Argument Mining

How Argumentree Turns a Transcript Into an Argument Tree

AT
Argumentree Team
Decision Science
July 29, 2026
9 min ler
How Argumentree Turns a Transcript Into an Argument Tree

Como o Argumentree Transforma uma Transcrição em uma Árvore de Argumentos | Argumentree

Argumentree utiliza mineração de argumentos para converter uma transcrição ou documento não estruturado em uma árvore de argumentos a favor e contra. A extração faz quatro coisas: encontra os trechos de texto que contêm afirmações ou razões, rotula o que cada um é, determina qual razão se relaciona a qual afirmação e decide se cada ligação apoia ou ataca o que está acima dela. Duas escolhas de design moldam a saída. Primeiro, os argumentos são agrupados em categorias de uma única palavra, como Custo, Risco, Cronograma ou Legal, e exatamente um argumento por categoria é promovido a ser a principal afirmação dessa categoria. Em segundo lugar, a principal afirmação não é escolhida pela pontuação de confiança do modelo. A confiança mede quão certa foi a extração, não quão central é o argumento, e a confiança verbalizada de LLM é conhecida por ser mal calibrada. Em vez disso, a principal afirmação é selecionada a partir de vários sinais ao mesmo tempo, sendo o mais forte a centralidade — quantos outros argumentos se conectam a ela — e a abstração, porque uma afirmação principal é uma posição geral enquanto suas evidências de apoio são específicas. Um argumento que contém uma porcentagem, um valor em moeda ou um estudo nomeado é tratado como evidência para uma afirmação em vez da própria afirmação. Todo argumento extraído deve citar a fonte verbatim; qualquer coisa que não possa ser localizada no texto original é descartada antes que a árvore seja exibida. A saída é um rascunho para que as pessoas corrijam, reestruturem e avaliem, não um veredicto.

Share:
Resumo

A extração é a parte fácil. A parte difícil é a estrutura — decidir qual é o ponto principal, o que é apenas evidência para isso e o que realmente argumenta contra isso.

  • Os argumentos são agrupados em categorias de uma palavra — Custo, Risco, Cronograma, Legal — e exatamente um por categoria se torna a principal reivindicação dessa categoria.
  • A principal afirmação não é aquela sobre a qual o modelo estava mais confiante. As medidas de confiança extraem a certeza, não a importância.
  • As principais alegações são gerais; as evidências são específicas. Um argumento que apresenta uma porcentagem ou um estudo nomeado é tratado como apoio a uma alegação, não como a alegação em si.
  • Todo argumento deve citar a fonte palavra por palavra. Qualquer coisa que não possa ser encontrada no texto original é descartada antes de você vê-la.
  • O resultado é um rascunho. As pessoas corrigem, reestruturam e avaliam — a máquina constrói a estrutura, o grupo mantém o julgamento.

A Resposta Mais Confiante Foi a Errada

Alimente uma reunião orçamentária de noventa minutos em um motor de extração e pergunte qual argumento foi mais importante, e muitas vezes ele lhe dará uma estatística. Algo como "o modelo financeiro projeta uma redução de 20% nos gastos operacionais" — preciso, bem fundamentado, e o modelo tem muita certeza sobre isso.

Também é a resposta errada. Essa frase não é o argumento. É a evidência para um argumento que alguém fez quarenta minutos antes e formulou de maneira muito mais solta: devemos consolidar as duas equipes porque isso economizará dinheiro. A frase vaga é a afirmação. A precisa é o que a sustenta.

Essa distinção é todo o problema de transformar uma conversa em uma estrutura, e vale a pena ter isso em mente na próxima vez que você ler suas próprias anotações de reunião. As frases que parecem mais citáveis geralmente são aquelas que fazem o menor trabalho argumentativo.

O que a extração precisa acertar

A mineração de argumentos — o campo de pesquisa por trás disso, analisado por John Lawrence e Chris Reed em 2019 — é geralmente dividida em quatro tarefas, e elas se tornam mais difíceis à medida que você avança.

