und Emotionen interagieren, aber dieses Vorwissen wird in der maschinellen Verarbeitung von Sprache (NLP) bisher nur wenig genutzt – stattdessen behandeln Ansätze in der NLP Emotionalität in oberflächlicher Weise, zum Beispiel als ordinale Variable. In EMCONA untersuchen wir das Zusammenspiel von Emotionen und Überzeugungskraft aus einer NLP-Perspektive. Wir werden (1) analysieren, wie Emotionen im Kontext von Argumentation kommuniziert werden. Dazu bauen wir auf psychologischen Emotionstheorien auf, insbesondere auf Appraisal-Theorien, um die Rolle von gesellschaftlichen Normen und eigenen Zielen für die Entwicklung von Emotionen abzuschätzen. Basierend auf diesen Erkenntnissen und der anschließenden Entwicklung von Emotionsanalysesystemen werden wir (2) das Zusammenspiel mit der Überzeugungskraft von Argumenten analysieren. Dies wird zu Machine-Learning-Modellen führen, die Emotionen und die Überzeugungskraft von Argumenten gemeinsam darstellen, kontrolliert hinsichtlich Thema und Meinung. Wir werden das Zusammenspiel zwischen diesen Variablen nicht nur in Deep-Learning-basierten Klassifikationsmodellen untersuchen, sondern auch (3) in Form von Argumentgenerierung, die dann (4) in einer Nutzerstudie evaluiert wird, um die Grenzen solcher Systeme zu verstehen. Auf Grundlage dieser Modelle und ihrer Introspektion werden wir ferner, (5), untersuchen, ob die Modelle ihre Entscheidungen nach bekannten Mustern von Kommunikationsstrategien treffen, z.B. "Fear-Then-Relief" (bei der bei einem Gesprächspartner Angst ausgelöst wird, für welche anschließend eine Lösung angeboten wird) oder "Door-In-The-Face" (bei der eine größere anfängliche Forderung gestellt wird, die Schuld auslöst, als die eigentliche, die von Interesse ist) Mit dieser Forschung werden wir ein besseres Verständnis dafür entwickeln, wie Emotionen und Überzeugungskraft in computergestützten Argumentationssystemen zusammenwirken. Wir erwarten, dass dieses Wissen die Klassifikationsansätze für alle beteiligten Variablen verbessern wird. Darüber hinaus dienen unsere Modelle zur bedingten Generierung einem pädagogischen Zweck: Wir streben letztlich nach ethisch einwandfreien (fallacy-free) Argumentationsmodellen, die keine ungerechtfertigten Emotionen ausnutzen. Unser Projekt bietet die Grundlage, um in Zukunft z.B. Nutzer in sozialen Medien zu warnen, wenn bestimmte Argumentationsstrategien verwendet werden, kann aber auch unerfahrene Diskussionsteilnehmer bei der Erstellung von qualitativ hochwertigen Argumenten (die nur berechtigte Emotionen ausnutzen) unterstützen. Wir erwarten daher, dass unser Projekt bedeutenden gesellschaftlichen Einfluss haben wird.

Das Projekt startet im Mai 2024 und wird von der Deutschen Forschungsgemeinschaft finanziert. Das Projekt wird gemeinsam mit Steffen Eger (Universität Mannheim) geleitet.