💬 NLP

TruthSplit: Operationalizing Conditional Validity in Arguments Through Multi-Perspective Reasoning

Il documento presenta TruthSplit, un sistema interattivo che operazionalizza la "validità condizionale" analizzando come gli argomenti portino a conclusioni differenti attraverso diverse visioni del mondo mediante un approccio NLI multi-livello e il ragionamento di un LLM condizionato su profili di valori strutturati.

Autori originali: Benjamin Stieger, Maximilian Terberger, Thomas Huber, Christina Niklaus

Pubblicato 2026-06-09

📖 4 min di lettura☕ Lettura da pausa caffè

CC BY 4.0

Autori originali: Benjamin Stieger, Maximilian Terberger, Thomas Huber, Christina Niklaus

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Immagina di guardare due persone che discutono se debba essere costruito un nuovo parco nel loro quartiere.

Persona A dice: "Dovremmo costruirlo! Darà alle famiglie un posto sicuro dove giocare e unirà la comunità."
Persona B dice: "Non dovremmo costruirlo! Costerà troppo denaro e toglierà spazio dove le persone potrebbero costruire le proprie case."

Entrambe le persone potrebbero guardare esattamente gli stessi fatti: il costo del terreno, la dimensione del lotto e il numero di famiglie nella zona. Eppure, raggiungono conclusioni opposte. Gli strumenti tradizionali di controllo degli argomenti cercano di capire chi ha "ragione" o chi sta commettendo un errore logico. Chiedono: "La matematica è corretta? La grammatica è buona?"

TruthSplit è un nuovo sistema informatico che pone una domanda diversa: "Perché vedono gli stessi fatti in modo così diverso?"

Ecco come funziona, suddiviso in concetti semplici:

1. L'analogia degli "Occhiali della Visione del Mondo"

Pensa a ogni persona che indossa un paio di occhiali invisibili che colorano il modo in cui vede il mondo. Questi occhiali sono fatti dei loro valori (ciò che conta di più per loro), delle loro assunzioni (ciò che credono sia vero senza prove) e delle loro definizioni (ciò che parole come "libertà" o "giustizia" significano per loro).

La Persona A potrebbe indossare gli "Occhiali della Comunità". Per lei, la "libertà" significa avere il supporto dei vicini.
La Persona B potrebbe indossare gli "Occhiali della Libertà Individuale". Per lei, la "libertà" significa che nessuno può dirle cosa fare con i propri soldi.

La maggior parte dei programmi informatici ignora questi occhiali. Guardano solo le parole. TruthSplit è speciale perché mette al posto tuo diversi paia di occhiali. Possiede "profili" pre-programmati per sei diversi modi di vedere il mondo (come un Libertario, un Conservatore Religioso, un Eco-Socialista, ecc.).

2. Come funziona il sistema (La torta a tre strati)

Quando inserisci un argomento in TruthSplit, non si limita a leggerlo; lo frammenta e lo analizza in tre strati:

Livello 1: Il Controllo dei Fatti (Lo Scheletro)
Prima, elimina tutte le opinioni e guarda solo la logica pura. L'evidenza supporta effettivamente la conclusione? Se l'argomento è rotto qui (come dire "Sta piovendo, quindi dovrei mangiare pizza"), il sistema lo segnala come un cattivo argomento, indipendentemente da chi lo legge.
Livello 2: Il Controllo della Prospettiva (Gli Occhiali)
Successivamente, indossa gli "occhiali" di una specifica visione del mondo. Chiede: "Se fossi un Libertario, questo argomento avrebbe senso?". Potrebbe scoprire che l'argomento è perfetto per un Socialista ma completamente errato per un Libertario.
Livello 3: Il Controllo dello Scontro (La Mappa)
Infine, confronta le diverse visioni del mondo fianco a fianco. Disegna una mappa che mostra esattamente dove concordano e dove combattono.
- Esempio: Potrebbero concordare che "la povertà è un male" (Terreno Comune), ma dissentire sul fatto che "tassare i ricchi" sia la soluzione (Conflitto di Valori).

3. La Dashboard di "TruthSplit"

Il sistema fornisce una dashboard visiva. Immagina un sistema a semaforo per gli argomenti:

Verde: Questa parte dell'argomento è logica.
Giallo: Questa parte ha senso se credi in X, ma non se credi in Y.
Rosso: Questo è uno scontro fondamentale di valori.

Include anche una Chatbot che ti permette di parlare con una di queste visioni del mondo. Puoi chiedere al bot "Libertario": "Perché ti opponi a questo parco?" e lui risponderà usando strettamente i valori e la logica di un libertario, aiutandoti a comprendere la loro prospettiva senza che loro siano effettivamente presenti.

4. Cosa hanno scoperto i ricercatori

Il team ha testato questo sistema con studenti ed esperti.