  • Encontre as partes argumentativas. A maioria das frases em uma reunião real são logísticas, saudações ou reiterações. Apenas algumas carregam uma afirmação ou uma razão.
  • Identifique o que cada parte é. Uma afirmação é uma posição. Uma premissa é uma razão para isso. A evidência é os dados por trás da razão. A mesma frase pode ser uma afirmação em um documento e uma premissa em outro.
  • Descubra o que responde a quê. Uma razão está ligada a uma reivindicação específica; uma objeção está ligada a uma razão específica. É isso que transforma uma lista em uma árvore.
  • Decida apoiar ou atacar. Para cada link: isso fortalece o que está anexado ou o enfraquece?

Os dois primeiros estão amplamente resolvidos. Os dois últimos não estão, e os benchmarks publicados mostram claramente a diferença: no corpus de ensaios persuasivos que Christian Stab e Iryna Gurevych anotaram, a detecção de componentes atinge cerca de 73% de F1, enquanto a detecção de relações fica perto de 48%. No corpus CDCP que Joonsuk Park e Claire Cardie construíram, a detecção de relações cai para aproximadamente 34%.

Portanto, as decisões de design interessantes não estão na descoberta. Elas estão na estruturação — e é aí que as categorias entram.

Por que os argumentos são classificados em categorias

Uma discussão real não se trata de uma única coisa. Uma decisão de consolidar duas equipes envolve simultaneamente custos, moral, exposição legal e o tempo que leva. Esses são debates diferentes acontecendo na mesma sala, e achatá-los em uma única lista produz algo que ninguém consegue ler.

Assim, cada argumento extraído é marcado com uma categoria de uma única palavra — Custo, Risco, Cronograma, Legal, Segurança, Escopo. Uma palavra única, deliberadamente. No momento em que as categorias se tornam frases, o mesmo tema se fragmenta em quase duplicatas: Impacto Orçamentário e Considerações de Custo e Risco Financeiro são um debate usando três chapéus, e a árvore se divide em ramos que deveriam ser um só.

A restrição é imposta em vez de solicitada. As categorias são normalizadas para uma única forma canônica, e uma categoria é uma propriedade do topo de um ramo — tudo abaixo de uma reivindicação principal herda a categoria dessa reivindicação principal. Um argumento de custo não adquire um filho na categoria Risco; se o filho é genuinamente sobre risco, ele pertence à reivindicação principal de Risco em vez disso.

Um Argumento Principal Por Categoria

Dentro de cada categoria, exatamente um argumento é promovido a ser a afirmação principal — a posição central que tudo o mais naquela categoria apoia ou ataca. Tudo o mais na categoria se torna um filho dela, direta ou indiretamente.

Esta é a escolha mais consequente de todo o processo. Acertar significa que o ramo se lê como um argumento: aqui está a posição sobre o custo, aqui estão três razões para isso, aqui está a objeção à segunda razão. Errar significa que você obtém a inversão do início deste artigo — uma estatística no topo de um ramo com a afirmação que deveria apoiar pendurada embaixo como se fosse um detalhe.

A abordagem óbvia não funciona.

A resposta intuitiva é promover o argumento sobre o qual o modelo estava mais confiante. Isso falha, por uma razão que vale a pena entender.

A confiança mede quão certo foi a extração ao encontrar um argumento real. Não mede quão central esse argumento é para o debate. Uma estatística bem formulada com uma fonte nomeada é uma extração fácil e de alta confiança. Uma frase vaga e cautelosa que acontece de ser a tese real é uma extração difícil e de baixa confiança. Classificar por confiança promove sistematicamente a evidência e desmerece a afirmação.

Há um segundo problema por trás do primeiro. Trabalhos de Saurav Kadavath e colegas da Anthropic descobriram que a confiança verbalizada dos modelos de linguagem é melhor calibrada do que as probabilidades brutas de tokens — mas avaliações subsequentes mostraram repetidamente que ainda não está bem calibrada em termos absolutos. É um sinal utilizável. Não é uma classificação confiável.

O que realmente escolhe a reivindicação principal

Em vez de um sinal, vários são combinados — e o mais forte deles é estrutural em vez de linguístico.

