Apa itu penambangan argumen? Penambangan argumen adalah cabang pemrosesan bahasa alami yang secara otomatis mengidentifikasi struktur argumen di dalam teks biasa — kalimat mana yang membuat klaim, mana yang memberikan alasan, dan apakah setiap alasan mendukung atau menyerang klaim yang terlampir.
Penambangan argumen (juga disebut penambangan argumentasi) mengubah prosa yang tidak terstruktur — transkrip rapat, konsultasi kebijakan, esai, utas forum — menjadi peta terstruktur tentang siapa yang berargumen tentang apa dan dengan alasan apa. Bidang ini biasanya dijelaskan sebagai empat tugas yang saling terkait: menemukan rentang argumentatif dalam teks, memberi label masing-masing sebagai klaim atau premis atau bukti, menentukan rentang mana yang merespons yang mana, dan memutuskan apakah setiap hubungan adalah dukungan atau serangan. Ini berkembang dari teori argumentasi — penjelasan Stephen Toulmin pada tahun 1958 tentang bagaimana argumen sehari-hari sebenarnya dibangun, dan katalog pola penalaran yang berulang oleh Douglas Walton — dan menjadi disiplin komputasi pada tahun 2010-an melalui korpus yang dianotasi seperti esai persuasif Christian Stab dan Iryna Gurevych serta mikroteks argumentatif Andreas Peldszus dan Manfred Stede. Argumentree menggunakan penambangan argumen untuk mengubah transkrip atau dokumen yang ditempelkan menjadi pohon argumen pro dan kontra yang kemudian dapat dibaca, diperbaiki, dinilai, dan diperluas oleh orang-orang.
Apa itu Penambangan Argumen?
Argument mining adalah cabang AI yang membaca teks biasa dan menentukan struktur argumennya — kalimat mana yang merupakan klaim, mana yang merupakan alasan yang diberikan untuk klaim tersebut, dan apakah setiap alasan mendukung atau menyerang poin yang terkait. Ini adalah teknologi di balik mengubah transkrip rapat menjadi pohon pro dan kontra yang terstruktur.
Terakhir diperbarui: 2026-07-29
Singkatnya
Penambangan argumen (atau penambangan argumentasi) secara otomatis mengekstrak alasan di dalam teks yang tidak terstruktur. Di mana analisis sentimen bertanya bagaimana perasaan teks ini dan ringkasan bertanya apa yang dikatakannya, penambangan argumen bertanya apa yang diklaim, atas dasar apa, dan apa yang menentangnya. Ini adalah apa yang memungkinkan perangkat lunak mengubah transkrip, respons konsultasi, atau esai menjadi peta argumen daripada ringkasan.
Empat pekerjaan yang harus dilakukan oleh penambangan argumen
Peneliti biasanya membagi masalah menjadi empat tugas yang saling terkait. Masing-masing lebih sulit daripada yang sebelumnya, dan kesalahan yang terjadi di awal akan menyebar ke semua yang berikutnya.
1. Temukan bagian-bagian argumen
Sebagian besar kalimat dalam dokumen nyata bukanlah argumen — mereka adalah salam, logistik, latar belakang, atau pernyataan ulang. Tugas pertama adalah memutuskan bagian teks mana yang sebenarnya mengandung klaim atau alasan.
2. Labeli apa masing-masing bagian itu
Sebuah klaim adalah posisi yang diambil seseorang. Sebuah premis adalah alasan yang ditawarkan untuk itu. Bukti adalah data, studi, atau contoh yang mendukung alasan tersebut. Kalimat yang sama bisa menjadi klaim dalam satu dokumen dan premis dalam dokumen lain — perannya tergantung pada apa yang dilakukannya, bukan pada bagaimana kalimat itu disusun.
3. Cari tahu apa yang merespons apa
Argumen bukanlah daftar datar. Sebuah alasan terikat pada klaim tertentu; sebuah bantahan terikat pada alasan tertentu. Memulihkan struktur itu adalah yang mengubah sekumpulan kalimat yang diekstrak menjadi sebuah pohon.
