🤖 AI

Argumentation for Common Ground: Finding Zones of Possible Agreement between Individuals in Conflict

Este artigo propõe uma estrutura de argumentação computacional que modela o raciocínio subjetivo dos cidadãos sobre acordos de paz para identificar uma Zona de Possível Acordo (ZOPA) mutuamente aceitável, demonstrando sua eficácia por meio de análise teórica e experimentos sobre o conflito palestino-israelense.

Autores originais: Elisa Cavatorta, Antonio Rago

Publicado 2026-08-18

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Elisa Cavatorta, Antonio Rago

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

A paz raramente é uma simples questão de assinar um documento; é uma construção frágil baseada em se as pessoas comuns acreditam que os termos são justos. Quando duas sociedades estão presas em um conflito, o caminho para um acordo duradouro muitas vezes estagna não porque os líderes não consigam concordar com o texto, mas porque os cidadãos de ambos os lados estão convencidos por histórias diferentes sobre o que esse texto significa. Uma cláusula que parece uma vitória para um grupo pode ser sentida como uma rendição para outro, e essas narrativas subjetivas são frequentemente complexas demais, emocionais demais e contraditórias demais para serem mapeadas por pesquisas tradicionais ou sondagens simples. É aqui que entra um ramo da inteligência artificial conhecido como argumentação computacional. Em vez de apenas contar votos, este campo tenta modelar a lógica real que as pessoas usam para chegar às suas conclusões, tratando cada razão a favor ou contra uma política como uma peça distinta de um quebra-cabeça maior. Ao entender como essas peças se atacam ou se apoiam, os pesquisadores podem ir além de perguntar "o que você quer?" para entender "por que você acredita que isso é correto?".

Em um novo estudo, pesquisadores do King's College London aplicaram essa lógica ao conflito profundamente polarizado entre israelenses e palestinos, criando uma ferramenta digital projetada para encontrar a "Zona de Possível Acordo". Esta zona representa o conjunto específico de acordos de paz que ambos os lados poderiam realmente aceitar, não porque sejam perfeitos, mas porque são as opções menos objetáveis diante da complexa teia de razões que cada cidadão possui. A equipe não se limitou a pedir que as pessoas classificassem uma lista de potenciais tratados. Em vez disso, construíram um sistema que pega as razões específicas que as pessoas dam para apoiar ou rejeitar uma cláusula — como o congelamento da construção de assentamentos ou o reconhecimento de um Estado — e as tece em uma rede estruturada. Nesta rede, cada razão é um argumento, e as conexões entre elas mostram como uma crença apoia ou mina outra.

Os pesquisadores começaram construindo essas redes para cidadãos individuais, ou grupos de cidadãos, com base em suas preferências declaradas e no raciocínio por trás delas. Eles trataram o acordo de paz como uma coleção de cláusulas possíveis, onde cada cláusra é uma mudança potencial em relação à situação atual. Se um cidadão apoia uma cláusula, esse apoio atua como um impulso para qualquer acordo que a contenha; se ele a opõe, essa oposição atua como um freio. Crucialmente, o sistema também leva em conta o raciocínio que leva a essas posições. Por exemplo, uma pessoa pode se opor a uma cláusula não por causa da cláusula em si, mas devido a um medo específico sobre suas consequências, que, por sua vez, pode ser apoiado ou enfraquecido por outros fatos em que ela acredita. Ao atribuir uma força a cada uma dessas razões, o sistema pode calcular uma "pontuação" geral de aceitabilidade para cada combinação possível de cláusulas, simulando efetivamente como uma pessoa se sentiria em relação a um acordo complexo com base na soma de suas crenças individuais.

Para encontrar um terreno comum, os pesquisadores então fundiram as redes dos lados opostos em um único mapa combinado. É aqui que o método revela seu poder. Mesmo quando dois grupos parecem estar em total desacordo, com um lado apoiando cada cláusula que o outro rejeita, o mapa fundido ainda pode identificar um caminho intermediário. O sistema busca acordos onde o peso coletivo do apoio de ambos os lados supera o peso coletivo da oposição. Em sua análise, os pesquisadores descobriram que esta abordagem poderia identificar acordos específicos que eram mais aceitáveis do que outros, mesmo quando as preferências superficiais pareciam irreconciliáveis. A percepção fundamental foi que a força do raciocínio importava mais do que o simples binário de "a favor" ou "contra". Um acordo pode sobreviver à fusão se as razões que o apoiam forem fortes o suficiente para superar as objeções, mesmo que essas objeções sejam numerosas.