  • Centralidade. Quantos outros argumentos se conectam a este? A afirmação à qual tudo o mais responde é quase sempre a afirmação central. Esta é a coisa mais próxima de um sinal confiável, porque é uma propriedade da posição do argumento no debate, em vez de sua redação.
  • Abstratividade. As principais afirmações são gerais; as evidências são específicas. Esta é diretamente Toulmin: em seu relato de 1958, a afirmação é a conclusão e os fundamentos são os fatos concretos que a sustentam.
  • Linguagem argumentativa. Marcadores de discurso — portanto, a questão chave é, eu argumentaria — sinalizam que um falante está afirmando uma posição em vez de fornecer um detalhe.
  • Brevidade. As afirmações centrais tendem a ser curtas. Uma frase longa geralmente carrega qualificações, que é o que o material de apoio faz.
  • Posição. Um sinal fraco, mas real: as teses tendem a aparecer cedo.

A abstração é medida ao procurar as impressões digitais da especificidade. Uma porcentagem, um valor em moeda, uma entidade quantificada, uma frase de citação, uma instituição nomeada — cada uma torna um argumento menos provável de ser a afirmação principal, porque cada uma é uma marca de fundamentos em vez de uma conclusão. O trabalho remoto melhora a produtividade é uma afirmação. Uma pesquisa com 500 trabalhadores mostrou 78% de satisfação é o que você diz quando alguém pergunta por quê.

Combinar vários sinais fracos é melhor do que confiar em um que parece forte — que é a mesma razão pela qual um grupo com perspectivas diversas supera um indivíduo confiante, um padrão explorado em por que a diversidade supera a habilidade.

Tente isso na sua última reunião.

Tome a última decisão que sua equipe tomou. Você consegue nomear o único argumento mais forte contra ela — e consegue nomear quem o fez? Se você não consegue, isso não é um problema de memória. É um problema de estrutura: seu registro capturou o que foi decidido, mas não o que foi argumentado, que é exatamente a lacuna que a extração está tentando fechar.

Nada sobrevive que não esteja na fonte.

Um argumento que soa plausível, mas que nunca foi realmente feito, é pior do que um argumento ausente — é um registro falso do que sua equipe disse. Assim, cada argumento extraído carrega a redação exata de onde veio, e qualquer argumento cuja evidência citada não possa ser localizada no documento fonte é removido antes que a árvore seja mostrada a alguém.

Isto é pouco glamouroso e é a parte que torna o resto utilizável. Uma árvore que você não pode rastrear até a transcrição é um resumo com etapas extras.

Mas isso não é apenas uma sumarização com etapas extras?

É a objeção óbvia, e a resposta está no que cada um descarta.

Um resumo comprime. Ele te diz, de forma geral, o que a reunião abordou e, se for bom, o que foi decidido. O que ele não pode preservar é a forma do desacordo — que essa objeção específica foi levantada contra essa razão específica, que foi respondida, e que uma segunda objeção nunca foi. Resumos perdem precisamente a parte que importa quando a decisão é revisitada oito meses depois e ninguém consegue se lembrar por que a alternativa óbvia foi rejeitada.

A distinção também separa a mineração de argumentos da análise de sentimentos, que mede atitude em vez de raciocínio. Uma frase pode ser formulada negativamente enquanto apoia o ponto ao qual está ligada — "a pressão do cronograma aumenta o risco" fortalece uma afirmação de que o projeto é arriscado. Avalie isso pelo tom e você sempre obterá o resultado inverso.

A saída é um rascunho, e esse é o ponto.

O que sai da extração é uma proposta: aqui está o que pensamos que foi argumentado, aqui está como achamos que se encaixa. As pessoas então corrigem — reestruturam um argumento que estava ligado à reivindicação errada, dividem um que uniu dois pontos, promovem algo que a pontuação errou e avaliam o que acham convincente.

Essa divisão é deliberada. Construir a estrutura à mão é um trabalho tedioso que impede as equipes de fazê-lo completamente. Julgar se um argumento é bom — se as evidências são válidas, se a suposição não declarada é aceitável — não é tedioso. É o pensamento real, e isso permanece com o grupo.