4. Putuskan untuk mendukung atau menyerang
Untuk setiap tautan di dalam pohon: apakah ini memperkuat hal yang terhubung dengannya, atau melemahkannya? Ini adalah langkah yang paling sering salah, dan alasannya dijelaskan lebih lanjut di bawah.
Hanya ketika keempatnya selesai, Anda memiliki sesuatu yang benar-benar dapat Anda navigasikan: sebuah klaim, alasan-alasannya, keberatan terhadap alasan-alasan tersebut, dan balasan terhadap keberatan-keberatan itu.
Asal mula penambangan argumen
Penambangan argumen adalah bidang komputasi yang masih muda yang berdiri di atas bidang teoretis yang jauh lebih tua. Teori tersebut muncul lebih dulu sekitar setengah abad.
Toulmin memisahkan diri dari logika formal
Dalam The Uses of Argument, Stephen Toulmin berpendapat bahwa argumen yang nyata tidak terlihat seperti silogisme. Ia mengusulkan klaim, dasar, jaminan, dukungan, kualifikasi, dan bantahan sebagai bagian dari argumen sehari-hari — kosakata yang masih digunakan di seluruh bidang.
Walton mengkatalogkan bagaimana orang sebenarnya berargumen.
Douglas Walton mendokumentasikan pola berulang dari penalaran sehari-hari — mengacu pada pendapat ahli, argumen dari analogi, argumen dari konsekuensi — masing-masing dengan serangkaian pertanyaan kritis yang mengungkap di mana hal itu dapat gagal.
Freeman memformalkan struktur argumen
James Freeman membedakan premis yang hanya bekerja sama dari premis yang masing-masing berdiri sendiri, dan memisahkan menyerang kesimpulan dari menyerang inferensi yang mengarah ke kesimpulan tersebut — sebuah perbedaan yang sangat penting ketika sebuah mesin harus membuatnya.
Korpus tiba
Penambangan argumen menjadi tugas komputasi yang dapat diukur ketika dataset yang dianotasi muncul. Stab dan Gurevych menganotasi klaim, premis, dan hubungan di seluruh esai persuasif; Peldszus dan Stede membangun korpus teks argumentatif pendek khusus untuk mempelajari struktur argumen. Tolok ukur yang dibagikan membuat kemajuan dapat dibandingkan.
Model statistik dan neural
Sistem belajar untuk menandai rentang argumen dan mengklasifikasikan hubungan dari contoh yang diberi label. Deteksi komponen menjadi cukup dapat diandalkan. Deteksi hubungan — memutuskan apa yang terhubung dengan apa, dan apakah itu mendukung atau menyerang — tetap sulit.
Model bahasa besar mengubah ekonomi
Model bahasa umum dapat melakukan tugas penambangan argumen tanpa perlu dilatih pada korpus yang dianotasi terlebih dahulu. Hal ini menghilangkan hambatan praktis terbesar — kebutuhan akan ribuan contoh yang dianotasi secara manual per domain — dan membuat penambangan argumen dapat digunakan pada teks bisnis biasa.
Mengapa ini lebih sulit daripada yang terdengar
Mengambil klaim adalah setengah yang mudah. Kesulitannya terletak pada hubungan — dan ada tiga alasan untuk itu.
Sebagian besar argumen meninggalkan hubungan yang tidak terucapkan.
"Jembatan itu tidak aman, jadi kita harus menutupnya" menyembunyikan prinsip yang tidak dinyatakan: bahwa struktur yang tidak aman harus ditutup. Toulmin menyebut ini sebagai jaminan. Orang hampir tidak pernah mengatakannya dengan keras, yang berarti mesin harus merekonstruksi langkah yang tidak ada dalam teks.
Serangan jarang terjadi, jadi model cenderung meremehkan mereka.
Dalam sebagian besar korpus yang dianotasi, mayoritas besar hubungan adalah dukungan; serangan adalah minoritas kecil. Model yang dilatih atau dipicu pada distribusi itu belajar bahwa menebak dukungan biasanya aman — yang sebenarnya salah untuk kasus-kasus yang paling penting dalam sebuah keputusan.