A equipe testou este framework usando dados reais de pesquisas anteriores envolvendo milhares de respondentes israelenses e palestinos, bem como dados extraídos de relatórios recentes de opinião pública usando modelos de linguagem de grande escala para extrair o raciocínio específico. No primeiro teste, eles compararam as classificações do sistema de acordos de paz com as preferências reais registradas nos dados da pesquisa. Os resultados mostraram uma correlação clara, sugerindo que o modelo poderia prever com precisamente quais acordos o público consideraria mais aceitáveis. No segundo teste, usando o modelo de linguagem para extrair o raciocínio de notícias, o sistema identificou com sucesso que as cláusulas com o apoio combinado mais forte de ambos os lados acabaram nos acordos mais "aceitáveis", enquanto aquelas com o raciocínio mais negativo foram excluídas. Isso demonstrou que a ferramenta poderia funcionar mesmo sem acesso direto aos dados brutos das pesquisas, desde que pudesse acessar os argumentos públicos que estão sendo feitos.

O estudo não afirma ter resolvido o conflito ou encontrado um tratado de paz perfeito. Em vez disso, oferece uma nova maneira para os negociadores visualizarem o cenário da opinião pública. Ao visualizar o argumento subjacente, os mediadores podem ver exatamente onde reside a fricção e quais compromissos poderiam realmente resistir ao escrutínio. A pesquisa sugere que, ao focar na força do raciocínio em vez de apenas na contagem de apoiadores, é possível encontrar uma zona de acordo que era anteriormente invisível. Esta abordagem oferece uma maneira de navegar na realidade subjetiva e caótica dos conflitos humanos, transformando o ruído caótico da opinião pública em um mapa estruturado que aponta para um futuro viável.

Resumo Técnico: Argumentação para o Terreno Comum na Resolução de Conflitos

Definição do Problema
Acordos de paz sustentáveis dependem da aceitabilidade pública, que é mediada não meramente pelas cláusulas específicas incluídas em um acordo, mas pelas narrativas subjetivas e pelo raciocínio que os cidadãos empregam para avaliar essas cláusulas. Em conflitos polarizados, como o israelense-palestino, os cidadãos frequentemente detêm narrativas contestadas que tornam difícil a identificação de uma "Zona de Possível Acordo" (ZOPA) — um conjunto de acordos mutuamente aceitáveis. Embora a argumentação computacional tenha sido aplicada à modelagem de opinião e previsão, ela ainda não foi implementada para a resolução de conflitos do mundo real para mapear ZOPAs viáveis fundamentados no raciocínio dos cidadãos. O desafio central é representar e fundir sistematicamente o raciocínio conflitante individual para identificar acordos que satisfaçam ambas as partes.

Metodologia
Os autores propõem uma abordagem inovadora utilizando Estruturas de Argumentação Bipolar Quantitativa (QBAFs) para modelar e fundir o raciocínio de partes conflitantes.

Representação (Construção da QBAF):
- A estrutura modela o raciocínio de um cidadão como uma QBAF $\langle X, A, S, \tau \rangle$ $⟨ X, A, S, τ ⟩$ , onde $X$ $X$ contém três tipos de argumentos:
  - Argumentos de Acordo ( $X_P$ ): Representando acordos de paz específicos (subconjuntos de cláusulas).
  - Argumentos de Cláusula ( $X_C$ ): Representando cláusulas individuais (mudanças no status quo) e seu endosso ou rejeição pelo cidadão.
  - Argumentos de Raciocínio ( $X_R$ ): Representando as narrativas ou justificativas subjacentes para apoiar ou opor-se às cláusulas.
- Relações: Ataques ( $A$ ) e Suportes ( $S$ ) são definidos com base na postura do cidadão. Por exemplo, um argumento de cláusula representando uma cláusula endossada suporta argumentos de acordo que contêm essa cláusula e ataca aqueles que não a contêm.
- Pontuações de Base ( $\tau$ ): Argumentos de acordo recebem uma pontuação de base neutra de 0,5. Argumentos de cláusula e de raciocínio recebem pontuações de base que refletem sua aceitabilidade intrínseca ou prevalência.
- Semântica Gradual: Uma função de semântica gradual $\sigma$ é aplicada para calcular a força (aceitabilidade) de cada argumento no intervalo $[0, 1]$ , levando em conta a interação de ataques e suportes.
Fusão para Identificação da ZOPA:
- Para encontrar o terreno comum, as QBAFs de múltiplos cidadãos (por exemplo, um israelense e um palestino) são fundidas em uma única estrutura $Q^*$ .
- O processo de fusão realiza a união de todos os argumentos e relações, preservando o raciocínio específico e os argumentos de cláusula de cada indivíduo. A camada de acordo permanece compartilhada.
- A ZOPA é definida como o conjunto de acordos na estrutura fundida cuja força computada excede o limiar neutro de 0,5 ( $\sigma(Q^*, p_k) > 0,5$ ).
Restrições Teóricas:
- Os autores analisam quais propriedades da semântica gradual são necessárias para um comportamento intuitivo neste contexto. Eles estabelecem que Equilíbrio (Balance), Monotonicidade (Estrita) e Dualidade são essenciais.
- Equilíbrio garante que, se os ataques superarem os suportes, a força cai abaixo da pontuação de base.
- Monotonicidade garante que o aumento do suporte ou a diminuição dos ataques aumenta a força.
- Dualidade garante simetria em cenários espelhados (por exemplo, se o raciocínio de um lado for o inverso exato do outro, suas forças devem somar 1).
- O artigo identifica a QEM (Potyka 2018) como uma semântica adequada porque satisfaz todas as três propriedades, incluindo a monotonicidade estrita, enquanto a DF-QuAD falha na monotonicidade estrita.