Funziona: Le persone hanno trovato facile usarlo e hanno potuto capire perché gruppi diversi dissentano.
Non è un giudice: Il sistema non ti dice chi ha "ragione". Invece, ti mostra che il disaccordo non è dovuto al fatto che un lato sia stupido o stia mentendo; è perché partono da punti diversi.
È coerente: Che il sistema utilizzi un piccolo computer o una grande IA, i risultati sono gli stessi. La struttura del sistema è più importante del cervello specifico dell'IA utilizzato.

In sintesi

TruthSplit è come un traduttore per gli argomenti politici. Non risolve l'argomento per te. Invece, prende il litigio confuso e caotico e dice: "Guarda, ecco esattamente dove i tuoi valori si scontrano con i loro. Ecco dove definite diversamente la 'libertà'. Ora che hai la mappa, puoi avere una conversazione migliore".

Trasforma uno scontro verbale in un'esplorazione strutturata del perché dissentiamo.

Sintesi Tecnica: TruthSplit

Definizione del Problema

Gli strumenti di argomentazione computazionale esistenti si concentrano principalmente sull'analisi delle proprietà intrinseche degli argomenti, come la struttura, la qualità, la posizione o la persuasività. Questi sistemi spesso assumono implicitamente uno standard universale di correttezza, classificando gli argomenti come "validi" o "fallaci". Tuttavia, in ambienti polarizzati, il disaccordo deriva frequentemente non da un ragionamento difettoso, ma da differenze strutturali più profonde: divergenze sulle assunzioni su come funziona il mondo, distinzioni nelle priorità dei valori e variazioni nelle definizioni di concetti sociali contestati (ad esempio, "libertà" o "giustizia").

Gli strumenti attuali non riescono ad affrontare la validità condizionata: il concetto che la validità di una conclusione dipenda non solo dalle sue premesse, ma anche dallo specifico paradigma mondiale (valori, assunzioni e definizioni concettuali) attraverso il quale viene interpretata. Di conseguenza, un argomento può essere logicamente coerente e valido all'interno di un quadro ideologico, pur essendo invalido in un altro. Manca un sistema capace di operazionalizzare questa analisi dipendente dalla prospettiva per spiegare perché lo stesso enunciato porti a conclusioni diverse tra i vari paradigmi mondiali.

Metodologia

TruthSplit è un sistema interattivo progettato per operazionalizzare la validità condizionata attraverso una pipeline di analisi multi-stadio. Esso decompone gli argomenti e li valuta rispetto a profili di paradigma mondiale strutturati e computazionalmente codificati.

1. Base di Conoscenza del Paradigma Mondiale

Il sistema utilizza una base di conoscenza strutturata contenente sei prospettive ideologiche: Libertaria, Religioso-Conservatrice, Ecologica Socialdemocratica, Populista-Nazionalista, Comunista e Neo-Reazionaria.

Struttura: Ogni profilo è un oggetto JSON estendibile contenente valori fondamentali pesati, definizioni chiave (per l'interpretazione di termini contestati), principi assunti, quadri decisionali e punteggi di fattori su 16 dimensioni ideologiche.
Funzione: Questi profili fungono da "prior" che condizionano il processo di ragionamento, permettendo al sistema di simulare come diverse prospettive interpretino lo stesso input.

2. Pipeline di Analisi

Il sistema elabora il testo in input (tramite inserimento diretto, caricamento di file o API di notizie) attraverso sei stadi sequenziali:

Estrazione dell'Argomento: Il sistema decompone il testo in claim (asserzioni centrali), premesse (evidenze esplicite) e assunzioni (credenze non dichiarate). Questo avviene tramite due modalità:
- Locale: Un modello di classificazione di sequenze (accuratezza approssimativa del 75–80%) per un'analisi che preservi la privacy.
- Cloud: Un LLM con prompt strutturati e validazione JSON (accuratezza approssimativa del 95%+) .
Test di Coerenza a Tre Livelli (NLI): Il sistema impiega un approccio di Inferenza del Linguaggio Naturale (NLI) per valutare la coerenza logica a tre livelli:
1. Logica Premessa-Claim: Valuta se le premesse supportano logicamente la conclusione indipendentemente dai giudizi di valore (indipendente dalla prospettiva).
2. Prospettica-Interna: Valuta se il claim si allinea con i principi di un profilo di paradigma mondiale specifico.
3. Cross-Prospettiva: Confronta i punteggi di coerenza tra i profili per identificare disaccordi fondamentali.
Collegamento Concettuale: Il sistema calcola la similarità del coseno tra le definizioni concettuali specifiche del paradigma mondiale e i claim estratti per identificare quali concetti siano più rilevanti per ogni prospettiva (ad esempio, come la "libertà" venga definita diversamente dai Libertari rispetto ai Socialdemocratici).
Ragionamento del Paradigma Mondiale: Utilizzando i punteggi di coerenza, i concetti collegati e i profili completi del paradigma mondiale come contesto, l'LLM genera output specifici per la prospettiva. Questi includono:
- Interpretazione e posizione (Supporto/Opposizione/Condizionale).
- Catene di ragionamento.
- Assunzioni e preoccupazioni chiave.
- Approcci alternativi.
Analisi della Divergenza: Il sistema analizza come le prospettive dissentano, categorizzando i conflitti in:
- Conflitti di Valore: Priorità contrastanti (es. libertà vs uguaglianza).
- Differenze di Definizione: Interpretazioni divergenti dello stesso termine.
- Lacune di Assunzione: Dipendenza da premesse empiriche o normative differenti.
- Differenze di Priorità: Valori condivisi ma classificati diversamente.
- Flusso di Convergenza: Una visualizzazione che traccia la catena di ragionamento dai valori fondamentali alle conclusioni per individuare esattamente dove le prospettive divergono.