Setuju dengan topik tidak sama dengan mendukung orang tua.
Di bawah sebuah keberatan, alasan yang memperkuat keberatan tersebut mendukung induknya sambil menentang proposal secara keseluruhan. Sistem yang menilai sikap berdasarkan bagaimana kalimat merasa tentang topik ini salah memahami, dan kesalahan ini bertambah parah di sepanjang cabang.
Bagaimana Argumentree menggunakan penambangan argumen
Argumentree menerapkan penambangan argumen untuk pekerjaan tertentu: mengubah transkrip, dokumen, atau thread menjadi pohon argumen pro dan kontra yang kemudian dapat dikerjakan oleh tim. Desainnya mengikuti praktik di bidang tersebut daripada menciptakan metode pribadi.
Setiap argumen tetap terikat pada sumbernya.
Setiap argumen yang diekstrak membawa kata-kata persis seperti yang ada di sumbernya. Jika sebuah klaim tidak dapat ditelusuri kembali ke sesuatu yang benar-benar ada di sumber, maka klaim tersebut tidak akan masuk ke dalam pohon.
Dukungan dan serangan dimodelkan dengan baik
Mengikuti Walton dan Freeman, sebuah keberatan dapat membantah kesimpulan, membantah bukti di baliknya, atau membantah langkah inferensial yang menghubungkan keduanya. Itu adalah langkah yang berbeda dan diperlakukan sebagai hubungan yang berbeda.
Outputnya adalah draf, bukan putusan.
Ekstraksi menghasilkan pohon yang diusulkan. Orang-orang meninjau, memperbaiki, mengubah induk, dan memberi peringkat sebelum menjadi catatan. Mesin melakukan proses awal yang membosankan; penilaian tetap pada kelompok.
Struktur bertahan dalam percakapan
Karena hasilnya adalah sebuah pohon daripada ringkasan, kontributor selanjutnya dapat melampirkan keberatan baru pada alasan tepat yang ditangani, berbulan-bulan setelah diskusi awal.
Dampak praktisnya adalah bahwa alasan di balik suatu keputusan tetap dapat diperiksa — bukan hanya apa yang diputuskan, tetapi argumen mana yang diajukan, apa yang menjawabnya, dan apa yang sama sekali tidak dijawab.
Jelajahi lebih lanjut
Pemetaan argumen
K counterpart manual: menyusun klaim dan alasan secara visual dengan tangan. Penambangan argumen mengotomatiskan apa yang dilakukan pemetaan argumen secara sengaja.
Teori argumentasi
Bidang yang lebih luas yang dihitung oleh penambangan argumen — logika, retorika, dialektika, dan kerangka formal di baliknya.
Model Toulmin
Anatomi enam bagian dari argumen sehari-hari, dan sumber klaim, dasar, serta kosakata jaminan yang digunakan dalam penambangan argumen.
Kecerdasan rapat AI
Penambangan argumen diterapkan pada transkrip rapat — menangkap mengapa sebuah keputusan dibuat, bukan hanya apa yang dikatakan.
Pertanyaan yang sering diajukan
Apa itu penambangan argumen dalam istilah sederhana?
Argument mining adalah perangkat lunak yang membaca sepotong teks dan menganalisis argumen di dalamnya: apa yang diklaim, alasan apa yang diberikan, dan alasan mana yang mendukung atau menentang klaim mana. Hasilnya adalah peta terstruktur daripada sekumpulan prosa.
Bagaimana penambangan argumen berbeda dari ringkasan?
Ringkasan mengompresi sebuah teks dan memberi tahu Anda secara kasar apa yang dikatakannya. Penambangan argumen mempertahankan struktur: ia memberi tahu Anda bahwa keberatan tertentu ini diajukan terhadap alasan tertentu itu, dan tidak ada yang menjawabnya. Ringkasan kehilangan tepatnya ketidaksepakatan yang penting untuk sebuah keputusan.