Principais Contribuições

Estrutura Inovadora: Introdução de QBAFs customizadas para representar o raciocínio conflitante individual sobre acordos de paz, distinguindo entre argumentos de acordo, de cláusula e de raciocínio.
Garantias Teóricas: Prova de que a fusão de QBAFs com semântica gradual que satisfaz equilíbrio, monotonicidade e dualidade representa intuitivamente as visões individuais e garante que a ZOPA resultante reflita os acordos apoiados pelo raciocínio coletivo de ambos os lados.
Definição Formal de ZOPA: Um mecanismo formal para identificar a ZOPA como um subconjunto de acordos onde o raciocínio fundido gera uma força superior à linha de base neutra.
Validação Empírica: Experimentos preliminares aplicando a estrutura ao conflito israelense-palestino usando duas fontes de dados:
1. Dados de Pesquisa (Survey): Reanálise de dados de Cavatorta, Groom e Sher (2025) envolvendo 1.152 israelenses e 1.152 palestinos.
2. Dados Recuperados por LLM: Uso de um Modelo de Linguagem de Grande Escala (Opus 4.7) para extrair argumentos de raciocínio de relatórios de pesquisas de opinião nacionalmente representativas, validados manualmente quanto à precisão.

Resultados

Correlação de Dados de Pesquisa: Quando aplicada aos dados de pesquisa existentes, o ranking argumentativo gerado pela QBAF fundida mostrou uma correlação estatisticamente significativa com o ranking empírico de acordos (Spearman $\rho = 0,448$ , Kendall $\tau = 0,293$ ). Em termos de identificação de acordos acima do status quo, o modelo alcançou uma precisão de 0,873 e um recall de 0,982 contra a verdade fundamental da maioria agrupada.
Insights de Dados de LLM: O experimento usando raciocínio recuperado por LLM demonstrou que a estrutura pode identificar ZOPAs consistentes com a força do raciocínio. Por exemplo, cláusulas com forte raciocínio positivo combinado (ex: anistia mútua, Cláusula 7) apareceram em mais acordos da ZOPA, enquanto cláusulas com forte raciocínio negativo (ex: reconhecimento de Israel como um estado judeu, Cláusula 2) apareceram em menos acordos. A mudança mutuamente endossada (Cláusula 5) foi corretamente identificada como estando nos acordos de ZOPA mais frequentes.
Achados Teóricos: A análise confirmou que, sem a monotonicidade estrita, a estrutura poderia falhar em classificar intuitivamente os acordos em casos de consenso parcial. A semântica QEM lidou com sucesso com a fusão de visões opostas para revelar soluções de compromisso (ex: Acordo $P_4$ no exemplo ilustrativo) que não eram óbvias ao visualizar as estruturas individuais.

Significância e Alegações
O artigo afirma que a argumentação computacional oferece uma ferramenta viável para equipes de resolução de conflitos e negociadores para mapear ZOPAs viáveis fundamentados no raciocínio dos cidadãos, em vez de apenas nas provisões políticas. Ao alavancar o raciocínio por trás das narrativas, o método pode revelar um terreno comum que pode ser inacessível através da análise tradicional.

Os autores posicionam este trabalho como um passo fundamental, observando que, embora a abordagem mostre correlação encorajadora e adequação para implantação no mundo real, esta é uma avaliação preliminar. Eles enfatizam que a estrutura suporta a identificação de ZOPAs mesmo em contextos profundamente polarizados, desde que o raciocínio subjacente seja capturado com precisão. O trabalho não pretende resolver o conflito, mas fornecer um método estruturado e baseado em evidências para visualizar e analisar o espaço de possíveis acordos. Sugere-se como trabalho futuro o escalonamento para populações maiores, o desenvolvimento de protocolos para eliciação de pontuações de base e a exploração de formalismos de argumentação mais complexos (ex: ataques de conjunto, argumentação probabilística).

Resumo Técnico: Argumentação para o Terreno Comum na Resolução de Conflitos

Mais como este