3. Interfaccia Utente

Il frontend è un'applicazione React che presenta:

Dashboard di Analisi: Visualizza metriche riassuntive, ragionamento per paradigma mondiale, pattern di divergenza e uno spazio fattoriale 3D per il posizionamento del paradigma mondiale.
Chatbot del Paradigma Mondiale: Un agente interattivo basato su LLM che incarna un paradigma mondiale selezionato, permettendo agli utenti di dialogare, sfidare le posizioni o esplorare risposte a nuovi scenari mantenendo un rigoroso rispetto dei valori e delle definizioni del profilo.

Contributi Chiave

L'articolo delinea quattro contributi primari:

Operazionalizzare la Validità Condizionata: Permettere l'analisi sistematica degli argomenti attraverso molteplici prospettive piuttosto che assegnare un singolo' etichetta di correttezza.
Ragionamento Condizionato dalla Prospettiva: Generare catene di ragionamento esplicite condizionate da profili ideologici strutturati ed estendibili, anziché da prompt informali.
Esplorazione Interattiva della Divergenza: Fornire strumenti analitici e visuali per identificare conflitti di valore, lacune di assunzione e punti di disaccordo.
Rappresentazione Strutturata del Paradigma Mondiale: Codificare le prospettive come profili computazionali (valori, definizioni, principi decisionali) per supportare l'analisi multi-prospettica, andando oltre la semplice classificazione testuale.

Risultati della Valutazione

Gli autori hanno condotto una valutazione a metodi misti coinvolgendo un livello di esperti (3 studenti di filosofia) e un livello più ampio (52 partecipanti provenienti da vari background accademici).

Usabilità e Accessibilità: Gli esperti hanno valutato il sistema molto positivamente per facilità d'uso (4,67/5) e appeal visivo (5,00/5). I non esperti hanno trovato l'analisi della divergenza accessibile (4,07/5), indicando che gli output comparativi sono comprensibili senza una formazione filosofica specializzata.
Rappresentazione del Paradigma Mondiale: La validazione degli esperti su 96 combinazioni fattore-paradigma ha mostrato una correlazione positiva moderata ( $r=0,33$ ) tra i punteggi dei fattori implementati e le valutazioni di importanza degli esperti. L'allineamento è stato più forte per i profili Religioso-Conservatore ed Ecologico Socialdemocratico. Gli esperti hanno notato l'ambiguità inerente alla quantificazione delle dimensioni ideologiche, con una sostanziale varianza tra gli esperti.
Robustezza dell'LLM: Gli output generati da diverse famiglie di LLM (Claude, GPT, Gemini, Grok, DeepSeek) non hanno mostrato differenze significative di qualità, suggerendo che l'approccio di prompting strutturato standardizzi il ragionamento tra i modelli.
Estrazione dei Claim: Valutata moderatamente positivamente (6,67/10), indicando margini di miglioramento nell'accuratezza dell'estrazione automatizzata.

Significato e Rivendicazioni

L'articolo posiziona TruthSplit non come uno strumento per risolvere il disaccordo, ma come uno strumento analitico ed educativo che rende il disaccordo ideologico più intelligibile.

Riformulare il Disaccordo: Portando in primo piano la validità condizionata, il sistema inquadra il conflitto come prodotto di premesse e gerarchie di valori differenti piuttosto che come incoerenza fattuale o fallimento logico.
Oltre i Giudizi Binari: Dimostra come i sistemi di IA possano andare oltre i giudizi binari "corretto/errato" verso un'analisi trasparente del disaccordo normativo.
Utilità Educativa: Il sistema è destinato a docenti, studenti, ricercatori e analisti per esplorare il ragionamento dipendente dalla prospettiva nel discorso politico ed etico.
Ambito Modesto: Gli autori riconoscono i limiti, tra cui la natura esplorativa dello studio, il campione limitato e la sfida di definire confini rigidi per i paradigmi mondiali. Dichiarano esplicitamente che la valutazione si concentra sulla usabilità e interpretabilità delle analisi, non sulla correttezza assoluta del ragionamento o delle spiegazioni della divergenza, lasciando quest'ultimo compito al lavoro futuro.

Gli autori concludono che la strutturazione del condizionamento del paradigma mondiale fornisce una base vitale per l'analisi degli argomenti multi-prospettica, offrendo un quadro per un impegno più informato verso le differenze ideologiche.