Apakah penambangan argumen sama dengan analisis sentimen?
Tidak. Analisis sentimen mengukur sikap — positif, negatif, netral. Penambangan argumen memulihkan penalaran. Sebuah kalimat dapat diungkapkan secara negatif sambil mendukung poin yang terkait, dan analisis sentimen akan salah memahami itu setiap kali.
Siapa yang menemukan penambangan argumen?
Tidak ada satu penemu tunggal. Dasar teori adalah model struktur argumen Stephen Toulmin tahun 1958, yang diperluas oleh skema argumentasi Douglas Walton dan penjelasan struktur makro argumen James Freeman. Bidang komputasi mulai terbentuk pada tahun 2010-an, dengan korpus yang dianotasi dari Christian Stab dan Iryna Gurevych serta dari Andreas Peldszus dan Manfred Stede di antara karya yang membuatnya terukur.
Mengapa mendeteksi serangan lebih sulit daripada mendeteksi dukungan?
Dua alasan. Serangan jauh lebih jarang dibandingkan dukungan dalam dataset yang dipelajari oleh sistem ini, sehingga model cenderung memprediksi dukungan. Dan sebuah serangan sering kali harus dinilai relatif terhadap induk langsungnya daripada terhadap topik secara keseluruhan — sebuah alasan dapat memperkuat keberatan sambil menentang proposal yang dituju oleh keberatan tersebut.
Apakah penambangan argumen menggantikan penilaian manusia?
Tidak, dan memperlakukannya seperti itu adalah kesalahan. Ekstraksi menghasilkan draf pertama dari struktur argumen. Memutuskan apakah sebuah argumen baik — apakah buktinya valid, apakah asumsi yang tidak dinyatakan dapat diterima — adalah pekerjaan manusia. Nilainya terletak pada tidak perlu membangun struktur secara manual sebelum pekerjaan itu dapat dimulai.
Referensi & bacaan lebih lanjut
Toulmin, S. E. (1958). Penggunaan Argumen. Cambridge University Press.
Model Klaim-Data-Jaminan-Penunjang-Kualifikasi-Sanggahan - dasar teoretis untuk struktur argumen.
View source →Walton, D., Reed, C., & Macagno, F. (2008). Skema Argumentasi. Cambridge University Press.
Katalog pola penalaran yang berulang dan pertanyaan kritis yang mengujinya - kosakata untuk hubungan dukungan dan serangan.
Freeman, J. B. (1991). Dialektika dan Makrostruktur Argumen: Sebuah Teori Struktur Argumen. Foris / De Gruyter.
Dukungan, bantahan, dan merendahkan dalam pertukaran pendukung-lawan - perbedaan antara menyerang kesimpulan dan menyerang inferensi yang mengarah ke kesimpulan tersebut.
View source →Peldszus, A., & Stede, M. (2013). Dari Diagram Argumen ke Penambangan Argumen dalam Teks: Sebuah Survei. Jurnal Internasional Informatika Kognitif dan Kecerdasan Alam, 7(1), 1-31.
Mengoperasionalkan model Freeman untuk penambangan argumen otomatis.
View source →Stab, C., & Gurevych, I. (2014). Menandai Komponen dan Hubungan Argumen dalam Esai Persuasif. Prosiding COLING 2014.
Penambangan argumen komputasional dasar - korpus yang dianotasi dan skema di balik ekstraksi argumen otomatis.
View source →Lawrence, J., & Reed, C. (2019). Penambangan Argumen: Sebuah Survei. Linguistik Komputasional, 45(4), 765-818.
Survei standar dari bidang - definisi tugas, metode, dan masalah terbuka.
View source →Seri penambangan argumen
Ubah transkrip menjadi pohon argumen
Tempelkan transkrip rapat, tanggapan konsultasi, atau dokumen dan dapatkan pohon pro dan kontra yang terstruktur yang dapat ditinjau, diperbaiki, dinilai, dan dibangun oleh tim Anda.
Mulai gratis