O Que Isso Significa Se Você Estiver Lendo Seus Próprios Registros de Reunião

  • A citação memorável geralmente não é a afirmação. Sentenças precisas e bem fundamentadas são tipicamente evidências. A afirmação que elas apoiam é frequentemente mais vaga e mais fácil de ser ignorada.
  • Conte o que se liga a o que. O ponto ao qual todos os outros responderam é o ponto que importava, independentemente de quem o disse com mais confiança.
  • Nomeie as categorias. Se você não consegue dizer quais dois ou três temas uma decisão envolvia, a discussão não foi estruturada — foi transcrita.
  • Procure a objeção que ninguém respondeu. É a coisa mais útil em qualquer registro de argumento, e a primeira coisa que um resumo superficial destrói.

A frase vaga foi o argumento.

A estatística nunca foi o ponto. Era a resposta a uma pergunta que alguém fez sobre uma afirmação que já havia sido feita — de forma vaga, cedo, e na espécie de frase que nunca entra na ata.

Estruturar uma discussão significa colocar essa frase de volta no topo do ramo onde pertence, com suas evidências abaixo dela e suas objeções anexadas às razões específicas que contestam. É para isso que serve uma árvore. E é por isso que a resposta mais confiante é tão frequentemente a errada.

A série de mineração de argumentos

Este post aborda como aplicamos a mineração de argumentos. O restante da série cobre de onde o campo veio e por que seus problemas difíceis são difíceis.

Perguntas Frequentes

Como o Argumentree transforma uma transcrição em uma árvore de argumentos?

Aplica mineração de argumentos: encontrar os trechos de texto que contêm afirmações ou razões, rotulando o que cada um é, determinando qual razão se relaciona com qual afirmação e decidindo se cada ligação apoia ou ataca o ponto acima dela. O resultado é uma árvore de prós e contras que as pessoas então revisam e corrigem.

Quais são as categorias de argumentos e por que palavras únicas?

Categorias agrupam uma discussão em seus debates separados — Custo, Risco, Cronograma, Legal. Elas são restritas a palavras únicas porque categorias de comprimento de frase fragmentam: Impacto Orçamentário, Considerações de Custo e Risco Financeiro são um debate usando três chapéus, e a árvore se divide em ramos que deveriam ser um só.

O que significa um argumento principal por categoria?

Dentro de cada categoria, exatamente um argumento é promovido a ser a afirmação central, e tudo o mais nessa categoria se conecta abaixo dele. Isso é o que torna um ramo legível como um argumento — uma posição, as razões para isso e as objeções a essas razões — em vez de uma lista simples de frases relacionadas.

Por que o argumento principal não é apenas aquele com a maior confiança?

Porque a confiança mede quão certa foi a extração, não quão central é o argumento. Uma estatística bem formulada é uma extração fácil e de alta confiança; a frase vaga que é a tese real é uma difícil. Classificar por confiança promove sistematicamente evidências e desvaloriza afirmações.

Como isso é diferente da sumarização de reuniões?

Um resumo comprime e informa o que foi abordado. Ele não pode preservar a forma da discordância — que esta objeção foi levantada contra aquela razão, que foi respondida e que outra não foi. Resumos perdem exatamente a parte que importa quando uma decisão é revisitada mais tarde.

O que impede a IA de inventar argumentos que ninguém fez?

Cada argumento extraído carrega a redação exata de onde veio, e qualquer argumento cuja evidência citada não possa ser localizada no documento fonte é removido antes que a árvore seja exibida. Um argumento que parece plausível, mas que nunca foi feito, é pior do que um ausente.

Posso mudar o que a extração produziu?

Sim — esse é o fluxo de trabalho pretendido. A saída é um rascunho. As pessoas reatribuem argumentos anexados à reivindicação errada, dividem pontos mesclados, promovem algo que a pontuação errou e avaliam o que acham convincente. A máquina constrói a estrutura; o grupo mantém o julgamento.

AT

Argumentree Team

Decision Science

The Argumentree team explores the science of better decisions—from ancient philosophy to modern AI.

Transforme sua próxima reunião em uma árvore de argumentos.

Estruture o raciocínio, não apenas o registro — para que a objeção que ninguém respondeu ainda esteja visível em seis meses.

Comece grátis

Leitura relacionada