Detecting Biased Arguments: A Site for Argumentative Injustice

在人类争论的世界里，我们经常假设解决辩论的最佳方式是严格审视所使用词汇的逻辑。我们倾向于认为，如果一个论点结构严谨，它就是公平的；如果它杂乱或带有情绪，它就是有缺陷的。这种信念支撑着我们对从政治演讲到网络评论等各种事物的判断。然而，越来越多的研究表明，这种对结构的关注有时会让我们对现实情况视而不见。它可能导致我们仅仅因为观点是以故事形式讲述、基于个人经验或以充满激情的方式表达，而非采用冷冰冰的、循序渐进的格式，就从而不公平地否定这些有效的观点。这种现象被称为“论辩不公”（argumentative injustice），即一个人的社会地位或其表达方式导致其观点被忽视或被贴上偏见的标签，即便其推理是合理的。

如何检测偏见是这一问题的核心。如果我们构建工具或规则来寻找“有偏见”的论点，我们必须追问：这些工具是否识别了所有的表达方式？温德索大学的阿斯玛·塔朱丁（Asma Tajuddin）的一项新研究探讨了寻找偏见的行为本身是否会成为不公平的来源。该研究调查了一个特定的问题：当我们孤立地看待一个论点，而不了解谁在说话、他们在回应什么，或者正在进行什么样的对话时，我们可能会误判它。研究表明，我们识别不良推理的方法往往偏好一种特定的、僵化的说话风格，同时惩罚其他风格，这可能会使那些不符合标准模式的声音失声。

为了理解这种情况是如何发生的，塔朱丁转向了加拿大众议院——这是一个每天都有数百名政治家就法律和政策进行辩论的地方。她收集了2026年6月间记录的586段截然不同的演讲。这些演讲涵盖了从简短陈述到详尽解释的内容，由158名不同的国会议员发表。研究的目标并非评判当时的政治局势，而是观察如果由计算机程序在不同条件下进行分析，同一段演讲会被如何标记。研究者想知道，如果给予计算机更多的背景信息，“有偏见”这一标签是否会发生变化。

实验设计类似于一系列测试。在第一项测试中，计算机只看到演讲本身，并剥离了任何周围的对话。在第二项测试中，它看到了演讲以及其前后的两条评论，从而获得了辩论的即时流向。在第三项也是最完整的测试中，计算机还被告知了正在进行的特定对话类型，例如该群体是在试图说服彼此、协商交易，还是仅仅在收集信息。通过保持演讲内容完全一致，仅改变提供给分析器的背景信息，该研究能够分离出背景对判断偏见的影响。

结果显示，人们对论点的看法发生了显著变化。当计算机孤立地观察演讲时，它经常无法确定其含义，将近一半的演讲标记为“模棱两可”。它难以判断这些演讲是公平还是不公平。然而，一旦计算机获得了周围的对话信息，其不确定性便大幅下降。被标记为“无偏见”的数量显著增加，这表明额外的信息帮助系统意识到，许多论点实际上是对之前所言内容的合理回应。被标记为“有偏见”的论点数量也增加了，但增长较慢，这表明背景有助于系统识别出那些在单独观察时被隐藏的真实片面性。

研究还仔细观察了人们表达观点的不同方式。分析发现，虽然许多政治家使用了标准的、从前提推导结论的逻辑格式，但很大一部分演讲依赖于其他方法。近一半的发言是基于个人故事、他人的证词或情感诉求。这些是推理的形式，它们并不总是看起来像数学题，但它们自带分量与真相。研究表明，这些不同类型的论点如何被评判，在很大程度上取决于背景。例如，当演讲者使用证词或依赖制度权威时，一旦看到完整的对话，计算机更有可能将其标记为“无偏见”。相比之下，依赖原始数据或强烈情感的论点，无论背景如何，都更容易被标记为有偏见。

这一模式指向了一个更深层的问题，即我们如何评估人类言论。研究表明，我们目前的检测偏见标准并非中立的。它们似乎是针对一种特定的论辩风格进行了调优，即重视形式逻辑和制度地位。当演讲者使用叙事或情感诉求时，系统在没有完整故事背景的情况下，往往难以理解它。在缺乏这种背景的情况下，这些有效的推理形式面临着被视为模糊或不公平而遭到摒弃的风险。研究指出，如果我们过度依赖自动化工具或僵化的规则来寻找偏见，我们可能会在无意中惩罚那些以自然方式说话的人，尤其是当他们的表达方式与主流的、正式的风格不同时。

这些发现并非证明每一个自动化系统都是破碎的，也不是说每一个情感化的论点都是完美的。相反，它们表明我们用来判断论点的工具对输入的信息非常敏感。在真空状态下做出的判断，往往不如在理解情境后做出的判断那样可靠。该研究强调，论辩的公平性不仅需要检查逻辑错误，还需要关注说话者的社会地位、对话发生的类型以及他们用来陈述理由的资源。通过忽略这些因素，我们面临着创造这样一个系统的风险：即只有某些种类的声音能被听到，而其他声音则会被悄然贴上有缺陷的标签。

最终，这项研究提醒我们，对话的背景不仅仅是背景噪音；它是理解所言之意的核心。无论是在议会、法庭还是在线论坛，我们对一个论点的判断取决于我们愿意倾听多少故事。如果我们想要避免论辩不公，我们必须确保我们的偏见检测方法具有足够的灵活性，能够识别出真理可以有多种形式，而不止于那些符合严格逻辑模板的形式。研究结论指出，通往更公平评价的路径在于承认：谁在争论以及他们如何争论，与他们选择的词汇同样重要。