Detecting Biased Arguments: A Site for Argumentative Injustice

Nel mondo del disaccordo umano, spesso assumiamo che il modo migliore per risolvere un dibattito sia guardare strettamente alla logica delle parole utilizzate. Tendiamo a pensare che se un argomento è ben strutturato, sia equo, e se sia disordinato o emotivo, sia difettoso. Questa convinzione sostiene gran parte del modo in cui giudichiamo tutto, dai discorsi politici ai commenti online. Tuttavia, un crescente corpo di ricerca suggerisce che questo focus sulla struttura possa talvolta accecarci di fronte alla realtà della situazione. Può portarci a scartare ingiustamente punti di vista validi solo perché sono raccontati attraverso una storia, basati su esperienze personali o espressi con passione, piuttosto che in un formato freddo e passo dopo passo. Questo fenomeno è noto come ingiustizia argomentativa, una situazione in cui la posizione sociale di una persona o il modo in cui parla causano l'ignoranza delle sue idee o le portano a essere etichettate come parziali, anche quando il loro ragionamento è solido.

La questione di come rileviamo il pregiudizio è centrale in questo problema. Se costruiamo strumenti o regole per trovare argomenti "parziali", dobbiamo chiederci: questi strumenti riconoscono tutti i modi di parlare? Un nuovo studio di Asma Tajuddin, dell'Università di Windsor, esplora se l'atto stesso di cercare il pregiudizio possa diventare esso stesso una fonte di ingiustizia. La ricerca indaga un problema specifico: quando guardiamo un argomento in isolamento, senza sapere chi lo ha detto, a cosa stava rispondendo o quale tipo di conversazione stia avvenendo, potremmo giudicarlo erroneamente. Lo studio suggerisce che i nostri metodi per individuare il cattivo ragionamento spesso favoriscano uno stile di parlare specifico e rigido, penalizzando al contempo altri, potenzialmente mettendo a tacere voci che non si conformano allo standard dominante.

Per capire come ciò accada, la Tajuddin si è rivolta alla Camera dei Comuni canadese, un luogo dove centinaia di politici discutono leggi e politiche ogni giorno. Ha raccolto 586 discorsi distinti registrati in tre giorni nel giugno 2026. Questi discorsi variavano da dichiarazioni brevi a spiegazioni lunghe e dettagliate, pronunciate da 158 diversi membri del parlamento. L'obiettivo non era giudicare la politica del giorno, ma vedere come lo stesso discorso sarebbe stato etichettato se un programma informatico lo avesse analizzato sotto diverse condizioni. La ricercatrice voleva sapere se l'etichetta di "parziale" sarebbe cambiata a seconda di quanto contesto veniva fornito al computer.

L'esperimento è stato progettato come una serie di tre test. Nel primo test, il computer vedeva solo il discorso stesso, privato di qualsiasi conversazione circostante. Nel secondo test, vedeva il discorso più i due commenti precedenti e i due successivi, fornendogli il flusso immediato del dibattito. Nel terzo test, il più completo, al computer veniva anche comunicato il tipo specifico di dialogo in corso, come ad esempio se il gruppo stesse cercando di persuadersi a vicenda, negoziare un accordo o semplicemente raccogliere informazioni. Mantenendo il discorso esattamente lo stesso e cambiando solo le informazioni di sfondo disponibili all'analizzatore, lo studio poteva isolare l'effetto del contesto sul giudizio di parzialità.

I risultati hanno rivelato un cambiamento sorprendente nel modo in cui gli argomenti venivano percepiti. Quando il computer esaminava i discorsi in isolamento, era spesso incerto su cosa pensarne, etichettandone quasi la metà come "ambigui". Faticava a decidere se fossero equi o meno. Tuttavia, non appena il computer riceveva la conversazione circostante, questa incertezza diminuiva drasticamente. Il numero di etichette "non parziali" aumentava significativamente, suggerendo che l'informazione extra aiutasse il sistema a vedere che molti argomenti erano in realtà risposte ragionevoli a quanto detto in precedenza. Anche il numero di argomenti etichettati come "parziali" aumentava, ma più lentamente, indicando che il contesto aiutava il sistema a identificare una reale parzialità che era nascosta quando il discorso veniva visto da solo.

Lo studio ha anche esaminato attentamente i diversi modi in cui le persone espongono i propri punti di vista. L'analisi ha scoperto che, mentre molti politici utilizzavano lo standard formato logico di premesse che portano a una conclusione, una enorme porzione dei discorsi si basava su altri metodi. Quasi la metà dei contributi era costruita su storie personali, testimonianze di altri o appelli emotivi. Queste sono forme di ragionamento che non sempre sembrano un problema matematico, ma che portano il proprio peso e la propria verità. La ricerca ha dimostrato che il modo in cui questi diversi tipi di argomenti venivano giudicati dipendeva fortemente dal contesto. Ad esempio, quando un relatore utilizzava una testimonianza o si affidava all'autorità istituzionale, il computer era molto più propenso a definirlo "non parziale" una volta vista la conversazione completa. Al contrario, gli argomenti che si basavano su dati grezzi o forti emozioni erano più propensi a essere segnalati come parziali, indipendentemente dal contesto.

Questo schema punta a un problema più profondo nel modo in cui valutiamo il discorso umano. Lo studio suggerisce che i nostri standard per rilevare il pregiudizio non sono neutrali. Sembrano essere tarati su uno stile specifico di argomentazione che valorizza la logica formale e la posizione istituzionale. Quando un relatore utilizza una narrazione o un appello emotivo, il sistema spesso fatica a comprenderlo senza la storia completa del dibattito. Senza quel contesto, queste forme valide di ragionamento rischiano di essere scartate come poco chiare o inique. La ricerca indica che se facciamo troppo affidamento su strumenti automatizzati o regole rigide per trovare la parzialità, potremmo accidentalmente punire le persone per il modo in cui parlano, specialmente se tali modi differiscono dallo stile dominante e formale.

I risultati non dimostrano che ogni sistema automatizzato sia rotto o che ogni argomento emotivo sia perfetto. Invece, suggeriscono che gli strumenti che usiamo per giudicare gli argomenti sono sensibili alle informazioni che forniamo loro. Un giudizio reso nel vuoto è spesso meno affidabile di uno reso con la comprensione della situazione. Lo studio evidenzia che l'equità nell'argomentazione richiede più del semplice controllo degli errori logici; richiede attenzione alla posizione sociale del relatore, al tipo di conversazione in corso e alle risorse che utilizzano per sostenere la propria tesi. Ignorando questi fattori, rischiamo di creare un sistema in cui solo certi tipi di voci vengono ascoltate, mentre altre vengono silenziosamente etichettate come difettose.

In definitiva, questa ricerca serve da promemoria del fatto che il contesto di una conversazione non è solo rumore di fondo; è essenziale per comprendere il significato di ciò che viene detto. Che si tratti di un parlamento, di un tribunale o di un forum online, il modo in cui giudichiamo un argomento dipende da quanta parte della storia siamo disposti ad ascoltare. Se vogliamo evitare l'ingiustizia argomentativa, dobbiamo assicurarci che i nostri metodi per rilevare il pregiudizio siano abbastanza flessibili da riconoscere che la verità può assumere molte forme, non solo quelle che si adattano a un rigido modello logico. Lo studio conclude che la strada verso una valutazione più equa risiede nel riconoscere che chi argomenta e come argomenta contano tanto quanto le parole che scelgono.