Name des Teilnehmers: Arne Binder
Projektbeschreibung: Jedes Jahr werden weltweit Millionen neue wissenschaftliche Artikel publiziert, Tendenz steigend [1]. Forschende sowie wissenschaftliche Rezensenten sehen sich vermehrt in der Situation, dass die Menge an Veröffentlichungen, selbst in ihrem jeweiligen Spezialgebiet, nicht mehr ausreichend gut erfassbar ist. Automatisierte Feeds oder Recommender-Systeme, wie z.B. von Arxiv Sanity oder Semantic Schoolar, versprechen hier Abhilfe, arbeiten aber meist mit simplen Verfahren, welche der komplexen Natur wissenschaftlicher Texte nicht gerecht werden. Vor allem liefern sie keine Informationen darüber, warum eine vorgeschlagene Veröffentlichung als relevant erachtet wird, was die wichtigen Argumente sind und welchen Bezug diese zu anderen Aussagen haben. Die argumentative Struktur wird von diesen Tools nicht berücksichtigt, obwohl Argumente die relevanten Basiselemente im wissenschaftlichen Diskurs darstellen.
Argument Mining (AM) bezeichnet die automatisierte Analyse der argumentativen Struktur von Texten. In diesem Projekt werden auf Machine Learning basierende AM-Techniken für die Anwendung in der wissenschaftlichen Domäne erforscht, um schließlich Prototypen zu entwickeln, welche diese Strukturen für den Anwender sichtbar und nutzbar machen. Die automatisierte Identifikation von Behauptungen und ihrer argumentativen Abhängigkeiten birgt das Potential, große Mengen an Publikationen vorzuverarbeiten, um dann praktische Fragen effizient angehen zu können, wie z.B.: Welche Behauptungen werden in einer betrachteten Publikation aufgestellt? Durch welche werden diese gestützt, welche greifen sie an? In welchen Publikationen wird eine bestimmte Behauptung gezeigt oder widerlegt? Welche ähnlichen Behauptungen wurden bereits in anderen Publikationen aufgestellt? Es ist das Ziel, durch die Beantwortung dieser und ähnlicher Fragen den Zugang zu relevantem Wissen wesentlich effizienter zu gestalten und schließlich die Transparenz wissenschaftlicher Diskurse zu erhöhen.
Software Campus-Partner: DFKI, Holtzbrinck Publishing Group
Umsetzungszeitraum: 01.03.2021 – 28.02.2023
[1] Vgl. https://ncses.nsf.gov/pubs/nsb20206/executive-summary.
